第四期书生大模型实战营-Tutorial 7

本期是对提示工程的练习，常用的提示工程手段分为两种：

1. CRISPE（任务类），参考：GitHub - mattnigh/ChatGPT3-Free-Prompt-List: A free guide for learning to create ChatGPT3 Prompts

• Capacity and Role (能力与角色)：希望 ChatGPT 扮演怎样的角色。​
• Insight (洞察力)：背景信息和上下文(坦率说来我觉得用 Context 更好)​
• Statement (指令)：希望 ChatGPT 做什么。​
• Personality (个性)：希望 ChatGPT 以什么风格或方式回答你。​
• Experiment (尝试)：要求 ChatGPT 提供多个答案。

2. CO-STAR（角色类），参考：CO-STAR Framework – AI Advisory Boards

• Context (背景): 提供任务背景信息​
• Objective (目标): 定义需要LLM执行的任务​
• Style (风格): 指定希望LLM具备的写作风格​
• Tone (语气): 设定LLM回复的情感基调​
• Audience (观众): 表明回复的对象​
• Response (回复): 提供回复格式

Task 1: 任务要求：利用对提示词的精确设计，引导语言模型正确回答出“strawberry”中有几个字母“r”。完成正确的问答交互并提交截图作为完成凭证；直接在浦语书生上面去试，果然出错，采用思维链的方式也回答错误；

解决方案：模型反思；

Task 2（进阶任务）：

任选下面其中1个任务基于LangGPT格式编写提示词 (优秀学员最少编写两组)，使用书生·浦语大模型 进行对话评测。

• 公文写作助手
• 商务邮件沟通
• 温柔女友/男友
• MBTI 性格测试
• 剧本创作助手
• 科幻小说生成

这里我选择了公文写作助手以及科幻小说生成；对比如下：

首先不使用提示工程，直接输入，效果如下：

打开新对话，使用LangGPT格式生成一个提示词助手，并且输入帮我设计一个公文写作助手，生成接下来的提示词：

输入同样的问题，生成效果如下，确实效果更好，更符合现实的格式，而不使用提示工程的结果类似于故事描述；

以同样的方法比较科幻小说生成，对比效果；可以看到，故事具体的细节更多，变得更丰满，而且最后多了对故事的寓言性的思考，从个人英雄主义上升到人类价值观；