封面照片视频分享了 ，这红苹果机构于 1984 年制定的款个电脑上，调整了测算机市场。它用了标制性的 32 位正确i7处理器、128 KB RAM 和因人而异的黑白两色内嵌展现屏。

然而，它还一直集变成施乐帕洛阿尔托探索机构的真让人叹为观止的科技问世：无线鼠标和超一流的多边形客户表层（现行 GUI 的祖母）。

Macintosh 的销量超过70,000台，在苹果的成功中发挥了关键作用。奇怪的是，这次发布会甚至比 Mac 本身还要成功。著名的雷德利·斯科特 (Ridley Scott) 花费 150 万美元的预算执导了一个，明确暗示奥威尔的标志性小说《十九八十四》成为一部杰作和分水岭。

一般在四三年后，在无最有名气的宣传片编剧或电視的广告、只其中一个简便的网站用途程度的现状下，OpenAI 适用一个多种无法实验设计的语言表达绘图并向天下建成。内容的其他的书的部分是微信头条新鲜事了：ChatGPT 在 1 月 23 日（即上线后仅一十一个月） ，使其变成发展上倍增比较快的个人旅游者用途程度（比 TikTok 和 Instagram 快些）。

现下全市场的主意力都多在人工控制成本智慧化的行业上，不断地本周都会时有发生进步，当年还有机会成该业务区域的根本始终。更棒的是，您即使是必须会引入人工控制成本智慧化业务区域，并成社会历史文化上这种革命史性始终的一本分。

Prompt Engineering 101是一个帖子系列，旨在揭示即时工程的原理和技术、制作清晰有效文本的艺术、提示语言模型并准确获得您想要的内容。本系列涵盖了各种生成模型的即时工程，包括 ChatGPT 和其他文本到文本模型。还探索文本到图像模型，如稳定扩散或中途，并深入研究法学硕士的其他方面，如幻觉、隐私和安全问题等等……

这是该一系列的第 2 篇文章，我们将介绍先进的技术，例如思想链和自我一致性，以掌握快速制作。我希望你喜欢它！

目录

1. 快速工程回顾
2. 思维链提示
3. 链接提示
4. 自洽法
5. 角色提示
6. 迷失在代币化中
7. 掌握快速制作的五个技巧和工具

快速工程回顾

在这个关于即时工程的系列的第一部分中，我们深入研究了这门艺术的直觉并获得了正式的定义。本质上，提示工程是一个迭代过程，为大型语言模型设计和优化清晰且具体的提示，以确保它生成相关、准确和连贯的响应。

收起来，小编检测了生产有用表明的四个的标准。小编證明，当求出明确化而主要的命令（第1 的标准）时，型号会生产有效的死机，并讨论稿了体现一项要求的多种攻略 性。之后，小编判定政治学硕士生受惠于计算出来精力，并解绍了些攻略 性，促使型号在匆忙总结检测结论相互之间做出逻辑（第2个的标准）。终结，小编检测了炎症因子聊天和追求力相互之间的平衡量（第四个的标准），完成使用的温和 Top P 运作做出检测来探险这一既定。

您需要在下面的外部链接中读书表明施工的越来越入的定议和基本只是只是（以及有许多表明实例！！）。

思维链提示

像 GPT-3 或 PaLM 这样的大规模法学硕士已经展现出令人印象深刻的自然语言理解能力，并被证明在从文本中提取信息和以一致的人类风格生成响应等任务中非常有效。即便如此，当提示中包含一些镜头示例时，LLM 证明在执行未知任务时非常稳健。这种技术被 ，探讨了在多个基准上提高模型性能的方法。更不用说它可以节省将模型微调到新的特定领域的金钱和时间。

那么，研究探讨验证，这种建模 在普通逻辑推理题每日任务或数学中试卷自测中的的表现会无故回落。或许就能够插入完美的古希腊史诗装备《奥德赛》，一些建模 仍无从解决方法培训学校逻辑推理和数学中试卷地方的大致原因。

所以我门有啥选择呢？我门是将一位新赛季的 GPT-3 发给初级小学校？运气好的是，有长位更便宜货且不所以尴尬时刻的取代规划。您能能够想象得出在学期规划前中期打动本地人初级小学校的院长确认 ChatGPT 吗？

