05-prompt提示词指导规范
参考资料：https://www.promptingguide.ai/zh
第1章：Prompt工程
什么是Prompt工程？
Prompt工程是创建提示或询问或指导语言模型（如ChatGPT）输出的过程。它允许用户控制模型的输出
并生成适合其特定需求的文本。
ChatGPT是一种先进的语言模型，能够生成类似于人类的文本。它建立在Transformer架构上，可以处
理大量数据并生成高质量的文本。
但是，为了从ChatGPT获得最佳结果，了解如何正确提示模型是很重要的。
提示允许用户控制模型的输出并生成相关、准确且高质量的文本。
在使用ChatGPT时，了解其能力和限制是很重要的。
该模型能够生成类似于人类的文本，但如果没有适当的指导，可能不会始终产生所需的输出。
这就是Prompt工程的作用，通过提供清晰和具体的指导，您可以引导模型的输出并确保其相关。
Prompt公式是提示的特定格式，通常由三个主要元素组成：
任务：明确而简明地陈述提示要求模型生成的内容。
指令：模型在生成文本时应遵循的指令。
角色：模型在生成文本时应扮演的角色。
探讨可用于ChatGPT的各种Prompt工程技术。将讨论不同类型的提示以及如何使用它们来实现您想要的特定目标。
第2章：指令提示
让开始探讨“指令提示技术”，以及如何使用它来从ChatGPT生成高质量的文本。指令提示技术是一
种通过提供具体指令来引导ChatGPT输出的方法。这种技术有助于确保输出的相关性和高质量性。
要使用指令提示技术，您需要为模型提供清晰简明的任务，以及具体的指令。
例如，如果您正在生成客户服务响应，则可以提供任务“生成响应客户咨询”的指令，如“响应应该专业并
提供准确信息”。
提示公式：“按照这些指令生成[任务]”
示例：生成客户服务响应：
任务：生成响应客户咨询
指令：响应应该专业并提供准确信息
提示公式：“按照这些指令生成专业和准确的响应客户咨询：响应应该专业并提供准确信息。”
生成法律文件：
任务：生成法律文件
指令：文档应符合相关法律法规
提示公式：“按照这些指令生成符合相关法律法规的法律文件：文档应符合相关法律法规。”
使用指令提示技术时，重要的是要记住指令应清晰明确。这将有助于确保输出的相关性和高质量。指令
提示技术可以与下一章中解释的“角色提示”和“种子词提示”相结合，以增强ChatGPT的输出。
第3章：角色提示
角色提示技术是一种通过为模型指定特定角色来引导 ChatGPT 输出的技术。这种技术有助于生成适合特
定上下文或受众的文本。
要使用角色提示技术，您需要为模型指定一个明确的特定角色。例如，如果您正在生成客户服务响应，
则可以指定一个角色，例如“客户服务代表”。
提示公式：“以[角色]的身份生成[任务]”
例如： 生成客户服务响应： 任务：生成对客户查询的回应 角色：客户服务代表 提示公式：“以客户服务
代表的身份生成对客户查询的回应。”
生成法律文件： 任务：生成法律文件 角色：律师 提示公式：“以律师的身份生成法律文件。”
将角色提示技术与指令提示和种子词提示结合使用，可以增强 ChatGPT 的输出。下面是一个示例，展示
了如何结合使用指令提示、角色提示和种子词提示技术：
任务：为新智能手机生成产品描述 指令：描述应该具有信息量、说服力，并突出智能手机的独特功能 角
色：市场代表 种子词：“创新” 提示公式：“以市场代表的身份生成一个具有信息量和说服力的产品描述，
突出新智能手机的创新功能。该智能手机具有以下功能[插入您的功能]。”
在这个示例中，指令提示用于确保产品描述具有信息量和说服力。角色提示用于确保描述从市场代表的
角度编写。种子词提示用于确保描述侧重于智能手机的创新功能。
第4章：标准提示
标准提示是一种简单的方式，通过提供一个具体的任务来引导ChatGPT的输出。例如，如果您想生成一
篇新闻文章的摘要，您会提供一个任务，如“总结这篇新闻文章”。提示公式：“生成一个[任务]”
