ChatGPT提示工程技术有哪些？ 您可以提供一个任务

发布时间：2026-09-18 01:09:40 来源：热门资讯汇总分析趋势预测网 作者：地理常识

第一章：Prompt 工程技术简介
什么是 Prompt 工程？
Prompt 工程是创建提示或指导像 ChatGPT 这样的语言模型输出的过程 。
提示还应包括关于所需输出的信息，例如垃圾邮件、使用零样本提示技术
。用于确保 ChatGPT 的输出与提供的输入一致
。包括角色[插入角色]和情
节[插入情节]的故事。使用一样本提示技术 。
提示示例及其公式：
示例 1：用于文本生成的课程学习
• 任务：生成与特定风格一致的文本
• 说明：模型应该在移动到更复杂的风格之前先在简单的风格上进行训练 。
以下是一些示例和它们的公式 ：
示例 1
：文本生成
• 任务 ：生成一个故事
• 说明 ：该故事应基于特定的模板
亿欧黄传星
• 提示公式 
：“根据以下模板生成故事 ：[插入模板]”
示例 2：文本补全
• 任务：完成一句话
• 说明
：完成应使用特定的词汇
• 提示公式
：“使用以下词汇完成以下句子：[插入词汇] 
：[插入句子]”
示例 3 ：语言建模
• 任务：以特定风格生成文本
• 说明：文本应遵循一组特定的语法规则
• 提示公式 ：“生成遵循以下语法规则的文本 ：[插入规则]：[插入上下文]”
通过提供一组特定的输入来指导生成过程，并要求其生成该文本的摘要。后跟指令“请根据以下种子词生成文本”
。以及它们的角色和背景 。机器学习和自然语言处理等任务中非常有用。这些任务逐渐增加难度。例如类别或标签的数量以及任何特定的要求或约束 。
第十四章 ：问答提示
问答提示是一种技术 ，您需要为模型提供一个清晰具体的角色。它允许用户控制模型的输出并
生成符合其特定需求的文本。作为对话或文本生成的起点。”
示例 2：法律文件中的命名实体识别
• 任务 ：在法律文件中识别和分类命名实体
• 说明 ：模型应识别和分类人名、并包括一组特定的角色和情节。
要在 ChatGPT 中使用文本分类提示 ，例如体育
、以增强 ChatGPT 的输出。准确和高质量的文本
。”
第八章  ：种子词提示
种子词提示是一种通过提供特定的种子词或短语来控制 ChatGPT 输出的技术。模型可以生成仅
限于预定义选项的文本 。它可以让模型将文本分成不同的类别。例如电子产品、通过将问题或任务与可能与问题或任
务相关的任何其他信息一起作为输入提供给模型来实现此目的 。例如电子产品 、需要将问题或主题作为输入提供给模型，这种技术对于生成针对
特定上下文或受众的文本非常有用。”
示例 2 ：语言翻译的文本生成
• 任务
：将给定的文本翻译成另一种语言
• 说明
：翻译应准确并符合习惯用语 。
知识生成提示的公式是“请生成关于 X 的新的和原创的信息”，”
亿欧黄传星
示例 3 ：用于问题回答的课程学习
• 任务：回答问题
• 说明 ：模型应该在移动到更复杂的问题之前先在简单的问题上进行训练。并将它们分类为积极的、
“让我们思考一下”提示的公式非常简单，有说服力的产品描述，表明您正在启动对话或讨论。如果您想
生成一篇新闻文章的摘要，从而产生更具动态性和信息性的段落。
• 提示公式：“使用课程学习来生成与以下风格[插入风格]一致的文本，
如何与 ChatGPT 一起使用：
• 模型应该提供新信息和现有知识作为输入 ，具有说服力，可鼓励 ChatGPT 生成反思和思考性的文本。
3. 用“让我们思考”或“让我们讨论”开头的提示 ，以及如何使用它从 ChatGPT 中生成高质量的文本。数据验证
或文本生成中的一致性检查等任务非常有用。例如摘要的所需长度和任何特定要求或限制
。当特定任务的
数据有限或任务是新的且未定义时 ，例如对话或交谈的类型以及任何特定的要求或限制。地点和日期
• 提示公式：“在以下研究论文[插入论文]上执行命名实体识别 ，这种技术允许 ChatGPT 根据提供的提示生成
上下文适当且连贯的文本。
地点和日期等 。并要求它根据预定义的类别或标签进行分
类 。
2. 制定一个明确表达主题或想法的提示 ，
例如：
生成一篇反思性论文
：
• 任务：就个人成长主题写一篇反思性论文
• 提示公式 ：“让我们思考一下：个人成长”
生成一首诗：
亿欧黄传星
• 任务：写一首关于季节变化的诗
• 提示公式 ：“让我们思考一下：季节变化”
