提示词（prompt）工程指南：提示应用

Posted 2023-03-30 云微123

在本指南中，我们将介绍一些高级和有趣的方式，利用提示工程来执行更有用和更高级的任务。

完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新：
🐙 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全

• https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
• https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN

目录：

• 提示词（prompt）工程指南（四）：提示应用
  • 生成数据
  • PAL（程序辅助语言模型）
  • Python笔记本

---

生成数据

LLMs有强大的文本生成能力。使用有效的提示策略可以引导模型产生更好、更一致和更准确的回复。LLMs还可以特别有用于生成有用于运行各种实验数据。例如，我们可以使用它生成快速样本以用于情感分类器，就像这样：

提示:

生成10个情感分析例子。将示例归类为积极或消极。生成2个消极的示例和8个积极的示例。使用以下格式进行示例：
问: <句子>
答: <情感>

输出:

问: 我刚刚得到了最好的消息！
答: 积极

问: 我们在工作中得到了加薪！
答: 积极

问: 我为今天所取得的成就感到自豪。
答: 积极

问: 我有史以来过得最好的一天！
答: 积极

问: 我真的很期待周末。
答: 积极

问: 我刚收到了最好的礼物！
答: 积极

问: 我现在非常开心。
答: 积极

问: 我非常幸运能有这样一个神奇的家人。
答: 积极

问: 外面的天气真的很阴暗。
答: 消极

问: 我刚得到了一些可怕的消息。
答: 消极

这非常有用。我们在指南的另一部分中使用这个示例进行不同的测试。

---

PAL（程序辅助语言模型）

Gao等，(2022)提出了一种使用LLMs阅读自然语言问题并生成程序作为中间推理步骤的方法。被称为“程序辅助语言模型（PAL）”，与思维链提示不同的是，它不是使用自由格式文本来获得解决方案，而是将解决步骤卸载到编程运行时，如Python解释器。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3iJL7m5L-1680086168248)(…/img/pal.png)]

让我们看一个使用LangChain和OpenAI GPT-3的示例。我们有兴趣开发一个简单的应用程序，能够解释问题并利用Python解释器提供答案。

具体来说，我们有兴趣创建一个函数，允许使用LLM回答需要日期理解的问题。我们将向LLM提供一个提示，其中包括从这里采用的一些示例。

这些是我们需要的导入：

import openai
from datetime import datetime
from dateutil.relativedelta import relativedelta
import os
from langchain.llms import OpenAI
from dotenv import load_dotenv

让我们先配置一些东西：

load_dotenv()

# API configuration
openai.api_key = os.getenv("OPENAI_API_KEY")

# for LangChain
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")

设置模型实例：

llm = OpenAI(model_name='text-davinci-003', temperature=0)

设置提示+问题：

question = "Today is 27 February 2023. I was born exactly 25 years ago. What is the date I was born in MM/DD/YYYY?"

DATE_UNDERSTANDING_PROMPT = """
# Q：2015还有36小时就要到了。从今天算起一周后的日期是什么（以MM/DD/YYYY的格式呈现）？
# 如果2015年还有36小时就要到了，那么今天就是36小时前。
today = datetime(2015, 1, 1) - relativedelta(hours=36)
# 从今天算起一周后，
one_week_from_today = today + relativedelta(weeks=1)
# 用%m/%d/%Y格式呈现的答案是
one_week_from_today.strftime（'%m /% d /％Y'）。
"""

格式：

格式：仅返回已翻译的内容，不包括原始文本。

Q：2019年的第一天是星期二，今天是2019年的第一个星期一。今天的日期是什么？格式为MM/DD/YYYY。

如果2019年的第一天是星期二，而今天是2019年的第一个星期一，那么今天晚了6天。

today = datetime(2019, 1, 1) + relativedelta(days=6)

答案的格式为%m/%d/%Y

today.strftime('%m/%d/%Y')

Q：音乐会原定于1943年6月1日举行，但因一天而延迟到今天。10天前的日期是什么？格式为MM/DD/YYYY。

如果音乐会原定于1943年6月1日举行，但因一天而延迟到今天，那么今天晚了一天。

today = datetime(1943, 6, 1) + relativedelta(days=1)

10天前的日期是

ten_days_ago = today - relativedelta(days=10)

答案的格式为%m/%d/%Y

ten_days_ago.strftime('%m/%d/%Y')

Q：今天是1969年4月19日。24小时后的日期是什么？格式为MM/DD/YYYY。

今天是1969年4月19日。

today = datetime(1969, 4, 19)

24小时后的日期是

later = today + relativedelta(hours=24)

答案的格式为%m/%d/%Y

later.strftime('%m/%d/%Y')

Q：珍妮以为今天是2002年3月11日，但实际上今天是3月12日，晚了1天。24小时后的日期是什么？格式为MM/DD/YYYY。

如果珍妮以为今天是2002年3月11日，但实际上今天是3月12日，则今天日期为3/1/2002。

today = datetime(2002, 3, 12)

24小时后的日期是

later = today + relativedelta(hours=24)

答案的格式为%m/%d/%Y

later.strftime('%m/%d/%Y')

Q：珍妮出生于2001年2月的最后一天。今天是她16岁的生日。昨天的日期是什么？格式为MM/DD/YYYY。

如果珍妮出生于2001年2月的最后一天，而今天是她16岁的生日，则今天是晚了16年。

today = datetime(2001, 2, 28) + relativedelta(years=16)
昨天的日期是

yesterday = today - relativedelta(days=1)
答案的格式为%m/%d/%Y

yesterday.strftime('%m/%d/%Y')

Q：question这将输出以下内容： `02/27/1998`

---

Python笔记本

描述	笔记本
学习如何将Python解释器与语言模型结合使用以解决任务。	程序辅助语言模型

---

更多示例即将推出！

上一节（高级提示）

下一节（ChatGPT）

开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问：

关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）：

• https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
• https://gitee.com/yunwei37/Prompt-Engineering-Guide-zh-CN

关于 GPT-4 语言模型的提示（prompt）、工具和资源的中文精选列表（自动持续更新）

• https://github.com/yunwei37/awesome-gpt4-zh-CN
• https://gitee.com/yunwei37/awesome-gpt4-zh-CN

使用 OpenAI API 的例子和中文指南（自动持续翻译更新 OpenAI 官方文档）

• https://github.com/yunwei37/openai-cookbook-zh-cn
• https://gitee.com/yunwei37/openai-cookbook-zh-cn

这个资源库包含了为 Prompt 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新）

• https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
• https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
  openai-cookbook-zh-cn

这个资源库包含了为 Prompt 工程手工整理的资源中文清单，重点是生成性预训练变换器（GPT）、ChatGPT、PaLM 等（自动持续更新）

• https://github.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN
• https://gitee.com/yunwei37/Awesome-Prompt-Engineering-ZH-CN