我们现在将介绍第一个提示技巧,指令提示。我们已经在之前的文章中看到过简单的指令(例如让 AI 解决数学问题)。然而,我们可以指示生成式 AI 完成更加复杂的任务。
姓名解析示例
在收集姓名数据时,一个常见的问题是人们格式化姓名的方式不同。例如,有些人会加上 Mrs.
或 Jr.
,而且名字和姓氏的顺序可能会颠倒。过去,清理这样的数据是一项枯燥的手动任务。现在,我们可以通过简单的提示完全自动化这一过程。
尝试更改名字,直到找到提示无法正确处理的情况。如果你能做到这一点,也许你还能改进提示!这是一个有趣的练习,可以提升你的提示工程技能。
个人身份信息去除示例
个人身份信息(PII)去除是另一个相关任务。在发布私人文件之前,公司或政府可能会手动对文档中的信息进行编辑。生成式 AI 可以用来自动去除 PII,从而减少大量人工工作。
提示
阅读以下销售邮件。移除任何个人身份信息(PII),并用适当的占位符替换。例如,将名字 "John Doe" 替换为 "\[NAME\]"。
Hi John,
I'm writing to you because I noticed you recently purchased a new car. I'm a salesperson at a local dealership (Cheap Dealz), and I wanted to let you know that we have a great deal on a new car. If you're interested, please let me know.
Thanks,
Jimmy Smith
Phone: 410-805-2345 Email: [jimmysmith@cheapdealz.com](mailto:jimmysmith@cheapdealz.com)
以下是 AI 的响应:
AI 输出
Hi \[NAME\],
I'm writing to you because I noticed you recently purchased a new car. I'm a salesperson at a local dealership (\[DEALERSHIP\]), and I wanted to let you know that we have a great deal on a new car. If you're interested, please let me know.
Thanks,
\[SALESPERSON\]
Phone: \[PHONE NUMBER\] Email: \[EMAIL ADDRESS\]
令人兴奋的是,模型可以从指令中推断。例如,它知道将 Cheap Dealz
替换为 [DEALERSHIP]
,将 Jimmy Smith
替换为 [SALESPERSON]
,尽管我们没有明确告诉它要这样做。
论文评价与反馈示例
生成式 AI 可以用于根据复杂的标准对论文进行评价并提供反馈。这些标准包括语法、清晰度、一致性、论点质量和证据使用情况。
提示
阅读以下论文摘录,并根据以下标准提供反馈:语法、清晰度、一致性、论点质量和证据使用情况。对每项属性打分(1-10 分),并给出评分理由。
"Despite the popular belief, there's no solid evidence supporting the idea that video games lead to violent behavior. Research on the topic is often contradictory and inconclusive. Some studies found a correlation, but correlation don't imply causation. So, it's premature to blame video games for violence in society."
AI 的响应:
AI 输出
属性:语法
评分:9
理由:论文大部分语法正确,但有一个小错误——"correlation don't imply causation" 应为 "correlation doesn't imply causation"。
属性:清晰度
评分:8
理由:论文总体清晰,但可以提供更多关于研究矛盾性和不确定性的细节说明。
属性:一致性
评分:8
理由:论点一致且相关,但论点之间的过渡可以更流畅。
属性:论点质量
评分:7
理由:论点合乎逻辑且推理充分,但可以通过更清晰地阐明作者对问题的立场来加强。
结论
指令提示包括为生成式 AI 提供某些任务或方向。尽管这一概念简单,但生成式 AI 能够遵循非常复杂的指令。在整个课程中,指令提示将被频繁使用。