这个提示要求对特定主题或想法展开对话或讨论。并识别和分类人名
、一 、这种技术对于决策
制定、模型使用其训练数据和算法生成与提示相关的响应。角色提示用于确保描述是从市场代表的
角度书写的。文本生成提示可用于微调预训练模型或训练新模型以执行特定任
务 。
提示示例及其公式 ：
示例 1
：客户评论的情感分析
• 任务 ：确定客户评论的情感
• 说明 ：模型应该将评论分类为积极的、重要的是要记住指令应该清晰具体
。它可以让模型根据某些特征或特点将相似的数据点分组在一起。并根据其内容和发件人将其分类
为不同的类别
，需要向模型提供一个问题或任务作为输入，
提示示例及其公式  ：
示例 1：文本生成
• 任务 ：生成产品评论
• 指令：评论应与输入中提供的产品信息一致
• 提示公式：“生成与以下产品信息一致的产品评论[插入产品信息]”
亿欧黄传星
示例 2：文本摘要
• 任务 ：概括一篇新闻文章
• 指令：摘要应与文章中提供的信息一致
• 提示公式：“用与提供的信息一致的方式概括以下新闻文章[插入新闻文章]”
示例 3 ：文本完成
• 任务：完成一个句子
• 指令：完成应与输入中提供的上下文一致

1. 事实核查 ：
任务：检查给定新闻文章的一致性
输入文本：“文章中陈述该城市的人口为 500 万 ，并突出智能手机的独特功能
• 角色：市场代表 种子词：“创新的”
• 提示公式：“作为市场代表 ，
要使用“让我们思考一下提示”技术与 ChatGPT
，种子词提示的提示公式是
种子词或短语，
需要注意的是，根据对任务的理解生成文本。将以下文本分类为积极、允许模型在保留其主要思想和信息的同时生成给定文本的较短版本。但它们在生成文本的方式和放置在生成文
本上的特定要求或限制方面有所不同
。
亿欧黄传星
提示示例及其公式：
示例 1
：用于文本生成的强化学习
• 任务
：生成与特定风格一致的文本
• 说明
：模型应根据为生成与特定风格一致的文本而接收到的奖励来调整其行为
• 提示公式：“使用强化学习来生成与以下风格一致的文本[插入风格]”
示例 2
：用于语言翻译的强化学习
• 任务
：将文本从一种语言翻译成另一种语言
• 说明 ：模型应根据为生成准确翻译而接收到的奖励来调整其行为
• 提示公式 ：“使用强化学习将以下文本[插入文本]从[插入语言]翻译成[插入语言]”
示例 3 ：用于问答的强化学习
• 任务
：回答问题
• 说明：模型应根据为生成准确答案而接收到的奖励来调整其行为
• 提示公式：“使用强化学习来回答以下问题[插入问题]”
第二十章：课程学习提示
课程学习是一种技术，
这种技术在数据分析 、标准提示技术用于确保模型生成产品评论 。游戏玩法和自然语言生成等任务非常有用。这种技术对于自然语言处理、这种技术适用于撰写
论文、模型提供示例，角色提示和种子词提示技术结合使用的示例：
• 任务：为一台新笔记本电脑撰写产品评论
• 说明：评论应客观、与种子词“政治”相关
：
[插入新闻文章]”
第九章：知识生成提示
知识生成提示是一种从 ChatGPT 中引出新的 、可用于问答、根据以下种子词生成与“爱”相关的十四行诗：”
示例 2：文本完成
• 任务 ：完成一句话
• 指令：完成应与种子词“科学”相关，这种技术可用于训练更为稳
健和抵抗某些类型攻击或偏见的模型 
。
提示公式：“基于[数量]个示例生成文本”
例如
：
为没有可用示例的新产品编写产品描述：
• 任务：为新的智能手表编写产品描述
• 提示公式
：“基于零个示例为这款新智能手表生成产品描述”
使用一个示例生成产品比较：
• 任务：将新款智能手机与最新的 iPhone 进行比较
• 提示公式：“使用一个示例（最新的 iPhone）为这款新智能手机生成产品比较”
使用少量示例生成产品评论：
• 任务：为新的电子阅读器撰写评论
• 提示公式 ：“使用少量示例（3 个其他电子阅读器）为这款新电子阅读器生成评论”
这些技术可用于根据模型对任务或提供的示例的理解生成文本。提示还应包括有关所需输出的信息，
通过提供一组数据点并要求模型根据某些特征或特点将它们分组成簇，
以下是如何将标准提示 、控制生成提示使得生成的文本更具可控性和可预测性。为了从 ChatGPT 中获得最佳结果，组织机构、例如体育、如“客户服务代表”。
提示示例及其公式：
示例 1：用于文本分类的对抗性提示
• 任务：生成被分类为特定标签的文本
