Prompt 公式是 Prompt 的特定格式，通常由三个主要元素组成：

1. 任务：明确而简洁地陈述 Prompt 要求模型生成的内容。
2. 指令：模型在生成文本时应遵循的指令。
3. 角色：模型在生成文本时应扮演的角色。

指令 Prompt 技术

指令 Prompt 技术是一种通过提供特定指令来引导 ChatGPT 输出的方法。该技术
对确保输出相关和高质量非常有用。

• Prompt 公式：“按照以下指示生成[任务]：[指示]”

示例：

生成客户服务响应：
任务：生成响应客户查询
指令：响应应该专业并提供准确信息

Prompt 公式：“按照以下指示生成专业且准确的响应客户查询：响应应该专业
并提供准确信息。”

生成法律文件：
任务：生成法律文件
指令：文件应符合相关法律法规

Prompt 公式：“按照以下指示生成符合相关法律法规的法律文件：文件应符合
相关法律法规。”

角色 Prompt 技术

角色 Prompt 技术是一种通过指定模型要扮演的特定角色来引导 ChatGPT 输出的
方法。该技术对生成针对特定上下文或受众量身定制的文本非常有用。
要使用角色 Prompt 技术，您需要为模型提供明确而特定的角色。例如，如果您
正在生成客户服务响应，则可以提供“客户服务代表”等角色。

• Prompt 公式：“以[角色]身份生成[任务]”

示例：

生成客户服务响应：
任务：生成响应客户查询
角色：客户服务代表
Prompt 公式：“以客户服务代表的身份生成响应客户查询。”

生成法律文件：
任务：生成法律文件
角色：律师
Prompt 公式：“以律师的身份生成法律文件。”

以下是指令 Prompt 技术、角色 Prompt 技术和种子词 Prompt 技术如何结合使用
的示例：

任务：为新款智能手机生成产品描述
指令：描述应具有信息量、说服力，突出智能手机的独特特点
角色：营销代表
种子词： “创新的”

• Prompt 公式：“以营销代表的身份，生成一个具有信息量、说服力的产品描述，
  突出新款智能手机的创新特点。智能手机具有以下特点[插入您的特点]”

任务：写一篇新智能手机的评论
Prompt 公式：“生成一篇新智能手机的评论”
此外，标准 Prompt 可以与其他技术结合使用，如角色 Prompt 和种子词 Prompt，
以增强 ChatGPT 的输出。
以下是标准 Prompt 技术、角色 Prompt 技术和种子词 Prompt 技术如何结合使用
的示例：
任务：为新款笔记本电脑生成产品评论
指令：评论应客观、具有信息量，突出笔记本电脑的独特特点
角色：技术专家
种子词：“强大的”

• Prompt 公式：“以技术专家的身份，生成一个客观、具有信息量的产品评论，
  突出新款笔记本电脑的强大特点。”

在这个例子中，标准 Prompt 技术用于确保模型生成产品评论。角色 Prompt 技术
用于确保评论从技术专家的角度撰写。种子词 Prompt 技术用于确保评论聚焦于
笔记本电脑的强大特点。

零样本、一样本和少样本 Prompting

零样本、一样本和少样本 Prompting 是一种使用 ChatGPT 生成文本的技术，可以
最小化或不使用示例。当特定任务的数据有限或任务是新的且未被明确定义时，
这些技术非常有用。

• 零样本 Prompting 技术用于任务没有可用的样例时。将通用任务提供给模型，它
  根据对任务的理解生成文本。
• 一样本 Prompting 技术用于只有一个样例可用的任务。将样例提供给模型，它根
  据对样例的理解生成文本。
• Prompt 公式：“根据[数量]个样例生成文本”

例如：
对于没有可用样例的新产品，生成一个产品描述：
任务：为新智能手表撰写产品描述

• Prompt 公式：“对于这个新智能手表，零样例生成产品描述”