例如：
生成新闻文章摘要：
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”
生成产品评测：
任务：写一篇新智能手机的评测
提示公式：“生成这个新智能手机的评测”
此外，标准提示可以与其他技术如角色提示和种子词提示结合使用，以增强ChatGPT的输出。
以下是标准提示、角色提示和种子词提示技术如何结合使用的示例：
任务：为新笔记本电脑撰写产品评测。说明：评测应客观、信息丰富，并突出新笔记本电脑的独特特性。
角色：技术专家
种子词：“强大”
提示公式：“作为一名技术专家，生成一个客观、信息丰富的产品评测，突出新笔记本电脑的强大特
性。”
在这个例子中，标准提示技术被用来确保模型生成一个产品评测。角色提示被用来确保评测是从技术专
家的角度写出的。而种子词提示则被用来确保评测专注于笔记本电脑的强大特性。
第5章：零、一和少量示范提示
零示范、一示范和少量示范提示是用于生成ChatGPT文本的技术，其只需要最少或无需提供示例。当特
定任务的数据有限或任务尚未明确定义时，这些技术非常有用。
当任务没有可用示例时，使用零示范提示技术。模型会提供一个通用任务，根据对任务的理解生成文
本。
当任务只有一个示例时，使用一示范提示技术。模型会提供示例，并根据对示例的理解生成文本。
当任务只有有限数量的示例时，使用少量示范提示技术。模型会提供示例，并根据对示例的理解生成文
本。
提示公式：“基于[数量]个示例生成文本” 例子：
在没有可用示例的情况下生成新产品描述：
任务：为新智能手表编写产品描述
提示公式：“基于零个示例生成这个新智能手表的产品描述”
在只有一个示例的情况下生成产品比较：
任务：将新智能手机与最新的iPhone进行比较
提示公式：“基于一个示例（最新的iPhone）生成这个新智能手机的产品比较”
在有少量示例的情况下生成产品评论：
任务：撰写新电子阅读器评论
提示公式：“基于少量示例（3个其他电子阅读器）生成这个新电子阅读器的评论”
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。
第6章：“让来思考”提示
“让来思考”提示是一种用于鼓励ChatGPT生成反思性和沉思性文本的技术。该技术对于写作论文、
诗歌或创意写作等任务非常有用。
“让来思考”提示的提示公式仅是短语“让来思考”后跟一个话题或问题。例如：
生成反思性文章：
任务：就个人成长主题写一篇反思性文章
提示公式：“让来思考这个：个人成长”
生成诗歌：
任务：写一首关于季节变化的诗歌
提示公式：“让来思考这个：季节变化”
这个提示要求讨论一个特定的话题或想法。发言者邀请ChatGPT参与讨论该主题。
提供的提示作为对话或文本生成的起点。
然后，模型使用其训练数据和算法生成与提示相关的响应。这种技术允许ChatGPT根据所提供的提示生
成上下文相关且连贯的文本。
要在ChatGPT中使用“让来思考”提示技术，可以按照以下步骤操作：
1.确定您要讨论的主题或想法。
2.制定一个清晰表述主题或想法并开始对话或文本生成的提示。
3.在提示前加上“让来思考”或“让讨论”，以表明您正在发起一次对话或讨论。
以下是使用此技术的一些提示示例：
提示：“让来思考气候变化对农业的影响”
提示：“让讨论当前的人工智能状态”
提示：“让谈论远程工作的利弊”您还可以添加一个开放式问题、陈述或您希望模型继续或构建的文本。
一旦提供了提示，模型将使用其训练数据和算法生成与提示相关且连贯的响应，从而以一种连贯的方式
继续对话。
这种独特的提示帮助ChatGPT从不同的角度和角度给出答案，从而产生更加动态和信息丰富的段落。
使用该提示的步骤简单易行，可以真正改变您的写作。尝试一下，看看效果。
第7章：自洽性提示
自洽性提示是一种用来确保ChatGPT的输出与提供的输入一致的技术。这种技术适用于例如事实核查、
