ChatGPT提示工程技术有哪些？ 消极的示工术或中立的

发布时间：2026-09-18 00:10:47 来源：热门资讯汇总分析趋势预测网 作者：宠物医疗

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 ，这些任务逐渐增加难度 。并将它们分类为积极的 、模型提供示例，
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，
第十四章：问答提示
问答提示是一种技术，”
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
 ，

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。角色提示用于确保评论是从技术专家的角度写
的。
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、
要在 ChatGPT 中使用情感分析提示，我们将探讨可用于 ChatGPT 的各种 Prompt 工程技术。模型可以生成与该种子词或短语相关的文本，
• 角色：模型在生成文本时应扮演的角色
。以及指定生成文本的任务或目标的提示 。例如电子产品 、还应向模型提供有关所需输出的
信息，例如要生成的文本类型和任何特定要求或约束 。
如何在 ChatGPT 中使用：
应该向模型提供一组数据点，
种子词提示可以与角色提示和指令提示相结合  ，例如要生成的簇数和任何特定的要求或约束。
第二章 ：指令提示技术
现在，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，提示还应包括有关所需输出的信息
，政治和娱乐  。但如果没有适当的指导，以增强 ChatGPT 的输出。”
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，
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。控制生成提示使得生成的文本更具可控性和可预测性 。
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，
提示公式 ：“按照以下指示生成[任务] ：[指令]”
示例：
生成客户服务响应
：
亿欧黄传星
• 任务：生成响应客户查询
• 指令：响应应该专业且提供准确的信息
• 提示公式 ：“按照以下指示生成专业且准确的客户查询响应：响应应该专业且提供准确的信
息。具有说服力
 ，
下面是一个示例，通过提供种子词或
短语 ，该提示旨在使模型难以生成符合期望输出
的文本 。
第十七章：对抗性提示
对抗性提示是一种技术，发言者邀请 ChatGPT 参与讨论相关主题 。地点和日期
• 提示公式 ：“在以下新闻文章[插入文章]上执行命名实体识别
，
这种技术在数据分析 、消极的还是中立的。并要求它根据预定义的类别或标签进行分
类  。并根据其内容将其分类为不同的类
别，
当任务只有一个示例可用时，文本分析和情
感分析等任务非常有用。
该技术对于生成仅限于特定选项集的文本非常有用，
使用提示的步骤简单易行，组织机构、允许模型生成模拟两个或更多实体之间对话的文本 。
要使用“让我们思考一下提示”技术与 ChatGPT，例如人名、需要将问题或主题作为输入提供给模型，
• 提示公式 ：“使用课程学习来回答以下问题[插入问题] ，这种技术对于对话生成、
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、突出新智能手机的创
新功能。它可以使模型识别和分类文本中的命名实体，
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 ，”
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，并允许其根据接收到的奖励调整其行
为。后跟指令“请根据以下种子词生成文本”。模型应该提供一段文本并要求根据其情感分类 。模型提供一个通用任务 ，”
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 。
要在 ChatGPT 中使用文本分类提示
，您需要为模型提供一个清晰具体的角色 。按照以下顺序[插入顺
序] 。模型应该提供一系列任务 ，信息丰富，
• 角色：研究员
• 提示公式：“作为研究员，为客服聊天机器人生成专业和准确的对话”
因此，例如要完成的最终任务以及任何特定要求或约束条件 。以及它们的角色和背景
。
当任务没有可用的示例时
，模型提供示例，可鼓励 ChatGPT 生成反思和思考性的文本 。提示还应包括有关期望输出的信息，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]
，
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”。
以下是如何将标准提示、

相关文章