注意：”{text input here}” 是實際文本/內容的占位符

1. 使用最新版本的模型

使用最新版本的模型，往往可以獲得更好的結果。

【資料圖】

2. 使用 ### 或 """分隔指令和上下文

Bad ?

將下面的文本總結為要點列表。

Better ?

將下面的文本總結為要點列表。文本: """這里是文本內容"""

3. 在背景、結果、長度、格式、風格等方面描述的盡可能具體和詳細

Bad ?

寫一首關于 OpenAI 的詩

Better ?

以{某位著名詩人}的風格，寫一首關于OpenAI的鼓舞人心的短詩，重點關注最近推出的DALL-E產品（DALL-E是一個文本到圖像的機器學習模型）

4. 通過例子說明所需的輸出格式

Bad ?

從下面的文本中提取出提到的實體。提取以下四種類型的實體：公司名稱，人名，具體的主題和主旨。文本：{文本}

Better ?

提取下面文本中提到的重要實體。首先提取所有的公司名稱，然后提取所有的人名，接著提取符合內容的特定主題，最后提取概括性的主題。期望的格式：公司名稱：<逗號分隔的公司名稱列表>人名：-||-特定主題：-||-一般主題：-||-文本：{文本}

在上述例子中，使用”-||-“作為一個占位符，表示這些部分需要根據(jù)實際的文本內容來提取并填充。

5. 先從 zero-shot 開始，然后嘗試 few-shot，如果這兩者效果都不好，就試試微調

Zero-shot 零樣本

從下面的文本中提取關鍵詞。文本：{文本}關鍵詞：

Few-Shot 少樣本，即提供示例

從下面的相應文本中提取關鍵詞。文本1：Stripe提供了API，網(wǎng)頁開發(fā)者可以用來在他們的網(wǎng)站和移動應用中集成支付處理。關鍵詞1：Stripe，支付處理，API，網(wǎng)頁開發(fā)者，網(wǎng)站，移動應用文本2：OpenAI已經(jīng)訓練了前沿的語言模型，這些模型在理解和生成文本方面非常出色。我們的API提供了訪問這些模型的途徑，可以用來解決幾乎所有涉及語言處理的任務。關鍵詞2：OpenAI，語言模型，文本處理，API。文本3：{文本}關鍵詞3：

6. 減少不精確的描述

Bad ?

這個產品的描述應該相當簡短，只有幾句話，不要太多。

Better ?

用一個包含3到5句的段落來描述這個產品。

7. 不要只說不應該做什么，而要說應該做什么

Bad ?

以下是代理人和客戶之間的對話。不要詢問用戶名或密碼。不要重復。客戶：我無法登錄我的賬戶。代理人：

Better ?

以下是代理人和客戶之間的對話。代理人將嘗試診斷問題并提出解決方案，同時避免提出任何與個人身份信息（PII）相關的問題。代理人不會詢問像用戶名或密碼這樣的個人身份信息，而是將用戶引導至幫助文章 www.samplewebsite.com/help/faq客戶：我無法登錄我的賬戶。代理人：

8. 特定代碼生成：使用”引導詞“將模型推向一個特定的模式

Bad ?

# 編寫一個簡單的Python函數(shù)，該函數(shù)要求如下# 1.輸入一個以英里為單位的數(shù)# 2. 它將英里數(shù)轉換為公里數(shù)

Better ?

# 編寫一個簡單的Python函數(shù)，該函數(shù)要求如下# 1. 輸入一個以英里為單位的數(shù)# 2. 它將英里數(shù)轉換為公里數(shù)import

import引導詞告訴模型寫 Python 代碼時應該以什么內容為開始。類似的，如果你要寫 SQL 語句，可以選擇SELECT為引導詞。

OpenAI API 調用參數(shù)介紹

model：要調用的 AI 模型，表現(xiàn)越好的模型價格越貴、延遲越高；

temperature：溫度，此參數(shù)值越高，生成的內容越隨機；

max_tokens：內容的最大長度；

stop：終止符，碰到此類字符則終止生成內容；

logit_bias：設置指定字符出現(xiàn)的概率，可以避免在最終內容中生成指定字符。

關鍵詞：