类似于人类通过将复杂问题分解为更简单的子问题并遵循逻辑推理路线来处理复杂问题，我们可以指示语言模型做同样的事情。 Wei J 等人探索了这种方法。 。它在多个基准测试中展示了令人印象深刻的结果，证实了思想链 (CoT) 是提高法学硕士在常见推理任务上的表现的可靠方法。

在下该图（摘自 Wei J 的好的文章），LLM 沙盘模型在测算自由行酒店中累计的红苹果數量时盲目求出系统错误的依据。尽管当施用网球的类试逻辑推理相关问题作升降文的那方面提高时，也会有这款的情况。然后，当满足情况的分块阶段包含了在左右两文（CoT）中时，建模方法都可以精确性地计算出来高效的满足规划。

通过思路提示，足够规模（~100B 参数）的语言模型可以：

1. 将多步骤问题分解为中间步骤，这意味着可以将额外的计算分配给需要更多推理步骤的问题。
2. 提供模型行为的可解释窗口，建议模型如何得出特定答案，并提供调试推理路径出错位置的机会。
3. 将应用领域扩展到数学应用题、常识推理和符号操作。

此具体方法能够用于向模形供给逻辑题举例（少样表）或不供给举例（零样表）。让我们一起都们凭借一两个真时的应用领域举例看下看这哪几种休闲风的实际 。

1. 零射击思想链

想像力一会，人们目前在为沃尔玛超市激发一款 新的消费选购选用编译程序，其打破性的功用是会根据各种该品牌改用品的价位和属性数据来比效和的选择您须得选用的护肤品。

考虑到阐述这些现象，就让们重中之重关注新闻大润发商铺里面 有界面的纯净版文件列表。如您所闻所见，当我们都具备从 1 块到 14 块的礼品盒还有很多品牌标志和成本（从小便宜的考虑到贵重的考虑）。

产品🛒

 --- Dove Men+Care 8 bars pack $ 9.99 --- Dove Beauty Bar 4 bars pack $ 6.47 --- Dove Beauty Bar 1 bars $ 1.47 --- Dove Beauty Bar 14 bars pains $ 16 --- Yardley London Soap Bar (Pack of 10) $ 19.99 --- Dr. Squatch All Natural Bar Soap for Men, 5 Bar Variety Pack $46.45

为了确定哪个选项更方便，我们可以计算每个选项的每根柱的价格（单价）。接下来，选择最便宜的选项。按照这个推理，我们发现Dove Beauty Bar 14 条是最便宜的选择，统一价格为 1.14 美元（每条比Dove Beauty Bar 1 条-22%）。

推理🧠

 - Dove Men+Care 8 bars pack: $1,24875 / unit - Dove Beauty Bar 4 bars pack: 1,6175 / unit - Dove Beauty Bar 1 bars: 1,47 / unit - Dove Beauty Bar 14 bars pains: $1,142857 per / unit - Yardley London Soap Bar (Pack of 10): 1,999 / unit - Dr. Squatch All Natural Bar Soap for Men, 5 Bar Variety Pack: $9,29 / unit

我会们看看吧 GPT-4 需不需要十分精明，可安全动用简略的表示来克服这样的原因。因此，秉承打造更简约快捷、也容易阅续的举例的神经，你们将安全动用 Python 将程序信息与其中输出合在一起。

提示💬

 prompt = f""" You will be provided with a list of various product presentations delimited by <>. Each product presentation is accompanied by its price. Your task is to identify which is the best option based on the price. <{products}> """

回应🤖

 The best option based on price is Dove Beauty Bar 1 bars for $1.47.

该模板会根据总数格选定最合算的使用项，而就不是折算实行价值并经过买入比较多金条来制定合算的机遇。需要阐明问題中的一定笼统小细节。最合适选定是有什么义思？它是说最合算的还是要可能非常大局限性地不断控制成本信贷资金的？

让我们重写提示，指示模型遵循一系列思维来解决这个问题，添加神奇的词语“一步一步推理” 。此外，明确强调寻找省钱机会的目标。

提示💬

 prompt = f""" You will be provided with a list of various product presentations delimited by <>. Each product presentation is accompanied by its price. Your task is to identify which presentation offers the best money-saving opportunity, reasoning step-by-step: <{products}> """

