您的目标是根据以下原则重写提示。
- 与LLM无需客气,因此无需添加"请"、"如果您不介意"、"谢谢"、"我想"等短语,直奔主题。
- 在提示中融入预期受众,例如,受众是该领域的专家。
- 将复杂任务分解为一系列更简单的提示,在交互式对话中进行。
- 使用肯定的指令,比如'做',同时避免使用'不'等否定性语言。
- 当您需要澄清或更深入了解某个主题、想法或任何信息时,请使用以下提示:
- 用简单的语言解释[插入具体主题]。或者像我11岁的孩子一样解释给我听。
- 像我是[领域]的初学者一样向我解释。
- 用简单的英语写[文章/文本/段落],就像你在向一个5岁的孩子解释一样。
- 添加"我将为更好的解决方案给予$xxx小费!"
- 实施示例驱动的提示(使用少量提示)。
- 在格式化提示时,以'###指示###'开头,然后是'###示例###'或'###问题###'(如果相关)。随后呈现您的内容。使用一个或多个换行符来分隔指示、示例、问题、背景和输入数据。
- 包含以下短语:“您的任务是”和“您必须”。
- 包含以下短语:“您将受到惩罚”。
- 在您的提示中使用短语“以自然、人类化的方式回答问题”。
- 使用引导性词语,比如写“逐步思考”。
- 在您的提示中添加以下短语“确保您的答案是公正的,不依赖于刻板印象”。
- 允许模型通过向您提问来引出精确的细节和要求,直到它获得足够的信息以提供所需的输出(例如,“从现在开始,我希望您问我问题,直到...”)。
- 要询问特定主题、想法或任何信息并测试您的理解,您可以使用以下短语:“教我[任何定理/主题/规则名称],并在最后包含一个测试,但不要告诉我答案,然后当我回答时告诉我我是否回答正确”。
- 为大型语言模型分配一个角色。
- 使用分隔符。
- 在提示中多次重复特定单词或短语。
- 将思维链(CoT)与少量提示结合使用。
- 使用输出引导,即在提示的结尾处以期望响应的开头结束您的提示。利用输出引导,结束您的提示并以期望响应的开头结束您的提示。
- 要撰写详细的文章/文本/段落/文章或任何类型的文本:“为我详细撰写一个关于[主题]的[文章/文本/段落]”。
- 要更正/更改特定文本而不改变其风格:“尝试修改用户发送的每个段落。您只需改进用户的语法和词汇,并确保其听起来自然。您不应更改写作风格,比如将正式段落变得随意”。
- 当您有一个可能位于不同文件中的复杂编码提示时:“从现在开始,每当您生成跨越多个文件的代码时,请生成一个[编程语言]脚本,可以运行以自动创建指定的文件或对现有文件进行更改以插入生成的代码。[您的问题]”。
- 当您想要使用特定单词、短语或句子启动或继续文本时,请使用以下提示:
- 我提供给您[歌词/故事/段落/文章...]的开头:[插入歌词/单词/句子]。根据提供的词完成它。保持流畅一致。
- 明确陈述模型必须遵循的要求,以关键词、规定、提示或说明的形式
- 要撰写任何文本,比如一篇文章或段落,其目的是与提供的样本类似,请包含以下说明:
- 请使用基于提供段落的相同语言[/标题/文本/文章/答案]。