数据验证或在文本生成中进行一致性检查等任务。
自洽性提示的提示公式为输入文本，然后是指令“请确保以下文本自洽”。
另外，也可以要求模型生成与提供的输入一致的文本。
以下是提示示例及其公式：
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：“生成一篇与以下产品信息一致的产品评论[插入产品信息]”
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：文本补全
任务：完成一句话
指令：完成应与输入中提供的上下文一致
提示公式：“以与提供的上下文一致的方式完成以下句子[插入句子]”
示例4：
1.事实核查：
任务：检查给定新闻文章的一致性
输入文本：“文章说该城市的人口是500万，但后来说人口是700万。”
提示公式：“请确保以下文本自洽：文章说该城市的人口是500万，但后来说人口是700万。”
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月份的平均气温为30度，但最低温度记录为20度。”
提示公式：“请确保以下文本自洽：数据显示7月份的平均气温为30度，但最低温度记录为20度。”
第8章：种子词提示
种子词提示是一种控制ChatGPT输出的技术，通过提供特定的种子词或短语来控制输出。
种子词提示的提示公式是种子词或短语，后跟指令“请基于以下种子词生成文本”。
这种技术允许模型生成与种子词相关的文本并扩展它。这是一种控制模型生成的文本与特定主题或上下
文相关的方法。种子词提示可以与角色提示和指令提示相结合，以创建更具体和有针对性的生成文本。
通过提供种子词或短语，模型可以生成与该种子词或短语相关的文本，并通过提供有关所需输出和角色
的信息，模型可以生成与角色或指令一致的特定风格或语气的文本。这可以更好地控制生成的文本，并
可用于广泛的应用。
以下是提示示例及其公式：示例1：生成文本
任务：生成一首关于龙的诗
种子词：“龙”
提示公式：“请基于以下种子词生成文本：龙”，作为诗人生成一个十四行诗
示例2：文本完成
任务：完成一句话
指令：完成的内容应该与种子词“科学”相关，并以研究论文的风格撰写。
角色：研究人员
提示公式：“请以研究人员的身份，基于以下种子词生成文本：科学”，以研究论文的风格完成以下句
子：[插入句子]
示例3：文本摘要
任务：总结一篇新闻文章
指令：摘要应与种子词“政治”相关，并以中立和公正的语气撰写。
角色：记者
提示公式：“请以记者的身份，基于以下种子词生成文本：政治”，以中立和公正的语气总结以下新闻文
章：[插入新闻文章]
第9章：知识生成提示
知识生成提示是一种从ChatGPT中引出新的、原创性的信息的技术。
知识生成提示的公式是“请生成有关X的新的和原创性的信息”，其中X是感兴趣的主题。
这种技术利用模型的现有知识生成新的信息或回答问题。
要使用此提示与ChatGPT一起使用，应将问题或主题作为输入提供给模型，同时提供一个指定所生成文
本的任务或目标的提示。提示应包括有关所需输出的信息，例如要生成的文本类型以及任何特定的要求
或限制。
以下是提示示例及其公式：
示例1：知识生成
任务：生成有关特定主题的新信息
说明：生成的信息应准确且与该主题相关
提示公式：“生成有关[特定主题]的新的、准确的信息”
示例2：问题回答
任务：回答一个问题
说明：答案应准确且与问题相关
提示公式：“回答以下问题：[插入问题]”
示例3：知识整合
任务：将新信息与现有知识整合
说明：整合应准确且与该主题相关
提示公式：“将以下信息与关于[特定主题]的现有知识整合：[插入新信息]”
示例4：数据分析：
任务：从给定的数据集中生成有关客户行为的见解
提示公式：“请从此数据集生成有关客户行为的新的、原创性的信息”
第10章：知识整合提示
这种技术利用模型的现有知识来整合新信息或连接不同的信息。这种技术对于将现有知识与新信息相结