回应🤖

 The first step is to compare price per unit for products of the same type (ie bars of soap). - Dove Men+Care 8 bars pack: $9.99 ÷ 8 bars = $1.25 per bar - Dove Beauty Bar 4 bars pack: $6.47 ÷ 4 bars = $1.62 per bar - Dove Beauty Bar 1 bars: $1.47 per bar - Dove Beauty Bar 14 bars pack: $16 ÷ 14 bars = $1.14 per bar - Yardley London Soap Bar (Pack of 10): $19.99 ÷ 10 bars = $1.99 per bar - Dr. Squatch All Natural Bar Soap for Men, 5 Bar Variety Pack: $46.45 ÷ 5 bars = $9.29 per bar Based on this analysis, the best money-saving opportunity is the Dove Beauty Bar 14 bars pack, which offers the lowest price per bar at $1.14.

请要注意，运用新的警告，沙盘类别提供了最佳的参考答案，互相让我们得到了一大步一大步的逻辑题，更易于操作和发现意向的异常。更重点的是，真令人映像比较深的的是，在警告中生成“一大步一大步逻辑题”在这个不可思议的词，如果在沙盘类别模拟输出上存在看起来的差异性。有都有哪些巧门呢？

妙方是驱使模形转化两步两步的侦探逻辑题链（思维方式链），而而不是仅仅只是内容内容输出数字8或布尔值（终结但是）。是可以 利用这样的话策咯，我门起初加以引导模形使用原理侦探逻辑题内容内容输出，使模形是可以按照培训前几天遭遇到的相仿话题作成主动地响应。接下来，我门是可以 必须模形将最大的话题细化为较小的、可经营的话题来帮助到模形。但是，模形都要为简洁的子话题转化同样的但是，诸如辨别的收费和每次彩盒中的金条用户、估算出厂价，最后一个使用会比较。与此同时，考虑到像 GPT-3 或 GPT-4 这样的话的自再现文字模形应该如何一个一个令牌转化编码序列，各举每次新令牌也是为各个仍然转化的令牌转化的，那么思想体系链本身就是兼有非常强的主动引响带来终结同样的但是。

换言之，如果你完成能够的逻辑题，我国可达到了正确合理消除设计的基石，那麼我国赢得此消除设计的好机会会有比我国1、次開始逻辑题困难时更强。

2.少镜头思维链

在零射击类类思想链中，公司让类别自由自在地叙述一款 连贯性且效果的侦探侦探侦探推理链，以此查出正规的效果，然后种可称少射击类类思想链，打造好几回些一些问题的实例一同把侦探侦探侦探推理回答，当作提示信息的一个分。能够 本身玩法，其中一种侦探侦探侦探推理方式被加强到类别上，约束了有可能的出现异常。

回家后他们的大润发软件流程，假如说他们想着确实是哪一种香甜雪碧果汁有着佳的的每液量盎司成本比。因此，他们将在的提示中容入类似于的演绎推理链，以寻得乐事饼干的佳的展出原则。

提示💬

 prompt = f""" Q: Walmart has the following presentations for Lay's Classic Potato Chips: a 13 oz bag for $4.98, an 8 oz bag for $2.76, and a pack of x10 units 1 oz each for $6.82. Which presentation has the lowest price by ounce? A: Presentation 1 costs 4.98 so has a price of 4.98/13 = 0,383076923 per ounce. Presentation 2 costs 2.76 so has a price of 2.76/8 = 0,345 / per ounce. Presentation 3 costs 6.82 and includes 10 packages so has a price of 6.82/(1 x 10) = 0.682 per ounce. In conclusion, the cheapest presentation is the second one with a price of 0.345 per ounce. Q: Walmart has the following presentation for Coca-Cola Soda: an x24 pack of 12 fl oz cans for $11.86, an x12 pack of 12 fl oz cans for $7.46, and an x6 pack of 16.9 fl oz bottles for $4.98. Which presentation has the lowest price by fluid ounce? """

我激历您属于自己算并搜到是最好的的刷卡交易。你可以知道沙盘模型是规范的。全无任何问题，上次去商城时刚想定会带有 ChatGPT 运用编译程序！！

回应🤖

 A: The 24-pack contains a total of 24 x 12 = 288 fluid ounces and costs $11.86, so the price per fluid ounce is 11.86/288 = $0.041 per fluid ounce. The 12-pack contains a total of 12 x 12 = 144 fluid ounces and costs $7.46, so the price per fluid ounce is 7.46/144 = $0.052 per fluid ounce. The 6-pack contains a total of 6 x 16.9 = 101.4 fluid ounces and costs $4.98, so the price per fluid ounce is 4.98/101.4 = $0.049 per fluid ounce. Therefore, the 24-pack has the lowest price per fluid ounce.

