OpenAi之Prompt Engineering基础

黑马王子13
330 阅读4分钟

引言

我们知道， openai可以实现多模态的数据处理。前面我们讲过利用OpenAi去进行图片描述，生成图片等一些功能。今天我们来讲讲OpenAI对提示词(prompt)的一些处理方式。

准备工作

学习prompt engineering 第一步，我们要先了解它。可以直接点链接：吴恩达的prompt engineering教程

吴恩达是chatgpt和AI领域大神级别的人物了，他对prompt engineering有着最深和最好的理解。

介绍prompt

prompt是提供给模型的一段文本或指令，引导模型产生对应输出。广泛用于NLP(机器学习)和AI领域中，例如问答，翻译，文本生成等...

Prompt的作用

  1. 任务指示：明确告诉模型需要执行的任务类型，例如“请根据以下信息撰写一篇新闻报道”。
  2. 风格指引：帮助模型理解所需输出的风格，比如“请用幽默的方式描述……”。
  3. 信息输入：为模型提供必要的背景信息或数据，使其能够基于这些信息生成内容。
  4. 情感色彩：设定输出的情感基调，如正面鼓励、负面批评等。
  5. 格式规定：指定输出的具体格式，例如要求输出为列表、表格或是段落形式。

设计好的Prompt的重要性

  • 提高效率：良好的Prompt能够减少模型生成无效或无关输出的可能性，从而提高交互效率。
  • 增强准确性：通过提供清晰的任务描述和上下文信息，有助于提升模型输出的准确性和相关性。
  • 促进创新：创意性的Prompt可以激发模型产生更加新颖和有创意的响应。

实战

话不多说，直接开始实战！！！

我们在做任何项目时，第一个要做的就是初始化和安装依赖。打开终端，输入以下指令

npm init -y
npm i openai
npm i dotenv

如果一切顺利，我们可以在初始化自动创建的package.json中看到这样的情况：

image.png 假如我们在以后的程序开发中不想进行重复的安装依赖操作，我们可以直接讲上图中的内容复制给另一个程序的package.json中，然后再终端输入npm i即可自动安装依赖。

openai

这个我们就不过多说明，详情可以点此链接：openai多模态数据处理

dotenv

dotenv主要用于保护我们的一些隐私信息，例如我们的API密钥和国内的转发地址等...从源代码中抽离出来。防止上传到github时候被别人用爬虫爬走，要是在公司里不小心全部上传了，那最好是删数据库跑路吧。

那我们怎么使用dotenv呢？

可不是仅仅安装个依赖就能解决的。

在我们的根目录下，创建一个.env文件夹，然后将自己的API密钥和转发地址输进去，然后在程序中使用，这样就可以避免重要信息暴露的情况。

image.png

image.png 注意记得在导包后输入dotenv.config()这样程序才能加载 .env 文件中的环境变量到 process.env 对象中

image.png

代码内容

结束上述过程后，我们才正式开始了今天的学习。

首先 我们先实例化一个客户端，通过环境变量来配置API密钥和URL：

const client = new OpenAI({
    // node 里的进程对象
     apiKey: process.env.OPENAI_API_KEY,
     baseURL:process.env.OPENAI_BASE_URL
})

然后 我们声明函数，获得一个通用的大模型框架，类型是chat，问答模式。

// es6 默认参数值
// 通用的LLM 聊天完成接口函数， 可复用
    const getCompletion = async (prompt, model="gpt-3.5-turbo") =>{
        // 用户提的问题
        const messages=[{
            role:'user',
            content:prompt
        }];
        // AIGC chat 接口
        const response = await client.chat.completions.create({
            model:model,
            messages:messages,
            // LLM 生成内容的随机性 0-1 值越大 回答越随意
            temperature:0.9
        })
        return response.choices[0].message.content;
    }

最后，我们输入需要分析的文字，这里，我们输入对外卖评价的概况

const main = async() => {
   const prod_review = `
   这份外卖量大，实惠，吃的出来食材都很新鲜，下次还会再次购买。
   唯一不足的是，分量稍微少了一点，有点没吃饱。外卖小哥送的很快。
 `;
  const prompt =`
  你的任务是生成来自外卖平台的产品评论有关外卖的简短摘要，
  总结以下用三个反引号分隔的评论，最多30个字。
  评论:'''${prod_review}'''
  `
  const response = await getCompletion(prompt,'gpt-4o')
  console.log(response);
}

main()

此时我们可以得到：

image.png 我们也可以对我们需要的方面进行约束，增加条件来输出我们想要的某一方面的内容：如果我们想要关于外卖食材的回答:加入并重点关注外卖食材方面。进行约束，此时就会输出

image.png 此时就没有关于外卖运输方面的回答了。

结语

这就是关于prompt engineering 的一些基础教程。想要深入学习可以去观看吴恩达大神的课程，希望大家能从中收获知识。

avatar
文章
阅读
粉丝