合，生成对特定主题的更全面的理解非常有用。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，以及指定生成文本的任务或目标的提示。提示应包括有关所
需输出的信息，例如要生成的文本类型以及任何特定要求或限制。
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
提示公式：“将以下信息与关于[特定主题]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：连接应相关和合理
提示公式：“以相关和合理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：更新后的信息应准确且与主题相关
提示公式：“使用以下信息更新[特定主题]的现有知识：[插入新信息]”
第11章：多项选择提示
该技术将一个问题或任务和一组预定义的选项作为潜在答案呈现给模型。
这个技术对于生成仅限于特定选项集的文本非常有用，可用于问答、文本补全和其他任务。模型可以生
成仅限于预定义选项的文本。
要使用多项选择提示与ChatGPT，应将问题或任务作为输入提供给模型，以及一组预定义的选项作为潜
在答案。提示还应包括有关所需输出的信息，例如所需生成的文本类型以及任何特定要求或约束。
提示示例及其公式：
示例1：问答
任务：回答一个多项选择问题
说明：答案应该是预定义选项之一
提示公式：“通过选择以下选项之一来回答以下问题：[插入问题][插入选项1] [插入选项2] [插入选项3]”
示例2：文本补全
任务：用预定义选项中的一个完成一句话
说明：完成应该是预定义选项之一
提示公式：“通过选择以下选项之一，完成以下句子：[插入句子][插入选项1] [插入选项2] [插入选项3]”
示例3：情感分析
任务：将文本分类为积极、中性或消极
说明：分类应该是预定义选项之一
提示公式：“通过选择以下选项之一，将以下文本分类为积极、中性或消极：[插入文本] [积极] [中性] [消
极]”
第12章：可解释的软提示
可解释的软提示是一种技术，它可以在提供一定的灵活性的同时控制模型生成的文本。
它通过提供一组受控输入和有关所需输出的其他信息来完成。这种技术可以生成更易于解释和控制的生
成文本。
提示示例及其公式：
示例1：文本生成
任务：生成一个故事
说明：故事应基于一组特定的角色和一个特定的主题
提示公式：“基于以下角色：[插入角色]和主题：[插入主题]生成故事”
示例2：文本完成
任务：完成一句话说明：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
说明：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：[插入内容]”
第13章：受控生成提示
受控生成提示是一种技术，它允许对输出文本进行高度控制。
通过提供一组特定的输入，例如模板、特定的词汇表或一组约束条件，可以指导生成过程。以下是一些
提示示例及其公式：
示例1：文本生成
任务：生成一个故事
说明：故事应基于一个特定的模板
提示公式：“基于以下模板生成故事：[插入模板]”
示例2：文本完成
任务：完成一句话
说明：完成应使用特定的词汇表
提示公式：“使用以下词汇表完成以下句子：[插入词汇表]：[插入句子]”
示例3：语言建模
任务：以特定风格生成文本
说明：文本应遵循一组特定的语法规则
提示公式：“生成遵循以下语法规则的文本：[插入规则]：[插入内容]”
通过提供一组特定的输入来指导生成过程，控制生成提示可以生成更易于控制和预测的生成文本。
第14章：问答提示
问答提示是一种让模型生成回答特定问题或任务的文本的技术。这是通过向模型提供问题或任务作为输
入以及可能与问题或任务相关的任何其他信息来实现的。
以下是一些提示示例及其公式;
示例1：事实问题回答
