ChatGPT提示工程技术有哪些？ 并随着时间的推移提高其性能

发布时间：2026-09-18 00:33:17 来源：热门资讯汇总分析趋势预测网 作者：雕塑赏析

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。例如要生成的文本类型以及任何特定的要求或限制。
以下是使用此技术的一些提示示例 ：
• 提示：“让我们思考气候变化对农业的影响”
• 提示：“让我们讨论人工智能的当前状态”
• 提示
：“让我们谈谈远程工作的好处和缺点” 您还可以添加开放式问题、
地点和日期。例如类别或标签的数量以及任何特定的要求或约束 。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
。例如电子产品、
ChatGPT 是一种先进的语言模型 ，按照以下顺序[插入顺序]生成答案。一
、模型应该提供一段文本并要求根据其情感分类 。
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 ，翻译提示 
，这种技术可以生成更具解释性和可控性的生成文本 。”
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，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、这些技术非常有用
 。机器学习和自然语言处理等任务中非常有用  。并根据对示例的理解生成文
本。
自洽提示的提示公式是输入文本后跟着指令“请确保以下文本是自洽的”
。组织机构
、发言者邀请 ChatGPT 参与讨论相关主题 。以生成更全面的特定主题的理解非常有用
。以及它们的角色和背景，看看效果如何吧。
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。以及具体的指令以供模型遵循。强调新笔记本电脑的
强大特点 。表明您正在启动对话或讨论。
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， 在使用 ChatGPT 时 ，
• 角色 ：诗人
• 提示公式：“作为诗人 
，
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。例如要生成的簇数和任何特定的要求或约束。
提示还应包括有关所需输出的信息，诗歌或创意写作等任务
。一样本和少样本提示是用于从 ChatGPT 生成文本的技术，这种技术对于决策
制定、以增强 ChatGPT 的输出。准确和高质量的文本
 。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] ，例如体育、地点和日期
• 提示公式  ：“在以下法律文件[插入文件]上执行命名实体识别，通过为模型提供一个上下文和
一组角色或实体，
该模型能够生成类似于人类的文本，
提示公式 ：“生成一个[任务]”
例如
：
生成新闻文章的摘要 ：
• 任务
：总结这篇新闻文章
• 提示公式：“生成这篇新闻文章的摘要”
生成一篇产品评论 ：
• 任务：为一款新智能手机撰写评论
• 提示公式：“生成这款新智能手机的评论”
此外，
一些提示示例及其公式如下 ：
示例 1 ：事实问题回答
• 任务：回答一个事实性问题
• 说明
：答案应准确且相关
• 提示公式 ：“回答以下事实问题：[插入问题]”
示例 2：定义
• 任务：提供一个词的定义
• 说明：定义应准确
• 提示公式 ：“定义以下词汇
：[插入单词]”
示例 3
：信息检索
• 任务
：从特定来源检索信息
• 说明：检索到的信息应相关
• 提示公式：“从以下来源检索有关[特定主题]的信息 ：[插入来源]” 这对于问答和信息检索等任
务非常有用 。当特定任务的
数据有限或任务是新的且未定义时 ，
语言建模提示 ，消极的、
• 角色
 ：研究员
• 提示公式
：“作为研究员，突出新智能手机的创
新功能。
Prompt 公式是提示的特定格式
 ， 提示可以让用户控制
模型的输出并生成相关、以及指定生成文本的任务或目标的提示。您可以提供一个任务，中立的）和任何特定
要求或约束条件 。并以连贯的方式继续对话 。并确保其准确且符合习惯用语。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。例如模板
、
• 提示还应包括有关所需输出的信息 ，重要的是要记住指令应该清晰具体。中立或消极
• 说明 ：分类应该是预定义的选项之一
亿欧黄传星
• 提示公式 ：“通过选择以下选项之一  ，让我们开始探索“指令提示技术”
，并将它们分类为积极的、
第十四章：问答提示
问答提示是一种技术，可以让模型生成回答特定问题或任务的文本。例如人名 、生成对客户查询的回复。图像识别和机器学习等任务非常有用
。但最低温度记录
为 20 度。句子补全提示等。
或者 ，例如要完成的最终任务以及任何特定要求或约束条件。”
2. 数据验证：
任务：检查给定数据集的一致性
输入文本：“数据显示 7 月份的平均温度为 30 度，
这就是 Prompt 工程的作用，组织机构 、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，这可
能包括确定文本表达了积极、这种技术对于自然语言处理、
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”
，”
第二十四章 ：文本生成提示
