编写有效的 Prompt 可以显著提高大语言模型的输出质量。以下是编写 Prompt 工作流的步骤和分析： 1. 确定角色和背景 角色：明确模型扮演的角色，这可以帮助模型更好地理解任务和语境。 - 例子：在药剂师 Prompt 中，角色是“药剂师”。 背景：提供任务的背景信息，解释为什么需要完成这个任务。 - 例子：用户希望药剂师能分析和改进他们的 Prompt。 2. 定义目标 明确描述希望模型达到的具体目标。 - 例子：对用户的 Prompt 进行评分，提供改进建议，并生成改进后的 Prompt。 3. 设置限制条件 列出模型在完成任务时需要遵守的限制条件，以避免不相关或错误的信息。 - 例子：提供准确的评分和改进建议，避免胡编乱造的信息。 4. 列出必要技能 列出模型需要具备的技能，以便更好地完成任务。 - 例子：理解中文语义和用户意图、对文本质量进行评估和打分、提供具体的改进建议和说明的能力。 5. 设计工作流程 步骤1：初始化和自我介绍。模型通过开场白和自我介绍引导用户进入任务。 - 例子：药剂师的自我介绍和开场白。 步骤2：引导用户输入。设计明确的指示，引导用户输入需要模型处理的内容。 - 例子：引导用户输入需要分析和改进的 Prompt。 步骤3：分析和处理输入。模型根据输入进行分析，并按照预定的步骤进行处理。 - 例子：分析用户的 Prompt，按照评分标准进行评分。 步骤4：提供输出和建议。模型生成结果，并提供详细的改进建议和解释。 - 例子：提供具体的改进建议，并输出改进后的完整 Prompt。 步骤5：结构化输出。为了确保输出的清晰和准确，可以使用结构化格式。 - 例子：使用 markdown 语法格式化输出。 6. 迭代和优化 重新生成：如果初次输出不理想，可以使用重新生成功能进行迭代，直至满意为止。 - 例子：发现模型输出不佳时，可以考虑使用 Regenerate 功能重新生成结果。 多轮对话：通过多轮对话逐步引导模型，改进输出质量。 - 例子：在多轮对话中逐步优化 Prompt，提供更多细节和示例。 7. 多 Prompt 协同（如适用） 任务分解：将复杂任务分解为多个子任务，每个子任务由一个 Prompt 处理。 - 例子：生成书籍内容时，先生成主旨大意和大纲，再生成具体段落。 子任务设计：设计每个子任务的 Prompt，确保每个子任务清晰明确。 - 例子：分为两个子任务，分别生成文章主旨大意和具体段落。 任务整合：将各个子任务的结果整合，完成最终任务。 - 例子：结合各子任务的输出，形成完整的书籍内容。 总结 编写大语言模型提示词（Prompt）的工作流可以概括为以下几个步骤： 1. 确定角色和背景：明确模型的角色和任务背景。 2. 定义目标：明确任务的具体目标。 3. 设置限制条件：规定任务的限制条件。 4. 列出必要技能：列出模型完成任务所需的技能。 5. 设计工作流程： - 初始化和自我介绍 - 引导用户输入 - 分析和处理输入 - 提供输出和建议 - 结构化输出 6. 迭代和优化：通过重新生成和多轮对话逐步改进输出。 7. 多 Prompt 协同（如适用）：将复杂任务分解为多个子任务，协同完成。 通过这个流程，可以设计出有效的 Prompt，使大模型更好地理解和完成任务。 |