任务：回答一个事实问题
说明：答案应准确、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：提供一个单词的定义
说明：定义应该准确
提示公式：“定义以下单词：[插入单词]”
示例3：信息检索
任务：从特定来源检索信息
说明：检索到的信息应该相关
提示公式：“从以下来源检索[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。
第15章：总结提示
总结提示是一种让模型在保留给定文本的主要思想和信息的同时生成较短版本的技术。
这是通过向模型提供一个更长的文本作为输入并要求它生成该文本的摘要来实现的。
这种技术对于文本摘要和信息压缩等任务非常有用。
如何在ChatGPT中使用它：
模型应该提供一个更长的文本作为输入，并要求生成该文本的摘要。提示还应包括有关所需输出的信
息，例如摘要的所需长度以及任何特定要求或约束条件。提示示例及其公式：
示例1：文章摘要
任务：总结一篇新闻文章
说明：摘要应该是文章主要要点的简要概述
提示公式：“用一句简短的话总结以下新闻文章：[插入文章]”
示例2：会议记录
任务：总结会议记录
说明：摘要应突出会议中的主要决定和行动
提示公式：“通过列出会议中做出的主要决定和行动来总结以下会议记录：[插入记录]”
示例3：书籍摘要
任务：总结一本书
说明：摘要应该是书的主要要点的简要概述
提示公式：“用一个简短的段落总结以下书籍：[插入书名]”
第16章：对话提示
对话提示是一种技术，允许模型生成模拟两个或多个实体之间对话的文本。通过提供上下文和一组角色
或实体，以及他们的角色和背景，并要求模型在它们之间生成对话。
因此，应向模型提供上下文和一组角色或实体，以及他们的角色和背景。模型还应提供关于期望输出的
信息，例如对话或对话类型以及任何特定要求或约束。
提示示例及其公式：
示例1：对话生成
任务：在两个角色之间生成对话
说明：对话应该自然而且与给定的上下文相关
提示公式：“在以下上下文中生成以下角色之间的对话[插入角色]”
示例2：故事写作
任务：在故事中生成对话
说明：对话应与故事的角色和事件保持一致
提示公式：“在以下故事中，在以下角色之间生成对话[插入故事]”
示例3：聊天机器人开发
任务：为客服聊天机器人生成对话
说明：对话应专业并提供准确的信息
提示公式：“当客户询问[插入主题]时，为客户服务聊天机器人生成专业且准确的对话”
因此，此技术适用于对话生成，故事编写和聊天机器人开发等任务。
第17章：对抗提示
对抗提示是一种让模型生成抵抗某些攻击或偏见类型的文本的技术。这种技术可以用于训练更加强大且
具有抵抗性的模型。
要使用ChatGPT的对抗提示，应该为模型提供一个提示，该提示被设计为难以使模型生成与期望输出一
致的文本。提示还应包括有关所需输出的信息，例如要生成的文本类型和任何特定的要求或约束。提示示例及其公式：
示例1：文本分类的对抗提示
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：”生成难以被分类为[插入标签]的文本”
示例2：情感分析的对抗提示
任务：生成难以被分类为特定情感的文本
说明：生成的文本应难以被分类为特定情感
提示公式：”生成难以被分类为具有[插入情感]情感的文本”
示例3：语言翻译的对抗提示
任务：生成难以被翻译的文本
说明：生成的文本应难以被翻译为目标语言
提示公式：”生成难以被翻译为[插入目标语言]的文本”
第18章：聚类提示
聚类提示是一种技术，它允许模型基于某些特征或特性将相似的数据点分组在一起。
这可以通过提供一组数据点并要求模型基于某些特征或特性将它们分组来实现。这种技术在数据分析、
机器学习和自然语言处理等任务中非常有用。
如何在ChatGPT中使用它：
应该向模型提供一组数据点，并要求它基于某些特征或特性将它们分组。提示还应包括有关所需输出的
