Prompt提示词的Context(上下文) 在Prompt中,Context(上下文)部分是为了提供与问题或主题相关的额外信息,以帮助模型更好地理解和回答问题。以下是一些示例,可以用作Context部分的引导: 1. "最近的新闻报道中":引用最近的新闻报道,为模型提供相关的背景信息和上下文。 2. "根据最新的研究":引用最新的科学研究或学术成果...
在Prompt中,Context(上下文)部分是为了提供与问题或主题相关的额外信息,以帮助模型更好地理解和回答问题。以下是一些示例,可以用作Context部分的引导: 1. '最近的新闻报道中':引用最近的新闻报道,为模型提供相关的背景信息和上下文。 2. '根据最新的研究':引用最新的科学研究或学术成果,为模型提供权威的支持信息。
通常需要定义好代调试的变量,请记住这个变量,在promptfoo运行期间,会被加载到context中去,最后提供测试的变量就可以替换。 provider 顾名思义,就是我们提供的LLM模型对完整的prompt进行输出。promptfoo中已经大量定义了很多LLM的provider,包括openai,claude,gemini,ollama等。 除了LLM模型以外,还支撑丰富的自定义脚本,比...
ACTION :1. 列出分段小标题(如“AI在个性化教育中的突破”); 2. 每段300字,结合案例展开分析; 3. 引用2020年后的研究数据。 CONTEXT :文章将投稿至科技博客,读者包括教师、技术开发者和政策制定者。 EXAMPLE: 参考以下结构: - 引言:AI重塑教育生态的现状; - 优势:自适应学习平台的效率提升; - 挑战:数据隐...
背景(Context):提供相关背景或情境。 示例(Example):用实例来阐明您的见解。 4、SCOPE框架 情境(Scenario):描写当前状况或情景。 图片发自160App ChatGPT必备的9种Prompt提示词框架 复杂情况(Complications):讨论任何潜在的复杂因素。 目标(Objective):描述预期的目标。
Context(选填):背景信息,或者说是上下文信息,这可以引导模型做出更好的反应。 Input Data(选填):输入数据,告知模型需要处理的数据。 Output Indicator(选填):输出指示器,告知模型我们要输出的类型或格式。 只要你按照这个框架写 prompt ,模型返回的结果都不会差。
如果想为团队内的某个职位撰写一份JD,prompt可以是首先向ChatGPT提供情景描述(context),然后再根据已经准备好的描述提供一个参考案例(example)。 3.4 角色 这是你希望人工智能所扮演的角色。想象一下你有一个问题,想咨询专家来解决这些疑问。例如,如果你在锻炼时受伤,你会去找一位有康复治疗师。如果你正在找工作,...
DEBUG_CLIENT_CONTEXT結構 DEBUG_CREATE_PROCESS_OPTIONS結構 DEBUG_EVENT_CONTEXT 結構 DEBUG_EXCEPTION_FILTER_PARAMETERS 結構 DEBUG_GET_TEXT_COMPLETIONS_IN結構 DEBUG_GET_TEXT_COMPLETIONS_OUT 結構 DEBUG_HANDLE_DATA_BASIC結構 DEBUG_LAST_EVENT_INFO_BREAKPOINT結構 ...
例如,在问答任务中,我们可以使用“context:”作为上下文指示符,而在文本分类任务中,我们可以使用“summary:”作为上下文指示符。 类别指示符是Prompt模板模式中的另一种重要组成部分,用于描述文本所属的类别。类别指示符可以帮助模型更加准确地生成或分类文本。例如,在文本分类任务中,我们可以使用“C:”作为类别指示符,...
import { useLiveQuery } from "dexie-react-hooks"; import { ApiKeyState } from "./core/api-key-state"; import { PromptState } from "./core/prompt-state"; import { createStandardContext } from "./create-standard-context"; import { PromptDoc } from "./prompt-doc"; import { db } fr...