Prompt Engineering 提示词工程的实践技巧（三）

字数统计: 1.6k字   |   阅读时长≈ 6分

本篇博客主要总结了 DeepLearning AI 公开课程 Prompt Engineering 提示词工程 第四章节 Summarizing 摘要的内容，也可以理解为该章节的笔记。

当下，有很多文本内容需要我们阅读，让 LLM 帮助我们总结摘要，可以提高我们的信息摄取效率。所谓的摘要任务，不仅仅是给出一段长文，要求它总结主旨，还可以有很多类似的工作，例如给出大量的评论数据，要求 LLM 帮助我们提取其中的反馈建议，又或者要求 LLM 只提取你关心的那部分信息，而不是对全文做一个笼统的概括。善用提示词，因此，让 LLM 帮助你完成数据的阅读和信息提取，可以节省大量的时间和精力。

1. 生成指定信息的摘要

给出一段文字，让 LLM 进行总结。这件事我们在上一个章节中已经做了很多遍。我们已经可以对输出的篇幅、重点关注的方面、输出的格式等做出要求。本章节的内容与上一章有些类似，也是为了让 LLM 生成更满足我们实际需求的文本。

首先来看这样一段产品评论。这个购买者买了一个熊猫毛绒玩具作为女儿的生日礼物，女儿非常喜欢，去哪儿都带着它。它柔软、可爱，长得友善等等。

1
2
3
prod_review = """
Got this panda plush toy for my daughter's birthday, who loves it and takes it everywhere. It's soft and super cute, and its face has a friendly look. It's a bit small for what I paid though. I think there might be other options that are bigger for the same price. It arrived a day earlier than expected, so I got to play with it myself before I gave it to her.
"""

接下来，我们将指示 LLM 简要总结这段评论。这对于有大量评论需要阅读的商家、市场调研者而言，是一种极大的解放。

1
2
3
4
5
6
7
8
9
10
11
12
prompt = f"""
Your task is to generate a short summary of a product review from an ecommerce site. 

Summarize the review below, delimited by triple backticks, in at most 30 words. 

Review: ```{prod_review}```
"""

response = get_completion(prompt)
print(response) 
### 输出
### Soft and cute panda plush toy loved by daughter, but a bit small for the price. Arrived early.

我们可以看到，精简以后的内容，体现了客户的反馈，只是去掉了一些修饰词和使文本更完整的书面用语。更进一步，我们可以让 LLM 帮助我们做更多的事。比如，我们要将这些评论反馈给运输部门，他们只关心运输上的问题。可以在提示词中增加面向的对象，指出要重点侧向哪几个方面，让结果更符合特定群体的需求。

1
2
3
4
5
6
7
8
9
10
prompt = f"""
Your task is to generate a short summary of a product review from an ecommerce site to give feedback to the Shipping deparmtment. 

Summarize the review below, delimited by triple backticks, in at most 30 words, and focusing on any aspects that mention shipping and delivery of the product. 

Review: ```{prod_review}```
"""

### 输出
### The panda plush toy arrived a day earlier than expected, but the customer felt it was a bit small for the price paid.

又或者，我们可以将面向的对象改成定价部门，为了便于 LLM 理解，可以再补充上这个部门的职能。可以看到，输出的内容又有了相应的调整。

1
2
3
4
5
6
7
8
9
10
prompt = f"""
Your task is to generate a short summary of a product review from an ecommerce site to give feedback to the pricing deparmtment, responsible for determining the price of the product. 

Summarize the review below, delimited by triple backticks, in at most 30 words, and focusing on any aspects that are relevant to the price and perceived value. 

Review: ```{prod_review}```
"""

### 输出
### The panda plush toy is soft, cute, and loved by the recipient, but the price may be too high for its size.

2. 提取指定的信息

如前面我们所看到的那样，我们已经可以生成面向特定对象的摘要内容。但是，上面的提示词只是让 LLM 对文本内容进行了总结，生成了一段摘要。摘要是一段完整的文本。有时候，我们只需要关注一些信息，只要让 LLM 逐点罗列即可，而不需要再组织成文本。毕竟 1. 2. 3. 这样的形式，明显比藏在一个句子里面的信息要鲜明得多。

ok，让我们来试试看。注意，摘要对应的英文是 summary (summarize)，而我们现在要做的，是让 LLM 提取出指定的信息，即 extract。如果要替换成中文的提示词，其实就是从“请写一段XXX的总结/摘要”，变成“请从XX提取相关信息”。

1
2
3
4
5
6
7
8
9
prompt = f"""
Your task is to extract relevant information from a product review from an ecommerce site to give feedback to the Shipping department. 

From the review below, delimited by triple quotes extract the information relevant to shipping and delivery. Limit to 30 words. 

Review: ```{prod_review}```
"""
### 输出
### The product arrived a day earlier than expected.

3. 多条评论的摘要

既然已经使用代码调用 LLM 接口了，那么，对于大量的重复工作，我们只需要一个循环遍历就可以解决。如果有很多条评论，我们可以将它们整合成一个数组。然后遍历，就可以快速完成对多条文本的总结。

1
2
3
4
5
6
7
8
9
10
11
12
13
for i in range(len(reviews)):
    prompt = f"""
    Your task is to generate a short summary of a product \ 
    review from an ecommerce site. 

    Summarize the review below, delimited by triple \
    backticks in at most 20 words. 

    Review: ```{reviews[i]}```
    """

    response = get_completion(prompt)
    print(i, response, "\n")

如果想要结果更易于通过代码传递，我们可以在这个循环体外定义一个数组，将结果逐个存入即可。

当然，仅仅是获取这些文本的摘要可能还是不够精炼，我们还是需要亲自阅读这些内容来做出自己的判断，顾客对产品是否满意，文章的主旨是什么，等等。其实，我们还可以指示 LLM 推理文本的情感，帮助我们更进一步提升效率。在第五章，我们将结合 LLM 的推理能力，帮助我们分析文本的情绪、主题等。

Prompt Engineering 提示词工程笔记汇总

参考资料

ChatGPT Prompt Engineering for Developers - DeepLearning.AI

B站可以找到搬运翻译的中文版本👆：《吴恩达 x OpenAI Prompt课程》

赏

谢谢你请我吃糖果

支付宝
微信

扫一扫，分享到微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia-plus根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

一个游戏行业的开发小白。什么都学了一些，什么都会一点。AIGC/ComfyUI工作流搭建/AI聊天机器人/Lua/C++……欢迎咨询交流。欢迎大家指点交流~ 邮箱: wuxinbei0409@gmail.com