Exercise on prompting

提示工程学习笔记 (Prompt Engineering Study Notes)

• 核心目标 (Core Goal):
• 利用提示工程技术改进现有提示 (Prompt)，以获得更准确的输出。
• 任务示例 (Task Example): 将学术文章段落 (文本输入) 提取所有主题，并输出为 JSON 字符串数组。

• 评估与改进 (Evaluation and Improvement):
• 评估报告 (Evaluation Report): 运行评估后，查看 output. html 文件，分析模型评分低的原因。
• 初始问题 (Initial Problem): 模型可能不理解或不遵守特定的输出格式要求（例如，未返回 JSON 数组）。

• 关键改进技术 (Key Improvement Techniques):

• **1. 简洁直接的提示 (Simple and Direct Prompting):**
• 原则: 明确、直接地告诉模型你想要的结果。
• 应用: 明确要求模型返回特定格式（如：JSON 数组 of strings）。
• 效果: 显著提高模型对输出格式的遵守程度。

• **2. 使用 XML 标签结构化提示 (Structuring with XML Tags):**
• 目的: 提高提示的清晰度，明确区分指令和输入数据。
• 应用: 在输入内容前后添加标签（例如：<text>），将待处理的文本包裹在其中。

• **3. 分步指令 (Step-by-Step Instructions):**
• 目的: 引导模型遵循一个明确的思考和执行流程。
• 应用: 列出模型需要执行的步骤（例如：仔细检查文本 → 识别每个主题 → 将主题添加到 JSON 数组 → 最终返回 JSON 数组）。

• 进阶技巧 (Advanced Techniques):
• 可以考虑使用单次提示 (One-shot) 或多次提示 (Multi-shot) 来提供示例，进一步提高输出质量。

Takeaways

• 核心目标是利用提示工程技术改进提示，以获得更准确的输出（例如，将文本提取为JSON数组）。
• 关键改进技术包括：明确要求输出格式（如JSON数组），显著提高模型对格式的遵守程度。
• 使用XML标签结构化提示（如<text>），目的是提高提示的清晰度，明确区分指令与输入数据。
• 采用分步指令，引导模型遵循一个明确的思考和执行流程（例如：检查 → 识别 → 格式化 → 返回）。
• 进阶技巧可考虑使用单次提示或多次提示来提供示例，进一步提升输出质量。