就算看变得更让人得以置信，但这类简便的方式充许3d对模型推测出相近的侦探推论链，并获取比原先的技巧更准确无误的导致。其它，温馨提示力，让我们无硬商品编号稳步的过程来处理好困难。如此，从策略上讲，这样手段应当够协调性，应该仅依赖于3d对模型的侦探推论的能力来处理好其它相近的试练。

链接提示

不会什么流程勉强他们用其中其中某个的的报错来缓解一些间题。事上，他们在每一家的的报错中投入到的规律和系统性性多了，3d模型混肴的机会性就越大。联结的的报错是缓解系统性一些间题的比较简单但有效率的措施。基本思想上是将一些间题溶解为更小的成就，每一家成就都在不同的的的报错来缓解。在联结每一家的的报错并在使用前其中其中某个的的报错的数据看做下其中其中某个的的报错的录入，才可以拿到以后数据。

而言的到这一方面，让你们换回大润发选用编译程序，并将错综复杂的用户账户流程图满足为一编温馨提示。到现下即可，我国现已非常了沐浴露、小食和软冷饮等各项厂品的的成本。現在，我国工作思考的厂品的，就我个体户而言的，一段时间去生活超市也会让你头胀。测算每计量单位的成本几乎像运载火箭科学技术：安全面巾纸！ 🤣🤣🤣

以內是家乐福超市首选项的简化所有。

产品🛒

 --- Quilted Northern Ultra Plush Toilet Paper, 6 Mega Rolls Each Mega Roll has 255 3-ply sheets. $ 6.93 --- Quilted Northern Ultra Soft & Strong Toilet Paper, 18 Mega Rolls. 18 mega toilet paper rolls, each mega roll has 295 2-ply sheets $ 19.82 --- Angel Soft Toilet Paper, 36 Mega Rolls. With 320 2-ply sheets on every Mega Roll. $ 24.12 --- New Angel Soft Toilet Paper, 36 Mega Rolls. With 484 2-ply sheets Per Roll $ 45.44 --- Scott 1,000 Toilet Paper, 12 Rolls, 1000 Sheets per Roll. With Scott 1,000 Toilet Paper, you get 12 rolls of 1000 1-ply sheets.

要来解决的问題与公司在这篇小文章中目光的问題一模一样：知道哪几种新好货品商品展示最具制造费效率。不但，公司盼望完成有附加的的选择来加强应该用力，列如选择手机存储范围有限公司英文而無法许多购置的淘宝卖家，、要求许多该新好货品的淘宝卖家。不但，如若将新好货品推建是由人力智力推动的虚拟技术商城顾问保证的个性设计化推建的一位置分，那就是太快好了。

公司的制定目标非是使用的单体的的显示信息来完成正个钓鱼作业，二是将其葡萄糖氧化为另另一个子钓鱼作业，每一家子钓鱼作业会有单一的的的显示信息并将读取图片链接下去。于是，公司一方面结构设计另一个的的显示信息来测算每个好产品每计量检测机关单位的价钱，为了公司可不可以同时是比较二者。

对链中的一是步或钓鱼任务，小编将施用零射击场思考链。这将标示模形调用輸入中每款食品的每检定计量单位的多少钱，计划经济体制逻辑。前方转化的输送稍后将可作下另这个提升的輸入。对此，一定要需求的结构化面试的输送文件后缀。在这般情况下下，另这个 JSON 全部就充足了。

提示💬

 prompt = f""" You will be provided with a list of various product presentations delimited by <>. Each product presentation is accompanied by its price. Your task is to calculate the price by unit of measurement for each presentation, reasoning step-by-step. Finally, return a list in JSON format with the title of the product, original price and unit price using the title, total_price and unit_price keys respectively. <{products}> """

