Prompt word of LLM
Author: Once Day Date: April 30, 2023
Reference article:
- Chinese full version with 9 episodes ChatGPT Prompt Engineer｜AI God Wu Enda teaches you to write prompt words
- ChatGPT Shortcut - An easy-to-use ChatGPT shortcut table that doubles your productivity! Tag filtering, keyword search, and one-click copy prompts (aishort.top)
1 Overview
General large models like ChatGPT need to use instructional fine-tuning to get better output.
First, you can use separators to separate prompts (instructions) and questions, as follows:
三引号(triple quotes)，"""
三个反引号(triple backticks)，```
三个破折号(triple dashes), ---
尖角括号(Angle brackets), < >
XML tags: <tag> </tag>
The following is an example, and the answer will be very different under different prompts:
>>> 以一个专业的c程序员回答下面的问题```结构体的大小如何计算```
结构体的大小是由其成员变量的类型和对齐方式决定的。具体计算方法如下：
1. 计算结构体中每个成员变量的大小，包括基本类型和其他结构体类型。
2. 将每个成员变量的大小对齐到结构体对齐方式的整数倍。对齐方式的大小通常为编译器默认的对齐方式或者使用#pragma pack(n)指定的对齐方式，其中n为对齐方式的大小。
3. 将对齐后的每个成员变量的大小相加，得到结构体的总大小。
需要注意的是，结构体的大小可能会受到编译器的优化影响，例如使用了空间压缩等技术。因此，不同编译器可能会有不同的结构体大小计算方式。
>>> 以一个专业的Go程序员回答下面的问题```结构体的大小如何计算```
在Go语言中，结构体的大小是由其成员变量的类型和对齐方式决定的。具体计算方法如下：
1. 计算结构体中每个成员变量的大小，包括基本类型和其他结构体类型。
2. 将每个成员变量的大小对齐到结构体对齐方式的整数倍。对齐方式的大小通常为编译器默认的对齐方式或者使用struct tag指定的对齐方式，其中tag的格式为`align:n`，表示该成员变量的对齐方式为n字节。
3. 将对齐后的每个成员变量的大小相加，得到结构体的总大小。
需要注意的是，Go语言中结构体的大小可能会受到编译器的优化影响，例如使用了内存对齐等技术。因此，不同编译器可能会有不同的结构体大小计算方式。
>>> 假设你是一个菜鸟程序员，然后回答一下下面这个问题```结构体的大小如何计算```
在计算结构体的大小时，需要考虑结构体中每个成员变量的类型和对齐方式。每个成员变量的大小可以通过查看其所占用的字节数来确定，对于基本类型可以使用sizeof关键字获取其大小，对于其他结构体类型可以通过递归的方式计算。而对齐方式通常是由编译器决定的，可以使用#pragma pack(n)或struct tag来指定对齐方式。计算完每个成员变量的大小并对齐后，将它们相加就可以得到结构体的总大小。需要注意的是，不同的编程语言和编译器可能会有不同的结构体大小计算方式。
1.2 Output content in a specific format (json)
You can ask ChatGPT to output content in a specific format, as follows
>>>假设你是一个菜鸟程序员，以json格式回答下面问题，字段：问题，场景，方法，注意事项。```结构体的大小如何计算```
{
"问题": "结构体的大小如何计算？",
"场景": "在编程中，当我们定义一个结构体时，需要知道该结构体的大小，以便在程序中正确地使用它。",
"方法": "结构体的大小是由其成员变量的类型和对齐方式决定的。计算结构体大小时，需要计算每个成员变量的大小，将其对齐到结构体对齐方式的整数倍，然后将对齐后的每个成员变量的大小相加，得到结构体的总大小。对齐方式通常是由编译器决定的，可以使用#pragma pack(n)或struct tag来指定对齐方式。",
"注意事项": "不同的编程语言和编译器可能会有不同的结构体大小计算方式，因此需要注意跨平台开发时的兼容性问题。此外，在计算结构体大小时，还需要注意成员变量的顺序和对齐方式的影响，以避免出现不必要的内存浪费或对齐错误的问题。"
}
1.3 Check whether the output conditions are met to get the appropriate result
ChatGPT can be asked to check whether there is a series of prompts in the given text, as follows:
>>> 在下面以三对引号包含的文本中，如果存在一系列的指令，那么按下面的格式重写这些指令:
Step 1 - ...
