02- AI大模型-prompt提示词的规范,调整与优化,并结合python代码进行使用(上)

全文目录,一步到位

• 1.前言简介
• • 1.1 专栏传送门
  • • 1.1.1 上文小总结
    • 1.1.2 上文传送门
• 2. prompt提示词
• • 2.1 通用模型-构成及应用
  • • 2.1.1 书写构成要素及举例
    • 2.1.2 案例及返回值答案(豆包测试)
  • 2.2 推理模型-构成及应用
  • • 2.2.1 书写构成要素
    • 2.2.2 案例及返回值答案(豆包+deepseek-R1)
  • 2.3 prompt`优化`调整方案及代码演示
  • • 2.3.0 message中的角色区分
    • 2.3.1 零样本提示 `zero-shot`
    • • -> 2.3.1.1 deepseek的chat返回信息
      • -> 2.3.1.2 代码如下(通义千问)
    • 2.3.2 少样本提示 `few-shot`
    • • -> 2.3.2.1 豆包的chat返回信息
      • -> 2.3.2.2 代码演示:
    • 2.3.3 链式思考 `COT`(chain-of-thought)
    • • 2.3.3.1 情况一 零样本案例测试(通用模型)-失败(胡言乱语)
      • 2.3.3.2 情况二 使用`COT`的提示词(多种情况)
    • 2.3.4 自我一致性 `self-consistency`
    • • 2.3.4.1 方法一: 手动投票找出
      • 2.3.4.2 方法二: 使用模型投票找出
    • 2.3.5 思维树 `TOT`(tree-of-thought)
  • 2.4 prompt优化工具
  • • 2.4.1 插件搜索 `提示词优化器`-
    • 2.4.2 配置模型的`apiKey`
    • 2.4.3 添加自己的模型
    • 2.4.2 使用效果如图
• 3. 文章的总结与预告
• • 3.1 本文总结
  • 3.2 下文预告