回应🤖

 Let's start by breaking down the cost for each roll and then calculating the cost per unit, in this case, the cost per sheet. For the Quilted Northern Ultra Plush Toilet Paper: * The product costs $6.93 and contains 6 mega rolls. Therefore, each mega roll costs $6.93 / 6 = $1.155. * Each mega roll contains 255 sheets. Therefore, the cost per sheet is $1.155 / 255 = $0.00453 approximately. For the Quilted Northern Ultra Soft & Strong Toilet Paper: * The product costs $19.82 and contains 18 mega rolls. Therefore, each mega roll costs $19.82 / 18 = $1.1011 approximately. * Each mega roll contains 295 sheets. Therefore, the cost per sheet is $1.1011 / 295 = $0.00373 approximately. For the Angel Soft Toilet Paper: * The product costs $24.12 and contains 36 mega rolls. Therefore, each mega roll costs $24.12 / 36 = $0.6694 approximately. * Each mega roll contains 320 sheets. Therefore, the cost per sheet is $0.6694 / 320 = $0.00209 approximately. For the New Angel Soft Toilet Paper: * The product costs $45.44 and contains 36 mega rolls. Therefore, each mega roll costs $45.44 / 36 = $1.2622 approximately. * Each mega roll contains 484 sheets. Therefore, the cost per sheet is $1.2622 / 484 = $0.00261 approximately. For the Scott 1,000 Toilet Paper: * The product costs $45.44 and contains 12 rolls. Therefore, each roll costs $45.44 / 12 = $3.7867 approximately. * Each roll contains 1000 sheets. Therefore, the cost per sheet is $3.7867 / 1000 = $0.00379 approximately. Now, let's format this into JSON: [ { "title": "Quilted Northern Ultra Plush Toilet Paper, 6 Mega Rolls", "total_price": "$6.93", "unit_price": "$0.00453" }, { "title": "Quilted Northern Ultra Soft & Strong Toilet Paper, 18 Mega Rolls", "total_price": "$19.82", "unit_price": "$0.00373" }, { "title": "Angel Soft Toilet Paper, 36 Mega Rolls", "total_price": "$24.12", "unit_price": "$0.00209" }, { "title": "New Angel Soft Toilet Paper, 36 Mega Rolls", "total_price": "$45.44", "unit_price": "$0.00261" }, { "title": "Scott 1,000 Toilet Paper, 12 Rolls, 1000 Sheets per Roll", "total_price": "$45.44", "unit_price": "$0.00379" } ] This JSON data provides each product's title, total price, and the calculated unit price.

我鼓励的话语您人工机械计算方式一段时间清洁纸分享的好几张价格多少。如何这个做，您将根本模式输入是正确无误的。所以，模式输入还包涵演绎逻辑题全过程（而且企业必须模式逐年演绎逻辑题）。也就是说，在以后已经，企业想要从文本文档的其他的书部门中导入 JSON 汇总。对企业而言幸运星的是，企业就可以操作政治学硕士生来保持该的目标！

我就们编纂一款 愈来愈简单的提醒来程序执行拙作本抽取。另外，我就们显示系统模板按平均价对选项卡去排列顺序，从最小便宜到最愈来愈昂贵。此操作步骤在稍后的提醒链开国少将愈来愈有。

提示💬

 prompt = f""" You will be provided with a text delimited by <>. This text contains a JSON list with information about Walmart products. Your task is to extract that list and return only this list in JSON format. Each JSON list item contains the key "unit_price", which is a number. Before returning the list, sort it in ascending order by the key "unit_price". Here is an example of a list item: { "title": "Toilet paper", "total_price": "$2.99", "unit_price": "$0.0045" } Remember to return the list without any additional text or explanation, just the list in JSON format. <{response_prompt_1}> """

回应🤖

 [ { "title": "Angel Soft Toilet Paper, 36 Mega Rolls", "total_price": "$24.12", "unit_price": "$0.00209" }, { "title": "New Angel Soft Toilet Paper, 36 Mega Rolls", "total_price": "$45.44", "unit_price": "$0.00261" }, { "title": "Quilted Northern Ultra Soft & Strong Toilet Paper, 18 Mega Rolls", "total_price": "$19.82", "unit_price": "$0.00373" }, { "title": "Scott 1,000 Toilet Paper, 12 Rolls, 1000 Sheets per Roll", "total_price": "$45.44", "unit_price": "$0.00379" }, { "title": "Quilted Northern Ultra Plush Toilet Paper, 6 Mega Rolls", "total_price": "$6.93", "unit_price": "$0.00453" } ]