Step 2 - ...
...
Step N - ...
如果文本中不包含任何指令，那么直接输出“不存在指令”。
"""(要输入的文本)"""
Here are some sample responses:
>>> 在下面以三对引号包含的文本中，如果存在一系列的指令，那么按下面的格式重写这些指令:
Step 1 - ...
Step 2 - ...
...
Step N - ...
如果文本中不包含任何指令，那么直接输出“不存在指令”。
"""以下是制作番茄炒鸡蛋的步骤：
番茄洗净切块，鸡蛋打散备用。
热锅凉油，油热后倒入鸡蛋液，炒成蛋花后盛出备用。
锅中留底油，放入番茄块，加少量盐和白糖，翻炒至软烂。
将炒好的鸡蛋花倒入锅中，加少量盐和鸡精，翻炒均匀即可。"""
##(下面是回答)
Step 1 - 番茄洗净切块，鸡蛋打散备用。
Step 2 - 热锅凉油，油热后倒入鸡蛋液，炒成蛋花后盛出备用。
Step 3 - 锅中留底油，放入番茄块，加少量盐和白糖，翻炒至软烂。
Step 4 - 将炒好的鸡蛋花倒入锅中，加少量盐和鸡精，翻炒均匀即可。
>>> 在下面以三对引号包含的文本中，如果存在一系列的指令，那么按下面的格式重写这些指令:
Step 1 - ...
Step 2 - ...
...
Step N - ...
如果文本中不包含任何指令，那么直接输出“不存在指令”。
"""福州有很多著名的景点，其中一些是三坊七巷、鼓山、福州西湖公园、福州南山景区、闽江公园、福建省博物馆、林则徐纪念馆、闽南大戏楼等。这些景点都有各自的特色和历史背景，值得一游。
三坊七巷是福州最古老的街区之一，保存完好的明清建筑群。鼓山是福州市区的地标性山丘，登上山顶可以俯瞰整个福州市。福州西湖公园以西湖为中心，园内还有古建筑群、花园、动物园等。福州南山景区以南山古寺、南山文化园为主体，是福州市区的一处山水胜景。闽江公园位于福州市中心，是一处集游览、休闲、娱乐为一体的城市公园。福建省博物馆是福建省内最大的博物馆，收藏有大量的历史文物和艺术品。林则徐纪念馆是纪念中国近代著名政治家、思想家林则徐的博物馆。闽南大戏楼是福州市的地标性建筑之一，是福建省内最大的木构剧场"""
##(下面是回答)
Step 1 - 了解福州的著名景点，包括三坊七巷、鼓山、福州西湖公园、福州南山景区、闽江公园、福建省博物馆、林则徐纪念馆、闽南大戏楼等。
Step 2 - 参观福州最古老的街区之一——三坊七巷，欣赏保存完好的明清建筑群。
Step 3 - 登上福州市区的地标性山丘——鼓山，俯瞰整个福州市的美景。
Step 4 - 游览福州西湖公园，欣赏以西湖为中心的古建筑群、花园、动物园等。
Step 5 - 前往福州南山景区，领略山水胜景，参观南山古寺、南山文化园等景点。
Step 6 - 在闽江公园游览、休闲、娱乐，感受城市公园的魅力。
Step 7 - 参观福建省博物馆，欣赏历史文物和艺术品。
Step 8 - 前往林则徐纪念馆，了解中国近代著名政治家、思想家林则徐的生平事迹。
Step 9 - 参观福州市的地标性建筑之一——闽南大戏楼，欣赏福建省内最大的木构剧场。
>>> 在下面以三对引号包含的文本中，如果存在一系列的指令，那么按下面的格式重写这些指令:
Step 1 - ...
Step 2 - ...
...
Step N - ...