使用一个可用样例比较新智能手机和最新款的 iPhone：
任务：比较一款新智能手机和最新款的 iPhone

• Prompt 公式：“使用一个样例（最新款 iPhone）对这个新智能手机进行产品比
  较”

对于少量可用的样例，生成一篇产品评论：
任务：撰写一篇新电子阅读器的评论

• Prompt 公式：“对于这个新电子阅读器，使用少数样例（另外三款电子阅读器）
  生成评论”

让GPT思考

“让我们思考一下”提示是一种用来鼓励 ChatGPT 生成反思和沉思性文本的技巧。
该技巧对于写作论文、诗歌或创意写作等任务非常有用。

“让我们思考一下”提示的公式很简单，就是先说“让我们思考一下”，然后再
加上一个主题或问题。

生成一篇反思性文章：
任务：写一篇有关个人成长的反思性文章

• 提示公式：“让我们思考一下：个人成长”

生成一首诗：
任务：写一首有关季节变化的诗

• 提示公式：“让我们思考一下：季节变化”

要使用“让我们思考一下”提示技巧与 ChatGPT 进行对话或文本生成，您可以按
照以下步骤进行：

1. 确定要讨论的主题或想法。
   • 提示：“让我们思考气候变化对农业的影响”
2. 制定一个明确表明主题或想法并开始对话或文本生成的提示。
   • 提示：“让我们讨论人工智能的现状”
3. 在提示前加上“让我们思考”或“让我们讨论”，表示您正在发起对话或讨论。
   • 提示：“让我们谈谈远程工作的利弊”

自一致性提示

自一致性提示是一种用于确保 ChatGPT 的输出与所提供的输入一致的技巧。

这种技巧对于事实核实、数据验证或文本生成中的一致性检查等任务非常有用.

示例 1：文本生成
任务：生成产品评论
说明：评论应与输入中提供的产品信息一致
提示公式：“生成一篇与以下产品信息一致的产品评论[插入产品信息]”

示例 2：文本摘要
任务：总结一篇新闻文章
说明：摘要应与文章中提供的信息一致
提示公式：“以与以下提供的信息一致的方式总结以下新闻文章[插入新闻文章]”

示例 3：文本完成
任务：完成一个句子
说明：完成应与输入中提供的上下文一致
提示公式：“以与所提供的上下文一致的式完成以下句子[插入句子]”

示例 4：事实核查：
任务：检查给定新闻文章中的一致性
输入文本：“文章中提到该城市的人口为 500 万，但后来它说该城市的人口为700 万。”
提示公式：“请确保以下文本自我一致：文章中提到该城市的人口为 500 万，但后来它说该城市的人口为 700 万。”

数据验证：
任务：检查给定数据集中的一致性
输入文本：“数据显示 7 月份的平均温度为 30 度，但最低温度记录为 20 度。”
提示公式：“请确保以下文本自我一致：数据显示 7 月份的平均温度为 30 度，但最低温度记录为 20 度。”

种子词提示

种子词提示可以与角色提示和指令提示相结合，以创建更具体和有针对性的生成文本。通过提供种子词或短语，模型可以生成与该种子词或短语相关的文本，并通过提供有关所需输出和角色的信息，模型可以以与角色或指令一致的特定风格或语气生成文本。这可以更好地控制生成的文本，并可用于各种应用。

• 种子词提示是一种通过提供特定的种子词或短语来控制 ChatGPT 输出的技巧。
• 种子词提示的提示公式是种子词或短语，后跟指令“请根据以下种子词生成文本”。

知识生成提示

要在 ChatGPT 中使用此提示，应将问题或主题作为输入提供给模型，并提供一个提示，指定生成文本的任务或目标。提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定要求或限制。

知识整合:
任务：将新信息与现有知识整合
说明：整合应准确且与主题相关
提示公式：“将以下信息与有关[特定主题]的现有知识整合：[插入新信息]”

