本文主要是介绍『大模型笔记』Prompt Engineering具体实施方案综述！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
| Prompt Engineering具体实施方案综述！ |
文章目录
- 1. 背景
- 2. prompt原则&技巧
- 2.1. 指令清晰、详细
- 2.1.1 问题里包含更多细节
- 2.1.2 让模型角色扮演
- 2.1.3 使用分隔符
- 2.1.4 指定完成任务所需的步骤
- 2.1.5 提供示例
- 2.1.6 设定回答的长度
- 2.2 提供参考文本
- 2.3 将复杂任务拆分
- 2.3.1 问题分类
- 2.3.2 分段总结长文/长对话
- 2.4 给大模型时间“思考”
- 2.4.1 生成自己的答案再下结论
- 2.4.2 隐藏推理过程
- 2.4.3 让模型反思回答
- 2.5 使用外部工具
- 2.5.1 嵌入（embedding）
- 2.5.2 调用API
- 2.6 系统地测试更改
- 2.6.1 指标评估
- 2.6.2 模型评估
- 2.6.3 人工评估
- 3. 大厂方案
- 3.1 Anthropic
- 3.2 Google
- 3.3 方案总结
- 4. 实践示例（Img2code）
- 5. 进一步
- 6. 写在结尾
- 二. 参考文献
- 首先声明：文档内容内容来自阿里云开发者
本文深入探讨当前最前沿的prompt engineering方案，结合OpenAI、Anthropic和Google等大模型公司的资料，以及开源社区中宝贵的prompt技巧分享，全面解析这一领域的实践策略。
1. 背景
随着新一代模型的不断涌现，如GPT-4和Gemini版本，其在理解上下文方面的能力显著提升，prompt长度和复杂度限制越来越宽泛。在本文中，我们将深入探讨当前最前沿的prompt engineering方案，结合OpenAI、Anthropic和Google等大模型公司的资料，以及开源社区中宝贵的prompt技巧分享，全面解析这一领域的实践策略。这篇文章旨在为您提供丰富而详尽的指南，帮助您在大模型的应用
这篇关于『大模型笔记』Prompt Engineering具体实施方案综述！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
