2. 构建提示库

Jerry大约 7 分钟AI开发提示工程工具人工智能提示工程库代码示例

课程1：了解提示库的目的

1.1 什么是提示库？

提示库是一个结构化的预定义提示集合，旨在与AI模型（特别是大型语言模型，LLMs）互动时生成特定的响应或输出。它通过使用优化的提示结构帮助用户更高效地完成各种任务。

关键特性：
- 可重用性：提示可在相似任务中重复使用。
- 模块化：提示按类别划分，便于访问和适应。
- 优化性：提示会随着时间的推移不断优化，以提升输出的连贯性和相关性。

1.2 构建提示库的好处

高效性：通过重复使用提示节省时间，不必为每个任务重新编写。
标准化：确保任务执行的统一性。
协作性：可以跨团队或社区共享提示库。
优化性：通过持续改进提示来获得更有效的结果。

流程图：提示库的目的

graph LR
    A[用户] --> B[提示库]
    B --> C[高效性]
    B --> D[标准化]
    B --> E[优化性]

课程2：定义提示库的结构

2.1 提示的核心要素

要构建一个提示库，首先需要了解提示的核心要素：

任务定义：明确说明提示要完成的操作。
上下文：帮助模型理解场景或任务的背景信息。
指示：为模型生成输出提供详细的指导。
变量（输入数据）：根据不同任务动态修改提示的参数。
预期输出：期望的输出形式、风格或结构。

2.2 构建提示的结构

以下是如何以JSON格式构建一个基本提示的示例：

{
  "task": "总结文本",
  "context": "用户提供了一篇关于人工智能在医疗保健中的文章。",
  "instructions": "用3句话总结文章，重点突出其关键贡献。",
  "input_data": "该文章讨论了人工智能在诊断和治疗中的应用。",
  "expected_output": "一个简洁的总结，突出人工智能在提升医疗保健结果方面的作用。"
}

2.3 组织提示库

基于任务的组织：按任务类型对提示进行分组（如总结、翻译、代码生成）。
基于领域的组织：按领域进行分组，如医疗保健、金融或教育。

📁 我的提示库/
   ├── 📂 总结/
   ├── 📂 代码生成/
   ├── 📂 翻译/
   └── 📂 医疗保健提示/

课程3：构建提示库的步骤

3.1 步骤1：识别用例

确定最常见或最重要的提示用例。这可能包括写作、总结、代码生成、回答问题等任务。

示例：

博客文章写作。
客户支持响应。
代码调试和重构。
教育材料生成。

3.2 步骤2：为每个用例定义提示

为每个用例定义详细的提示。关键是提供足够的信息，使AI生成一致且高质量的输出。使用占位符作为需要根据用户输入修改的变量。

{
  "task": "生成博客文章",
  "context": "用户正在撰写一篇关于可持续能源的博客文章。",
  "instructions": "为一篇关于太阳能优势的博客文章生成一个介绍段落。",
  "input_data": "太阳能是可再生的，并能减少碳排放。",
  "expected_output": "一个介绍段落，解释太阳能的关键优势。"
}

3.3 步骤3：测试和优化提示

在将提示添加到库中之前，先在不同场景下测试它们，确保它们生成一致且准确的结果。根据输出进行优化。

测试变量：确保不同输入能够产生相关的输出。
一致性：检查提示是否在重复输入下提供一致的结果。

3.4 步骤4：记录提示

清晰的文档使提示库更加用户友好且易于分享。对于每个提示：

说明其执行的任务。
提供使用示例。
指定预期的输入和输出格式。

# 博客写作提示

## 概述
本节包含帮助撰写博客文章的提示。

### 提示列表：
- **generate-blog-intro.json**：为博客文章生成介绍段落。
  
## 如何使用：
1. 克隆该存储库。
2. 将提示加载到您的模型中。
3. 提供必要的输入，让模型生成内容。

课程4：管理提示库的版本控制

4.1 使用Git进行版本控制

版本控制允许你跟踪提示库随时间的变化。GitHub是一个常用的平台，用来管理提示库的版本。

Git工作流程：

初始化一个存储库：
```
git init
```
创建一个新分支以添加提示：
```
git checkout -b add-new-prompts
```

添加并提交提示：

git add prompts/
git commit -m "添加了新的客户支持提示"

推送到远程存储库：
```
git push origin add-new-prompts
```
创建拉取请求：
合作者可以在将新提示合并到主分支之前进行审查。

4.2 协作构建提示库

通过在GitHub等平台上共享提示库，团队可以共同改进并添加新提示。拉取请求和问题功能允许进行审查和反馈。

课程5：高级提示技术

5.1 动态提示

动态提示通过使用变量来根据用户的需求处理不同的输入，从而让一个提示可以适应多种情况。

示例：

{
  "task": "个性化问候生成",
  "instructions": "为名为[name]且来自[location]的用户生成一个友好的问候语。",
  "input_data": {
    "name": "Alice",
    "location": "纽约"
  },
  "expected_output": "你好，来自纽约的Alice！欢迎使用我们的服务。"
}

这种方法通过为不同的输入重复使用相同的提示来节省时间。

5.2 提示链

有时，任务可能需要多个步骤。提示链是指使用一个提示的输出作为下一个提示的输入。

示例：

第一个提示：生成文章大纲。
第二个提示：将大纲扩展为完整段落。

graph TD
    A[输入] --> B[生成大纲]
    B --> C[扩展部分]
    C --> D[最终文章]

5.3 条件提示

根据特定条件有选择地修改提示。在不同路径会产生不同输出的情况下，这种方法非常有用。

{
  "task": "提供客户支持响应",
  "instructions": "如果客户提到技术问题，提供故障排除步骤。如果客户询问产品信息，提供常见问题解答的链接。",
  "input_data": "客户询问连接问题的故障排除步骤。",
  "expected_output": "提供连接问题的故障排除步骤。"
}

课程6：扩展和共享提示库

6.1 扩展提示库

要扩展提示库，需定期添加新提示，并以结构化的方式进行组织。使用类别和标签，便于导航和查找相关提示。

标签：帮助用户快速找到与特定任务相关的提示（如#总结、#代码）。

示例组织结构：

📁 我的提示库/
   ├── 📝 documentation.md
   ├── 📂 总结/
       ├── 博客总结.json
       ├── 文章总结.json
   ├── 📂 代码生成/
       ├── python片段.json
   ├── 📂 客户支持/
       ├── 常见问题解答响应.json

6.2 分享与协作

提示库准备好后，可以与社区共享。你可以将提示库托管在GitHub，或者使用以下平台：

PromptBase：向AI社区出售或共享提示。
GitHub：共享开源提示库，进行协作和反馈。

在GitHub上分享的步骤：

将存储库推送到GitHub：

git remote add origin https://github.com/username/prompt-library.git
git push -u origin master

添加详细的README：
- 提供详细的使用说明。
- 说明用户如何为提示库做贡献。

课程7：构建和管理提示库的资源

7.1 工具

GitHub：用于版本控制、协作和开源提示库。
VSCode：一个优秀的代码编辑器，用于管理和测试基于JSON格式的提示库。
在线提示工程平台：如PromptBase等工具，允许用户创建、测试和出售提示。

7.2 参考资料

课程：
- LLMs的提示工程
书籍：
- Python深度学习，作者：François Chollet。

总结

构建提示库通过使用优化的、可重用的提示来更有效地与AI模型进行互动。遵循动态提示、提示链和版本控制等最佳实践，可以确保你的提示库保持高效、可扩展并支持协作。通过正确的结构和工具，你可以分享并扩展你的提示库，让更多的人从中受益。