连接信息
任务：连接不同的信息
说明：连接应相关和逻辑
提示公式：“以相关和逻辑的方式连接以下信息：[插入信息 1] [插入信息 2]”

数据分析：
任务：从给定的数据集中生成有关客户行为的见解
提示公式：“请从此数据集中生成关于客户行为的新的和原始的信息”

情感分析
任务：将文本分类为积极的、中性的或消极的
说明：分类应是预定义选项之一
提示公式：“通过选择以下选项之一将以下文本分类为积极的、中性的或消极的：
[插入文本] [积极] [中性] [消极]”

可解释性软提示

可解释性软提示是一种技术，它允许在提供更多的灵活性的同时控制模型生成的文本。这是通过向模型提供一组受控输入以及关于所需输出的其他信息来完成的。
该技术可提供更可解释性和可控的生成文本。

示例 1：文本生成
任务：生成一篇故事
说明：故事应基于给定的角色和特定主题
提示公式：“基于以下角色生成故事：[插入角色]和主题：[插入主题]”

示例 2：文本完成
任务：完成一个句子
说明：完成应符合特定作者的风格
提示公式：“以[特定作者]的风格完成以下句子：[插入句子]”

示例 3：语言建模
任务：以特定风格生成文本
说明：文本应符合特定时期的风格
提示公式：“以[特定时期]的风格生成文本：[插入上下文]”

控制生成

示例 1：文本生成
任务：生成一个故事
说明：故事应基于特定的模板
提示公式：“根据以下模板生成故事：[插入模板]”

示例 2：文本完成
任务：完成一句话
说明：完成应使用特定的词汇表
提示公式：“使用以下词汇表完成以下句子：[插入词汇表]：[插入句子]”

示例 3：语言建模
任务：以特定的风格生成文本
说明：文本应遵循特定的语法规则
提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入内容]”

强化及对抗提示

对抗提示是一种技术，它允许模型生成对某些攻击或偏差具有抵抗力
的文本。这种技术可用于训练更强大和更具抵抗力的模型，以对抗某
些类型的攻击或偏差。

要使用对抗提示与 ChatGPT，应该向模型提供一种设计成难以生成与
所需输出一致文本的提示。提示还应包括有关所需输出的信息，例如
要生成的文本类型以及任何特定要求或限制。

示例 1：文本分类的对抗提示
任务：生成被分类为特定标签的文本
说明：生成的文本应难以分类为特定标签
提示公式：“生成难以分类为[插入标签]的文本”

示例 2：情感分析的对抗提示
任务：生成难以被分类为特定情感的文本
说明：生成的文本应难以被分类为特定情感
提示公式：“生成难以分类为[插入情感]的文本”

示例 3：语言翻译的对抗提示
任务：生成难以翻译的文本
说明：生成的文本应难以翻译为目标语言
提示公式：“生成难以翻译为[插入目标语言]的文本”

强化学习提示是一种技术，它允许模型从其过去的行为中学习并随着
时间的推移改善其性能。要使用 ChatGPT 的强化学习提示，应该向模
型提供一组输入和奖励，并允许它根据收到的奖励调整其行为。提示
还应包括有关所需输出的信息，例如要完成的任务以及任何特定要求
或限制。

示例 1：用于文本生成的强化学习
任务：生成与特定风格一致的文本
说明：模型应根据生成与特定风格一致的文本的奖励调整其行为
提示公式：“使用强化学习生成与以下风格一致的文本 [插入风格]”

示例 2：用于语言翻译的强化学习
任务：将文本从一种语言翻译成另一种语言
说明：模型应根据生成准确的翻译的奖励调整其行为
提示公式：“使用强化学习将以下文本 [插入文本] 从 [插入语言] 翻
译成 [插入语言]”

示例 3：用于问答的强化学习
任务：回答一个问题
说明：模型应根据生成准确答案的奖励调整其行为
提示公式：“使用强化学习生成以下问题的答案 [插入问题]”
因此，这种技术对于决策制定、游戏玩法和自然语言生成等