如果文本中不包含任何指令，那么直接输出“不存在指令”。 """今天的天气真好，温软的阳光照在身上，情绪都变好了不少。"""
##(下面是回答)
不存在指令。
1.4 Provide an example for a small number of samples or zero sample events
If some problems belong to non-general scenarios, such as private data, or non-public examples, then you need to provide corresponding reference examples for ChatGPT, as follows:
>>> 你应该按照下面的一致风格来回答问题:
(学生): 为什么苹果熟了会落下来？
(老师)：这是一个非常好的问题，体现了你主动思考的优秀品质，不懂没事，善问就好。苹果会落下来是因为受到了地球引力作用。
(学生)：为什么月球不会落下来？
##(下面是回答)
(老师)：同样是地球引力的作用，月球受到地球的引力作用，但是它的速度和轨道使得它一直绕着地球转，不会落下来。这也是为什么月球是地球的卫星。
1.5 Specify the steps to complete the event, and judge whether your steps are correct
The following is used to judge whether the topic is correct:
>>> 你需要判断下面的学生解答是否正确。解决方法步骤如下:
1. 首先给出你自己的解答
2. 然后比较你和学生的解答，并评估学生解答是否正确。
格式如下:
问题:
```
(这是问题)
```
学生的解答:
```
(这是学生的解答)
```
实际的回答:
```
(解答该问题的步骤和你的答案)
```
学生的解答是否正确:
```
(是或者不是)
```
问题:
```
鸡和兔子在一个笼子里面，能看到有10个头，30只脚，请问鸡和兔子各有几只?
```
学生的解答:
```
鸡和兔子都只有一个头，但是鸡有两只脚，兔子有四只脚，因此每只兔子都比鸡要多出两只脚。
1. 如果都是鸡，那么应该只有10*2=20只脚，实际多出30-20=10只脚。
2. 多出的脚是兔子的脚，一共有10/2=5只兔子。
因此鸡有5只，兔子有5只。
```
实际的回答:
##(下面是回答)
根据题目，我们可以列出如下方程组：
x + y = 10 （头的总数）
2x + 4y = 30 （脚的总数）
解方程组得到：x=5，y=5。
因此，鸡有5只，兔子有5只。
学生的解答是否正确:
是。
1.6 Forged or falsified answers
These answers, known as hallucinations, are a known shortcoming of ChatGPT, and are usually circumvented by asking GPT to provide references to relevant information to avoid faking realistic answers.
1.7 Generating Text Summary Information
Sometimes, there are a lot of information in comments or articles, and it is tiring to read. You can use ChatGPT to generate text summary information.
Limit to a few sentences, or how many words to answer the question.
Or limit a few keywords to let ChatGPT answer.
>>> 识别下面三队引号中文本的情感，用不超过5个单词来回答，并且使用逗号来分割。
"""今天吃了好多饭，有点难受，是时候下定决心减肥了!"""
负面情感，难受, 减肥。
Here is a more complete example:
>>> 从评论文本中提取下面信息:
1. 情感(积极或者消极)
2. 评论者是否感到愤怒? (是或者不是)
3. 购买的物品
4. 制造物品的厂商
评论文章使用三对引号分割，输出格式为json，字段为:情感、愤怒、物品、厂家。如果对应信息缺失，使用“未知”代替。输出信息尽可能简短，“愤怒”的值格式化为布尔值。
评论文章"""我准备买一台笔记本，非常贵，关键是还缺货，华硕败家之眼简直把消费者当成猴子来耍，算了下次再也不会买了。"""
##(输出内容如下)
输出结果为：
{
"情感": "消极",
"愤怒": true,
"物品": "笔记本",
"厂家": "华硕"
}
1.8 Check language grammar and translated text
It is mainly used for language processing, as follows:
- Translate text to different languages.
- Check the grammar of the language and enter the modified text.
- Convert the text description into json, HTML format for easy display and viewing.
- Generate text in a specific style and polish the text.
1.9 Temperature random degree
This parameter can adjust the probability of those low-probability answers appearing. The value range is [0-1].
When the value is 0, the prediction strategy tends to be a conservative strategy, and the answer obtained at this time is stable, that is, the most likely answer.
When the value is 1, low probability answers are also possible.
It needs to be selected according to the situation. For stable products, it is recommended to use 0 .