信息，例如要生成的聚类数量以及任何特定的要求或约束。
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：评论应基于情感分组
提示公式：“基于情感将以下客户评论分组成聚类：[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：文章应基于主题分组
提示公式：“将以下新闻文章基于主题分组成聚类：[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：论文应基于研究领域分组
提示公式：“将以下科学论文基于研究领域分组成聚类：[插入论文]”
第19章：强化学习提示
强化学习提示是一种允许模型从过去的行为中学习并随着时间改善其性能的技术。要使用ChatGPT的强
化学习提示，模型应该提供一组输入和奖励，并根据它所接收到的奖励来调整它的行为。提示还应该包
括有关期望输出的信息，例如要完成的任务和任何特定的要求或限制。这种技术对于决策制定、游戏玩
耍和自然语言生成等任务非常有用。提示示例及其公式：
示例1：文本生成的强化学习
任务：生成符合特定风格的文本说明：模型应该根据为生成符合特定风格的文本而获得的奖励来调整其行为
提示公式：“使用强化学习来生成符合以下风格的文本 [插入风格]”
示例2：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：模型应该根据获得的奖励来调整其行为以产生准确的翻译
提示公式：“使用强化学习将以下文本 [插入文本] 从 [插入语言] 翻译为 [插入语言]”
示例3：问答的强化学习
任务：回答一个问题
说明：模型应该根据为生成准确答案而获得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20章：课程学习提示
课程学习是一种让模型通过先训练简单任务并逐渐增加难度学习复杂任务的技术。
要在ChatGPT中使用课程学习提示，模型应提供一系列逐渐增加难度的任务。提示还应包括有关所需输
出的信息，如最终要完成的任务以及任何特定要求或约束。
这种技术对于自然语言处理、图像识别和机器学习等任务非常有用。
提示示例及其公式：
示例1：生成特定风格的文本的课程学习
任务：生成符合特定风格的文本
说明：模型应先训练简单的风格，然后再转向更复杂的风格
提示公式：“使用课程学习生成符合以下顺序的文本，顺序为[插入顺序] [插入风格]”
示例2：用于语言翻译的课程学习
任务：将文本从一种语言翻译为另一种语言
说明：模型应先训练简单的语言，然后再转向更复杂的语言
提示公式：“使用课程学习从以下语言[插入语言]按以下顺序翻译文本”
示例3：用于问题回答的课程学习
任务：回答问题
说明：模型应先训练简单的问题，然后再转向更复杂的问题
提示公式：“使用课程学习按以下顺序回答以下问题[插入问题]”
第21章：情感分析提示
情感分析是一种技术，允许模型确定文本的情感倾向或态度，例如它是积极的、消极的还是中立的。
要将情感分析提示与ChatGPT一起使用，应向模型提供一段文本，并要求其基于情感分类它。提示还应
包括关于所需输出的信息，例如要检测的情感类型（例如积极、消极、中性）和任何特定的要求或约
束。
提示示例及其公式：
示例1：客户评价的情感分析
任务：确定客户评价的情感倾向
说明：模型应将评价分类为积极、消极或中性
提示公式：“对以下客户评价进行情感分析 [插入评价] 并将它们分类为积极、消极或中性。”
示例2：推文的情感分析
任务：确定推文的情感倾向
说明：模型应将推文分类为积极、消极或中性
提示公式：“对以下推文进行情感分析 [插入推文] 并将它们分类为积极、消极或中性。”
示例3：产品评价的情感分析
任务：确定产品评价的情感倾向
说明：模型应将评价分类为积极、消极或中性
