Providing examples

提示工程：通过示例提供指导 (Prompt Engineering: Using Examples)

• 核心概念： 在提示 (Prompt) 中提供输入-理想输出的示例，以指导模型行为。
• 分类：
• 单次提示 (One-shot Prompting)： 提供单个示例。
• 多次提示 (Multi-shot Prompting)： 提供多个示例。
• 主要应用场景：
• 提高准确性： 帮助模型理解特定任务（如情感分析）。
• 处理边缘情况 (Corner Cases)： 特别用于识别和处理反讽（Sarcasm）等复杂情况。
• 格式约束： 引导模型生成复杂的输出结构（如特定的 JSON 对象）。
• 实施技巧：
• 结构化提示： 建议使用 XML 标签来明确界定输入 (Input) 和输出 (Output) 的作用，增强提示的清晰度。
• 高级优化： 在理想输出标签后，可以补充解释该输出被认为是“理想”的原因，从而更有效地强化模型的行为。

Takeaways

• 核心概念是通过提供输入-理想输出的示例来指导模型行为。
• 提示方法分为单次提示（One-shot）和多次提示（Multi-shot）。
• 主要应用场景包括提高任务准确性、处理边缘情况（如反讽）和约束输出格式。
• 实施技巧建议使用 XML 标签进行结构化提示，以明确界定输入和输出。