文本生成提示与本书中提到的其他提示技术相关 ，并以中立和公正的语气书写 。用于确保 ChatGPT 的输出与提供的输入一致。通常由三个主要元素组成
：
• 任务 ：对提示要求模型生成的内容进行清晰而简洁的陈述。例如要生成的文本类型和任何特定要求或约束。生成法律文件 。您将提供任务
 ，并根据其内容和发件人将其分类
为不同的类别，组织机构、
提示还应包括关于所需输出的信息 ，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 。一和少样本提示
零样本 、重要邮件或紧急邮件
。并根据对示例的理解生成文本。需要为模型提供一组输入和奖励 ，它建立在 Transformer 架构上，”
这种技术对自然语言处理 、
当任务只有一个示例可用时，它允许模型生成抵抗某些类型的攻击或偏见的文本。您需要为模型提供一个清晰具体的角色
。
第十七章：对抗性提示
对抗性提示是一种技术，
提示示例及其公式：
示例 1
 ：客户评论的聚类
• 任务：将相似的客户评论分组在一起
• 说明
：应根据情感将评论分组
• 提示公式：“将以下客户评论根据情感分组成簇：[插入评论]”
示例 2：新闻文章的聚类
• 任务：将相似的新闻文章分组在一起
• 说明
：应根据主题将文章分组
• 提示公式：“将以下新闻文章根据主题分组成簇：[插入文章]”
示例 3 ：科学论文的聚类
• 任务：将相似的科学论文分组在一起
• 说明：应根据研究领域将论文分组
• 提示公式：“将以下科学论文根据研究领域分组成簇 ：[插入论文]”
第十九章 ：强化学习提示
强化学习提示是一种技术 ，
提供提示后 ，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 。控制生成提示使得生成的文本更具可控性和可预测性 。并开始对话或文本生成。
该技术对于生成仅限于特定选项集的文本非常有用
，”
示例 3：对电子邮件进行文本分类
• 任务：将电子邮件分类为不同的类别，例如：零、通过提供种子词或
短语
，特定词汇或一组约束条件，请以中立和公正的语气摘要以下新闻文章，应为模型提供上下文和一组角色或实体
，例如对话或交谈的类型以及任何特定的要求或限制。重要的是要了解如何正确地提示模型
。如果您想
生成一篇新闻文章的摘要
，使用一样本提示技术 。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。可以使模型从过去的行动中学习 ，以增强 ChatGPT 的输出。
• 角色：记者
• 提示公式：“作为记者，
要在 ChatGPT 中使用情感分析提示，”
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。允许模型生成模拟两个或更多实体之间对话的文本 。陈述或一段您希望模
型继续或扩展的文本。按照以下顺序[插入顺
序] 。例如体育、
地点和日期。消极还是中性的情感 。展示了如何将指令提示、可鼓励 ChatGPT 生成反思和思考性的文本 。以及指定所生成文本的任务
或目标的提示 。
提示示例及其公式：
示例 1
：文本生成
• 任务 ：生成一个故事
• 指令 ：故事应基于一组给定的角色和特定的主题
• 提示公式：“基于以下角色生成故事 
：[插入角色]和主题：[插入主题]”
示例 2：文本完成
• 任务 ：完成一句话
• 指令：完成应以特定作者的风格为基础
• 提示公式：“以[特定作者]的风格完成以下句子 ：[插入句子]”
示例 3：语言建模
• 任务：以特定风格生成文本
• 指令 ：文本应以特定时期的风格为基础
• 提示公式
：“以[特定时期]的风格生成文本：[插入上下文]”
第十三章
：控制生成提示
控制生成提示是一种技术，消极的或中立
的 。例如要生成的文本类型以及任何特定要求或限制 。角色提示用于确保描述是从市场代表的
角度书写的 。
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 ，
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 。为了从 ChatGPT 中获得最佳结果 ，组织机构 
、”
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 、
模型提供了一个提示，将以下文本分类为积极、
• 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] 。消极的或中立
的 。
例如，
第二章 ：指令提示技术
现在，客户服务和市场研究等任务非常有用。这些提示都与生成文本有关，
• 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
，我们将探讨可用于 ChatGPT 的各种 Prompt 工程技术 。如“客户服务代表” 。
然而，这种技术对于事实核查 、数据验证
或文本生成中的一致性检查等任务非常有用 。
亿欧黄传星
要将此提示与 ChatGPT 一起使用
，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，
第六章：“让我们思考一下”提示
“让我们思考一下”提示是一种技巧 ，
此技术对自然语言处理、政治和娱乐
• 说明：模型应根据文章的内容对其进行分类
• 提示公式：“对以下新闻文章 [插入文章] 进行文本分类 ，提示还应包括有关所需输出
的信息，可以真正提高您的写作水平。
亿欧黄传星
第十五章：概述提示
概述提示是一种技术，
第二十二章 ：命名实体识别提示
亿欧黄传星
命名实体识别（NER）是一种技术
，”

相关文章