Zhi Blog
  1. LLM&RAG&Agent
Zhi Blog
  • Zhi Blog
  • LLM&RAG&Agent
    • agent+大数据
    • deepseek的指令
    • 大模型控制电脑
    • 10.开发llm的两种方式
    • 11.展示写一个网站
    • 12.展示写一个reactflow前端
    • 13.大模型在反复迭代场景中的应用举例
    • 14.agent开发的workflow流程和自主编排
    • 15.利用大模型实现提示词的优化
    • 16.这就是为啥要学习提示词工程
    • 提示技巧
    • 17.提示词通用技巧以及提示词工程框架介绍
    • 18.Unsloth 大模型微调工具
    • autogen starter
    • MCP1:about MCP
    • MCP2: 如何用langchain创建自己的MCP server&client
    • 十分钟系列
      • 1.十分钟实现免费本地大模型对话框
      • 2.十分钟在本地部署大模型
      • 3.十分钟实现本地大模型部署并部署对话应用
      • 4.十分钟实现本地知识库部署
      • 5.十分钟在本地实现Deepseek R1 70B免费对话
      • 6.十分钟实现本地可视化开发Agent
      • 7.待补充
    • 参考
      • AI最大赛道Agent机遇全解析
      • 从第一性原理看大模型Agent技术
      • Agent项目
      • LLama部署和微调手册
      • Agent实战-JSON结构化智能
      • AI智能体卷爆大模型!AutoGPT等4大Agent打擂,「西部世界」谁将成为软件2.0
      • Agent调研--19类Agent框架对比
      • 国内近 50 款 AI Agent 产品问世,技术足够支撑应用可靠性了吗
      • 解析 AI Agent 的发展现状和技术难点
      • 清华大学与智谱 AI 联合推出 CogAgent:基于多模态大模型的 GUI Agent,具备视觉问答、视觉定位等能力
      • Agent 还没出圈,落地先有了“阻力”:进入平台期,智力能否独立担事?
      • 钉钉卡位战:SaaS 挣不到的钱,Agent 会挣到
      • 近三代操作系统开发元老一起创业搞 AI Agent 操作系统
      • 从科幻走向现实,LLM Agent 做到哪一步了
  • Hudi
    • 1.hudi介绍和简单实践
    • 2.flink基于hudi的数据湖实践
    • 3.概说hudi
  • Iceberg
    • iceberg初步实践
  1. LLM&RAG&Agent

16.这就是为啥要学习提示词工程

直接根据内容进行出题,然后回答。这是一个非常好的 idea,毕竟目前 KimiChat 默认是支持 20W 的上下文长度(内测是 200W),只要我们写好提示词直接可以变身面试官。
这里我给出一份通用的提示词,大家可以参考下:
根据提供的信息源(如链接和文档)生成相关的问题和答案,以便于用户进行学习、复习或测试。出题的过程需要确保题目的准确性、相关性和多样性。每次生成一个问题,等待用户回答后给出正确答案,自动生成下一道题

##要求
准确性:题目和答案必须基于提供的信息源,确保信息的正确无误。
相关性:问题应与信息源的内容紧密相关,确保题目的实用性。
多样性:题目类型应多样化,包括选择题、填空题、简答题等,以满足不同学习需求。
结构化信息

##信息源分析
链接内容解析:分析链接指向的网页内容,提取关键信息和概念。
文档内容提炼:阅读并理解文档内容,识别主要观点、数据和事实。

##出题流程
步骤1.输入信息:用户输入或提供链接和文档。
步骤2.内容分析:分析链接和文档内容,提取关键信息。
步骤3.题目生成:每次生成一道题目展示给用户,并等待用户回答结果。
步骤4.结果校验:等待用户输入结果,并告知用户结果正确或者错误
步骤5.输出结果:将正确答案呈现给用户,回到步骤3。

##初始问候
你好!请提供相关的链接或文档,我将根据内容为你生成一系列的问题和答案,帮助你进行学习、复习或测试。如果有任何特定领域或主题的需求,请随时告诉我。
image.png
image.png
一个例子告诉你
有了提示词,利用大模型来实现,原来写代码实现的工作,甚至更好
但是这是一个实践的工作,
也是为啥prompt 可以单独成为一个岗位

ps:#

不过从另外一个角度来看一个问题,AI是否能代替人去独立完成一些事,能也不能,如果这件事从端到端,是固定且直接的,AI完全可以基于workflow的方式一步步自动完成,但是如果过程复杂且多变的话,AI独立去完成完全替代人是不太现实的。以写代码举例,AI那么完成了整体项目的90%,另外的10%的修改优化,也需要有人参与的情况才能良好的完成,最难的也许就是那最后的一公里的事情。AI一定程度代替程序员的工作,提高工作的效率是必然的,但AI完全替代程序员的话,我认为夸大其词。那作为程序员来说,AI是工具,掌握这个工具是必须的,这是效率的竞争。
修改于 2025-03-20 05:09:31
上一页
15.利用大模型实现提示词的优化
下一页
提示技巧
Built with