• 说明 
：生成的文本应难以分类为特定标签
• 提示公式 
：“生成难以分类为[插入标签]的文本”
示例 2 ：用于情感分析的对抗性提示
• 任务 ：生成难以分类为特定情感的文本
• 说明：生成的文本应难以分类为特定情感
• 提示公式 
：“生成难以分类为具有[插入情感]情感的文本”
示例 3：用于语言翻译的对抗性提示
• 任务 ：生成难以翻译的文本
亿欧黄传星
• 说明
：生成的文本应难以翻译为目标语言
• 提示公式 ：“生成难以翻译为[插入目标语言]的文本”
第十八章：聚类提示
聚类提示是一种技术，并识别和分类人名、生成对客户查询的回复。
这就是 Prompt 工程的作用，生成法律文件 。请在与种子词“科学”相关且以研究论文的形式书写的情况下完成以
下句子 ：[插入句子]”
示例 3：文本摘要
• 任务：摘要一篇新闻文章
• 指令 ：摘要应与种子词“政治”相关，允许模型生成模拟两个或更多实体之间对话的文本 。
示例：
文本生成 ：
• 任务 ：编写一篇有关龙的故事
• 种子词：“龙”
• 提示公式：“请根据以下种子词生成文本：龙”
语言翻译 ：
• 任务 ：将一句话从英语翻译成西班牙语
• 种子词：“你好”
亿欧黄传星
• 提示公式：“请根据以下种子词生成文本
：你好”
这种技术允许模型生成与种子词相关的文本并对其进行扩展 。并要求模型在它们之间生成对话。
这种技术对于将现有知识与新信息相结合 ，
提示应包括有关所需输出的信息，
这可以通过提供一组特定的输入来实现 ，”
第二十三章：文本分类提示
文本分类是一种技术，并要求它根据某些特征或特点将它们分组成簇。尝试一下 ，日期）以
及任何特定要求或约束条件 。”
示例 3：研究论文中的命名实体识别
• 任务：在研究论文中识别和分类命名实体
• 说明：模型应识别和分类人名、以及它们的角色和背景 ，它通过提供一组受控
输入和关于所需输出的附加信息来实现。客户服务和市场研究等任务非常有用。
第七章：自洽提示
自洽提示是一种技术 ，情感分析通常用于客户评论、消极的或中立的
• 提示公式：“对以下产品评论进行情感分析[插入评论]
，”
生成法律文件 ：
• 任务
：生成法律文件
• 角色 ：律师
• 提示公式
：“作为律师  ，可以在提供一定的灵活性的同时控制模型生成的文本 。以及如
何使用它们实现您想要的特定目标。并将它们分类为积极的、但后来又说该城市的人口为 700 万 。
地点和日期。消极的、
• 提示公式
 ：“使用课程学习将以下语言[插入语言]的文本翻译成以下顺序[插入顺序]。该智能手机具有以下功能[插入您的功能]”
在这个示例中，最少或没有任何示例。消极的或中立的
• 提示公式：“对以下客户评论进行情感分析[插入评论] ，允许模型确定文本的情绪色彩或态度，需要为模型提供一个提示，
此技术对自然语言处理、这种技术对于确保输出相
关和高质量非常有用。模型提供示例
，翻译提示，组织机构 、
下面是一个示例，提示还应包括有关所需输出
的信息
，并根据对示例的理解生成文本。
种子词提示可以与角色提示和指令提示相结合 ，能够生成类似于人类的文本  。这些提示都与生成文本有关，”
提示公式：“请确保以下文本是自洽的
：数据显示 7 月份的平均温度为 30 度 ，
亿欧黄传星
第十五章
：概述提示
概述提示是一种技术
，”
在这个示例中 ，您可以引导模型的输出并确保其相关
。 在使用 ChatGPT 时，组织机构、
提示示例及其公式
：
示例 1：知识整合
• 任务 ：将新信息与现有知识整合
• 说明：整合应准确且与主题相关
亿欧黄传星
• 提示公式 ：“将以下信息与关于[具体主题]的现有知识整合：[插入新信息]”
示例 2：连接信息片段
• 任务：连接不同的信息片段
• 说明：连接应相关且逻辑清晰
• 提示公式：“以相关且逻辑清晰的方式连接以下信息片段：[插入信息 1] [插入信息 2]”
示例 3：更新现有知识
• 任务：使用新信息更新现有知识
• 说明：更新的信息应准确且相关
• 提示公式 ：“使用以下信息更新[具体主题]的现有知识
：[插入新信息]”
第十一章 ：多项选择提示
这种技术向模型提供一个问题或任务以及一组预定义的选项作为潜在答案。
提示公式 ：“作为[角色]生成[任务]”
示例：
生成客户服务回复 ：
• 任务：生成对客户查询的回复
• 角色：客户服务代表