提示公式：“对以下产品评价进行情感分析 [插入评价] 并将它们分类为积极、消极或中性。”这种技术对于自然语言处理、客户服务和市场研究等任务非常有用。
第22章：命名实体识别提示
命名实体识别（NER）是一种技术，使得模型能够识别和分类文本中的命名实体，例如人物、组织、地
点和日期等。
要使用ChatGPT进行命名实体识别提示，应向模型提供一段文本并要求其识别和分类文本中的命名实
体。
提示还应包括关于期望输出的信息，例如要识别的命名实体类型（例如人物、组织、地点、日期）以及
任何特定要求或限制。
提示示例及其公式：
示例1：新闻文章中的命名实体识别
任务：识别和分类新闻文章中的命名实体
说明：模型应识别和分类人物、组织、地点和日期等
提示公式：“对以下新闻文章[插入文章]执行命名实体识别，识别和分类人物、组织、地点和日期等。”
示例2：法律文件中的命名实体识别
任务：识别和分类法律文件中的命名实体
说明：模型应识别和分类人物、组织、地点和日期等
提示公式：“对以下法律文件[插入文件]执行命名实体识别，识别和分类人物、组织、地点和日期等。”
示例3：研究论文中的命名实体识别
任务：识别和分类研究论文中的命名实体
说明：模型应识别和分类人物、组织、地点和日期等
提示公式：“对以下研究论文[插入论文]执行命名实体识别，识别和分类人物、组织、地点和日期等。”
第23章：文本分类提示
文本分类是一种技术，可以将文本分类到不同的类别或类别中。这项技术对于自然语言处理、文本分析
和情感分析等任务非常有用。
需要注意的是，文本分类与情感分析不同。情感分析专门关注确定文本中表达的情感或情绪。
这可能包括确定文本是否表达了积极、消极或中性的情感。情感分析通常用于客户评论、社交媒体帖子
和其他重要的文本形式。
要使用ChatGPT的文本分类提示，应向模型提供一段文本并要求根据预定义的类别或标签对其进行分
类。提示还应包括关于所需输出的信息，例如类别或类别的数量以及任何特定要求或约束。
提示示例及其公式：
示例1：客户评论的文本分类
任务：将客户评论分类为不同的类别，例如电子产品、服装和家具
说明：模型应根据其内容对评论进行分类
提示公式：“对以下客户评论进行文本分类[插入评论]，并根据其内容将它们分类为不同的类别，例如电
子产品、服装和家具。”
示例2：新闻文章的文本分类
任务：将新闻文章分类为不同的类别，例如体育、政治和娱乐
说明：模型应根据其内容对文章进行分类
提示公式：“对以下新闻文章进行文本分类[插入文章]，并根据其内容将它们分类为不同的类别，例如体
育、政治和娱乐。”
示例3：电子邮件的文本分类
任务：将电子邮件分类为不同的类别，例如垃圾邮件、重要或紧急
说明：模型应根据其内容和发件人对电子邮件进行分类
提示公式：“对以下电子邮件进行文本分类[插入电子邮件]，并根据其内容和发件人将其分类为不同的类
别，例如垃圾邮件、重要或紧急。”第 24 章：文本生成提示
文本生成提示与提到的其他几种提示技术有关，例如：零、一和少量提示、控制生成提示、翻译提
示、语言建模提示、句子补全提示。所有这些提示都涉及到生成文本，但它们在生成文本的方式和放置
在生成文本上的特定要求或限制方面有所不同。
文本生成提示可用于微调预训练模型或训练新模型以完成特定任务。
提示示例及其公式：
示例 1：用于写故事的文本生成
任务：根据给定的提示生成故事
说明：故事应至少有1000个单词，并包括一组特定的角色和情节
提示公式：“根据以下提示[插入提示]，生成至少1000个单词的故事，包括角色[插入角色]和情节[插入情
节]。”
示例 2：用于语言翻译的文本生成
任务：将给定的文本翻译成另一种语言
说明：翻译应准确、通顺
提示公式：“将以下文本[插入文本]翻译成[插入目标语言]，确保翻译准确、通顺。”
示例 3：用于文本补全的文本生成
任务：完成给定的文本
说明：生成的文本应与输入文本连贯、一致
提示公式：“完成以下文本[插入文本]，并确保它与输入文本连贯、一致。”