跳至主要內容

4. 不同AI模型中基础提示词的示例

Jerry大约 6 分钟AI教育提示词工程AI提示词模型示例GPT-3DALL-E

在本课中，我们将探索如何在不同的AI模型中使用基础提示词，包括文本生成、图像创建、代码辅助等。理解提示词的多样性将为在多种AI驱动的应用中创建有效提示打下基础。

1. AI模型概述

在进入具体示例之前，我们先简要概述一些提示词在其中起着关键作用的常见AI模型类型：

  • 文本生成模型：GPT、ChatGPT及其他语言模型。
  • 图像生成模型：DALL·E、Stable Diffusion。
  • 代码辅助模型：GitHub Copilot、OpenAI Codex。
  • 问答模型：BERT、GPT-3。
  • 其他专用AI模型：翻译（DeepL，谷歌翻译），语音识别（Whisper）。

2. 文本生成模型中的基础提示词

示例1：使用GPT-3的简单文本生成

像GPT-3或ChatGPT这样的文本生成AI模型响应自然语言提示词。我们来看一些指导模型生成文本的基础提示词。

"写一个关于一只猫发现城市中隐藏森林的短篇故事。"
  • 提示词解析：
    • 指令：写一个故事。
    • 主体：一只猫。
    • 场景：在城市中发现隐藏的森林。

这个提示词足够具体，能引导模型，同时也给予了创造的自由空间。

示例2：请求定义

"什么是量子计算？"
  • 提示词解析：
    • 指令：提供定义。
    • 主体：量子计算。

文本生成流程图：

flowchart TD
    A[用户提示词] --> B[AI模型]
    B --> C[生成连贯文本]
    C --> D[输出文本回应]

常见错误：

  • 使用模糊术语，如“解释科技”，而不是缩小重点。
  • 未明确说明格式（故事、定义等）。

关键提示：

使用简单直接的语言，并明确您期望模型提供的回应类型。

3. 图像生成模型中的基础提示词

示例1：使用DALL·E创建图像

DALL·E是一种从基于文本的提示生成图像的AI模型。提示词需要清楚地描述所需的图像。

"创建一个有飞行汽车的未来城市天际线的图像。"
  • 提示词解析：
    • 指令：创建一个图像。
    • 场景：未来城市天际线。
    • 对象：飞行汽车。

示例2：简单对象生成

"生成一张红色苹果放在木桌上的图像。"
  • 提示词解析：
    • 对象：红色苹果。
    • 环境：木桌。

图像生成流程图：

flowchart TD
    A[用户提示词] --> B[AI图像模型]
    B --> C[基于提示生成图像]
    C --> D[输出图像]

常见错误：

  • 在单个提示中包含过多细节，导致模型难以准确捕捉所有内容。
  • 未明确重要特征，例如颜色、环境或对象大小。

关键提示：

为图像模型编写提示时，聚焦于关键细节，避免将提示词过度复杂化。

4. 代码辅助模型中的基础提示词

示例1：向Codex请求代码

像OpenAI Codex和GitHub Copilot这样的AI模型可以根据自然语言提示生成代码。您的提示词越具体，输出的代码就越好。

"编写一个计算数字阶乘的Python函数。"
  • 提示词解析：
    • 指令：编写一个Python函数。
    • 任务：计算阶乘。

生成的代码：

def factorial(n):
    if n == 0 or n == 1:
        return 1
    else:
        return n * factorial(n-1)

示例2：简单代码重构

"将以下代码重构为更高效的形式： 
def sum_of_squares(numbers):
    return sum([n**2 for n in numbers])"
  • 提示词解析：
    • 指令：重构代码。
    • 任务：优化效率。

代码生成流程图：

flowchart TD
    A[用户提示词] --> B[AI代码模型]
    B --> C[生成代码片段]
    C --> D[输出代码]

常见错误：

  • 使用模糊的术语，如“修复此代码”，而未指定需要改进的内容（速度、可读性等）。
  • 在单个提示中请求复杂的多任务操作。

关键提示：

请求代码时，尽量具体说明任务和语言，必要时提供示例代码。

5. 问答模型中的基础提示词

示例1：使用BERT或GPT-3的简单问答

问答模型接收问题并生成简洁的答案。基础提示词通常包含问题和明确的上下文。

"法国的首都是哪里？"
  • 提示词解析：
    • 指令：提出一个事实性问题。
    • 主体：法国的首都。

AI输出：

"巴黎。"

示例2：请求解释

"解释光合作用是如何进行的。"
  • 提示词解析：
    • 指令：解释一个科学过程。
    • 主体：光合作用。

问答模型流程图：

flowchart TD
    A[用户问题] --> B[AI问答模型]
    B --> C[检索或生成答案]
    C --> D[输出答案]

常见错误：

  • 提出广泛或模糊的问题，如“解释生命”，而未提供足够的上下文以获得专注的回应。
  • 在单个提示中包含过多嵌套问题。

关键提示：

确保问题清晰明确，并且每次只关注一个关键点。

6. 语音识别模型中的基础提示词

示例1：使用Whisper转录语音

像Whisper这样的语音识别模型将音频转录为文本。您可以通过提交音频剪辑并期望转录结果来提示这些模型。

"转录这个播客集的音频文件。"
  • 提示词解析：
    • 指令：转录音频。
    • 上下文：播客集。

示例2：在转录中识别说话人

"转录并识别此采访录音中的说话人。"
  • 提示词解析：
    • 指令：转录音频。
    • 任务：识别说话人。

语音识别模型流程图：

flowchart TD
    A[音频文件] --> B[语音识别模型]
    B --> C[生成转录文本]
    C --> D[输出带说话人识别的文本]

常见错误：

  • 提供低质量的音频文件，可能会降低转录准确性。
  • 在单个提示中请求过多任务（如转录和翻译）。

关键提示：

为特定的转录任务提供明确的指令，并确保输入数据（音频文件）质量高，以获得最佳结果。

7. 练习：为不同AI模型编写基础提示词

练习1：为文本生成编写提示词

  • 任务：编写一个提示词，要求语言模型写一篇关于冥想好处的文章。

练习2：为图像创建编写提示词

  • 任务：编写一个提示词，生成一张有机器人的未来太空站的图像。

练习3：为代码模型编写提示词

  • 任务：编写一个提示词，要求生成一个计算圆面积的Python代码。

8. 结论

在不同领域的AI模型中，编写基础提示词是一项重要技能。无论是文本生成、图像创建，还是代码辅助，精确的语言和对模型能力的了解将改善输出效果。

9. 参考文献

上次编辑于:
Copyright © 2024 Jerry