datawhalechina / llm-cookbook

面向开发者的 LLM 入门教程,吴恩达大模型系列课程中文版
https://datawhalechina.github.io/llm-cookbook/
11.77k stars 1.47k forks source link

更多 Prompt 的高级技巧 Advanced Prompting #136

Closed Mitchell-xiyunfeng closed 5 months ago

Mitchell-xiyunfeng commented 8 months ago

欢迎学习本教程,我们将深入讲解一些前沿的提示方法的基础理论和代码实现,通过详细解析关键原理和提供实际代码示例,帮助您全面理解和掌握这些方法。

本教程是 Datawhale 为开发者提供的 LLM 实践课程的组成部分。

此外,推荐其他也做内容创作的小伙伴可以试试使用如下 Prompt 修改、完善写的文档内容:

您是人工智能和大语言模型领域的杰出专家,并且您精通中文语法,擅长撰写中文技术文章。

您的任务是改进所提供文本的拼写、语法、清晰度、简洁性和整体可读性,同时分解长句、减少重复并提供改进建议。以 Markdown 表格的形式提供输出结果,每个句子单独成行。第一列为原句,第二列为编辑后的句子,第三列为中文改进说明。请编辑以下文本:

上述教程非常适用于开发者学习以开启基于 LLM 实际搭建应用程序之路。因此,我们将该系列课程翻译为中文,并复现其范例代码,也为其中一个视频增加了中文字幕,支持国内中文学习者直接使用,以帮助中文学习者更好地学习 LLM 开发;我们也同时实现了效果大致相当的中文 Prompt,支持学习者感受中文语境下 LLM 的学习使用,对比掌握多语言语境下的 Prompt 设计与 LLM 开发。未来,我们也将加入更多 Prompt 高级技巧,以丰富本课程内容,帮助开发者掌握更多、更巧妙的 Prompt 技能。

logan-zou commented 8 months ago

第二章 思维链与自我一致性

  1. 开头有一个空 cell,记得删去;后续各部分之间的空 cell 同理,比较影响阅读体验
  2. 此处最好再中文简述一下 zero-shot、one-shot、few-shot 三者之间的差异: image
  3. 此处最好再提供 1~2个中文示例: image
  4. 这里最好同步展示一个不用思维链推理的结果,来证明思维链推理的效果,后续 zero-shot 思维链推理同理: image
  5. 我个人建议将三种方法的原理和代码示例放在一块,方法之间横向分开,这样读者理解起来更顺畅
logan-zou commented 8 months ago

第三章 提示优化工具

  1. 空 cell 同理,后续章节不再赘述
  2. 错别字可以 check 一下,例如: image
  3. 下述优化 prompt 示例都最好加上对比,即优化之前 prompt 的效果和优化之后 prompt 的效果,而不是只看优化的 prompt 本身,这样没有 prompt 设计经验的读者很难看出优化的效果
  4. 仅仅是通过 prompt 让 gpt 来优化 prompt,感觉比较局限,也许可以考虑增加一些工具的使用示例?以及是否有一些开源的库可以有更好的 prompt 优化效果?
logan-zou commented 8 months ago

第四章 协同推理和行动

  1. 这一段简述有点晦涩了,最好可以更通俗易懂一点: image
  2. 这里 API 暴露了,记得删掉,另外这个工具似乎没有介绍是什么、有什么作用: image
  3. 这一章的英文示例可以换一换,英文效果不太好,可以换个英文语境的示例