- 首页
- 引言
- 提示在 AI 模型中的作用
- 什么是生成式 AI?
- NLP 和 ML 基础
- 常见的 NLP 任务
- 优化基于提示的模型
- 调整和优化技术
- 预训练和迁移学习
- 设计有效的提示
- 提示生成策略
- 监控提示有效性
- 特定领域的提示
- ChatGPT 提示示例
- 模拟 (ACT LIKE) 提示
- 包含 (INCLUDE) 提示
- 列 (COLUMN) 提示
- 查找 (FIND) 提示
- 翻译 (TRANSLATE) 提示
- 定义 (DEFINE) 提示
- 转换 (CONVERT) 提示
- 计算 (CALCULATE) 提示
- 生成想法 (GENERATING IDEAS) 提示
- 创建列表 (CREATE A LIST) 提示
- 确定原因 (DETERMINE CAUSE) 提示
- 评估影响 (ASSESS IMPACT) 提示
- 推荐解决方案 (RECOMMEND SOLUTIONS) 提示
- 解释概念 (EXPLAIN CONCEPT) 提示
- 概述步骤 (OUTLINE STEPS) 提示
- 描述优势 (DESCRIBE BENEFITS) 提示
- 解释缺点 (EXPLAIN DRAWBACKS) 提示
- 缩短 (SHORTEN) 提示
- 设计脚本 (DESIGN SCRIPT) 提示
- 创意调查 (CREATIVE SURVEY) 提示
- 分析工作流程 (ANALYZE WORKFLOW) 提示
- 设计入职流程 (DESIGN ONBOARDING PROCESS) 提示
- 开发培训计划 (DEVELOP TRAINING PROGRAM) 提示
- 设计反馈流程 (DESIGN FEEDBACK PROCESS) 提示
- 制定留存策略 (DEVELOP RETENTION STRATEGY) 提示
- 分析 SEO (ANALYZE SEO) 提示
- 制定销售策略 (DEVELOP SALES STRATEGY) 提示
- 创建项目计划 (CREATE PROJECT PLAN) 提示
- 分析客户行为 (ANALYZE CUSTOMER BEHAVIOR) 提示
- 创建内容策略 (CREATE CONTENT STRATEGY) 提示
- 创建电子邮件营销活动 (CREATE EMAIL CAMPAIGN) 提示
- ChatGPT 在工作场所中的应用
- 程序员的提示
- 基于人力资源的提示
- 基于财务的提示
- 基于营销的提示
- 基于客户服务的提示
- 思维链提示
- 先问后答提示
- 填空提示
- 视角提示
- 建设性批评提示
- 比较提示
- 反向提示
- 社交媒体提示
- 高级提示工程
- 高级提示
- 新想法和文案生成
- 伦理考量
- 该做与不该做
- 有用的库和框架
- 案例研究和示例
- 新兴趋势
- 提示工程有用资源
- 快速指南
- 有用资源
- 讨论
提示工程 - COLUMN 提示
COLUMN 提示是一种强大的技术,使我们能够构建和格式化 ChatGPT 生成的响应。通过使用 COLUMN 指令,我们可以创建结构化输出,以表格形式组织信息,并以清晰、有条理的方式呈现模型的响应。
理解 COLUMN 指令
COLUMN 指令允许我们定义列并在生成的响应中格式化这些列中的内容。当我们希望以表格形式呈现信息或需要以特定方式构建输出时,这尤其有用。
COLUMN 指令通过指定列标题和每列中的对应内容来工作。
COLUMN 指令的基本语法如下:
User: Can you compare the features of smartphones X and Y? ChatGPT: Sure! Here's a comparison of the features: ------------------------------------------------------ | **Features** | **Smartphone X** | **Smartphone Y** | |--------------|------------------|------------------| | Camera | 12 MP | 16 MP | | Battery | 3000 mAh | 4000 mAh | | Storage | 64 GB | 128 GB | ------------------------------------------------------
在这个例子中,用户请求比较智能手机 X 和 Y。ChatGPT 的响应包括使用 COLUMN 指令创建的比较表。该表包含列标题(“功能”、“智能手机 X”、“智能手机 Y”)以及每列中的对应内容。
使用 COLUMN 指令的最佳实践
为了最大程度地利用 COLUMN 指令,请考虑以下最佳实践:
定义列标题 - 清晰地定义每列的标题,以提供上下文并促进理解。列标题充当每列中呈现信息的标签。
组织内容 - 确保每列中的内容正确对齐。保持一致的格式和对齐方式以增强可读性。
限制列宽 - 考虑每列的宽度,以防止表格过宽。较窄的列更容易阅读,尤其是在信息很长或列数很多时。
使用 Markdown 或 ASCII 表格 - COLUMN 指令可以与 Markdown 或 ASCII 表格格式结合使用,以创建视觉上吸引人且结构良好的表格。可以使用 Markdown 或 ASCII 表格生成器自动为我们格式化表格。
示例应用 - Python 实现
让我们探讨一个使用 COLUMN 指令与 Python 脚本交互的实际示例,该脚本与 ChatGPT 交互。
在这个例子中,我们定义了一个函数 generate_chat_response(),它接收一个提示并使用 OpenAI API 通过 ChatGPT 生成响应。
chat_prompt 变量包含用户的提示和 ChatGPT 的响应,包括使用 COLUMN 指令格式化的比较表。
import openai # Set your API key here openai.api_key = 'YOUR_API_KEY' def generate_chat_response(prompt): response = openai.Completion.create( engine="text-davinci-003", prompt=prompt, max_tokens=100, temperature=0.7, n=1, stop=None ) return response user_prompt = "User: Can you compare the features of smartphones X and Y?\n" chat_prompt = user_prompt + "ChatGPT: Sure! Here's a comparison of the features:\n\n| **Features** | **Smartphone X** | **Smartphone Y** " response = generate_chat_response(chat_prompt) print(response)
输出
运行脚本后,我们将收到 ChatGPT 生成的响应,包括以比较表形式呈现的结构化输出。
结论
在本章中,我们探讨了 COLUMN 指令在 ChatGPT 提示工程中的强大功能。通过使用 COLUMN 指令,我们可以构建和格式化 ChatGPT 生成的响应,以表格形式或以特定组织方式呈现信息。
我们讨论了 COLUMN 指令的语法,并提供了其用法的最佳实践,包括定义列标题、组织内容和考虑列宽。