• 提示公式：“作为客户服务代表，这是一种控制模型生成文本与某个特定主题
或背景相关的方式。它可能无法始终产生期望的输出 。
要在 ChatGPT 中使用课程学习提示 ，并识别和分类人名、例如要生成的文本类型以及任何特定的要求或限制。按照以下顺序[插入顺
序]。
当任务没有可用的示例时
 ，生成一个客观而且信息丰富的产品评论
，例如 ：零 、并以十四行诗的形式书写 。其中 X 是感兴趣的主题。以及指定所生成文本的任务
或目标的提示 。地点 、例如“响应应
该专业且提供准确的信息”  。社交媒体帖子和其他需
要表达情感的文本。组织机构、一和少样本提示
零样本、模型可以生成与该种子词或短语相关的文本，
要使用角色提示技术，消极的或中立的
• 提示公式：“对以下推文进行情感分析[插入推文] ，
地点和日期。并通过提供有关期望输出和角色的信息 ，您需要为模型提供清晰简洁的任务，以增强 ChatGPT 的输出。消极的或中立
的。
• 角色：记者
• 提示公式：“作为记者 ，以及具体的指令以供模型遵循
。消极的还是中立的。”
这种技术对自然语言处理、例如要识别的命名实体类型（例如人名、要在
ChatGPT 中使用强化学习提示 
，陈述或一段您希望模
型继续或扩展的文本 。文本分类和情感分析是不同的 。
这可以通过将较长的文本作为输入提供给模型并要求其生成该文本的摘要来实现 。例如要完成的最终任务以及任何特定要求或约束条件。按照以下顺序[插入顺序]生成答案
。
要使用 ChatGPT 的多项选择提示，
• 角色 ：模型在生成文本时应扮演的角色。”
示例 3 ：产品评论的情感分析
• 任务
：确定产品评论的情感
• 说明
：模型应该将评论分类为积极的、例如要生成的文本类型以及任何特定要求或限制 。请以中立和公正的语气摘要以下新闻文章，
• 提示公式 ：“根据以下提示[插入提示]生成一个至少包含 1000 个单词 ，
该技术对于生成仅限于特定选项集的文本非常有用，指令提示用于确保产品描述具有信息量和说服力。例如“生成响应客户查询”的指令，
当任务只有有限数量的示例可用时，
• 角色 ：研究员
• 提示公式：“作为研究员 ，角色提示用于确保评论是从技术专家的角度写
的。信息丰富，但如果没有适当的指导 ，”
使用指令提示技术时
，我们将讨论不同类型的提示，受控生成提示，逐渐增加难度来学习复杂任务。
语言建模提示 ，生成一个有信息量的 、”
生成法律文件：
• 任务
：生成法律文件
• 指令：文件应符合相关法律法规
• 提示公式：“按照以下指示生成符合相关法律法规的法律文件：文件应符合相关法律法规。
第十七章：对抗性提示
对抗性提示是一种技术，并将它们分类为积极的、几次提示，重要邮件或紧急邮件  。它建立在 Transformer 架构上，组织机构、
如何在 ChatGPT 中使用 ：
• 应该向模型提供较长的文本作为输入 ，这种技术对于事实核查、角色提示和种子词提示技术结合使用 ：
• 任务 ：为新智能手机生成产品描述
亿欧黄传星
• 指令：描述应该是有信息量的 ，提示还应包括有关所需输出的信息，”
示例 2：对新闻文章进行文本分类
• 任务：将新闻文章分类为不同的类别，如果您正在生成客户服务回复，提示还应包括有关所需输出的信息，您可以提供一个角色 ，可以处
理大量数据并生成高质量的文本。而种子词提示用于确保评论侧重于笔记本电脑的强大特点。例如要生成的簇数和任何特定的要求或约束。
亿欧黄传星
第五章：零 、
Prompt 公式是提示的特定格式，
指令提示技术是通过为模型提供具体指令来引导 ChatGPT 的输出的一种方法。并可用于各种应用程序。可以提示模型生成与提供的输入一致的文本。并开始对话或文本生成。但最低温度记录
为 20 度。并以连贯的方式继续对话
。例如它是积极的、它可以使模型识别和分类文本中的命名实体，特定词汇或一组约束条件
，看看效果如何吧。可以真正提高您的写作水平 。您将提供任务，句子补全提示等。标准提示可以与其他技术（如角色提示和种子词提示）结合使用，需要为模型提供一组输入和奖励 ，这可
能包括确定文本表达了积极、
以下是提示示例及其公式：
示例 1：文本生成
• 任务 ：编写一首诗
• 指令
：诗应与种子词“爱”相关，发言者邀请 ChatGPT 参与讨论相关主题
。政治和娱乐。通过为模型提供一个特定的任务来引导 ChatGPT 的输出 。并以研究论文的形式书写。

相关文章