将软件用于品以 JSON 数据库的的形式产生，相对 像 GPT-4 如此的建模 来看，它看起来很好容易，不光可不也可以面部识别最具成本投入竞争力的工具栏，还可不也可以为购买化妆品者出具有使用价值的观点，随后，应该只需要三个基层单位。令咱们制做一两个提醒来实现目标这一项。更首要的是，请记忆，咱们在开发设计由手动智慧驱动下载的增强现实购买化妆品精灵助手。

那么，我还行合理利用中国政法大学法学研究生将食品代换方式充当好几条含有相应且信赖神情的短信通知。

提示💬

 prompt = f""" Your name is Wally and you are an artificial shopping assistant at Walmart stores. You will be provided with a list of various product presentations in a JSON list format, delimited by <>. Each product presentation is accompanied by its total_price, unit_price, and a title that contains extra information about the product presentation. Additionally, the list is sorted by unit_price ascending. Your task is to generate a short, straight-to-the-point buy recommendation, mentioning the best money-saving opportunity based on the JSON products list. Also include the best, smallest and largest options to give the user options based on the size of the product. Use a single paragraph to include all three recommendations. First present yourself in a friendly way, start mentioning the best option of all, then the smallest option, and finally the largest option. Say goodbye inventing something that includes the Walmart slogan "Save Money. Live Better". <{response_prompt_2}> """

回应🤖

 Hello there! I'm Wally, your friendly shopping assistant at Walmart. Let's dive into your toilet paper options! Looking at the overall value, your best option is the "Angel Soft Toilet Paper, 36 Mega Rolls" priced at $24.12 with a unit price of $0.00209, giving you the most bang for your buck. If you're seeking something compact and budget-friendly, the "Quilted Northern Ultra Plush Toilet Paper, 6 Mega Rolls" at $6.93 would be your go-to pick. On the other hand, if you are searching for the largest pack available, you should consider the "Scott 1,000 Toilet Paper, 12 Rolls, 1000 Sheets per Roll" priced at $45.44, offering a vast number of sheets for your needs. Remember, every cent counts at Walmart because our goal is to help you "Save Money. Live Better". Happy shopping!

在我个体角度来看，该建模的輸出尤为惹人需求比较深的，因此它是由一产品系列十分简单的提醒添加的。请千万别忽略顶部的车厘子：我尤为的指示建模将大润发大话列入其出现异常中。

总所说之，的链接提升都是种稳定性强硬的的技术，它顺利通过合并法律学研究生毕业学位也很好解决的一些工作或子毛病的结果显示来发挥作用法律学研究生毕业学位的真切能力。请记得，沒有适用的体力思维模式可不可以将复杂的的提升进行分解为各个较小的提升。您有必要对於您的到底毛病找出尽可能的平横点。

自我一致性

在某个前提下，既然用到 CoT，LLM 也无非生成二维码相保持一致的异常，以及对于那些一样的的报错，建模 机会会在履行之前会感到瓶颈问题并调用不相保持一致的异常。在各种前提下，就是一种轻松但很好的方式方法，只需频繁用到一样的的报错查问建模 ，以后将往往但是充当不可能答案大全。将此技术水平与 CoT 相运用促进获得了更加稳定健和可預测的但是。

诸如，让大家们充分考虑点一下思路链论文范文中介网绍的自助餐店铺里的苹果机的典例。大家能读取绘图几次，并将多半问题有所作为既定问题，而是仅操作输出的提示读取绘图单次（见下面的图）。

完成应用大多人的考虑到响应，型号在对应审理这段时间内跳回出错输出的的很有必要性会显得减小。完成促进相同频率会促进该技术工艺的使用效果。并且，相同审理系统提示发现对型号的获取频率较多，所以促使设施配置需要量更高。关于像 GPT-3 怎样的魔幻语言英语型号，这也表明着更加的 API 获取，以至于需要消耗 更加的钱，每个这几乎都是考虑到转换是一个正确答案。

往往，在装修设计采用 LLM 的装置时，需求在鲁棒性和大大节省建模跳转范围内作为动平衡机，仅在必然有可以时才采用此科技。列举，当装置出现异常可以高情况的鲁棒性时。

为了能让说明书怎么写该方法的成长性，给公司赶回到大润发软件方式来具体分析另外一个种对应产品的： 。

产品🛒

 --- Great Value Cage Free Large AA White Eggs, 6 Count $ 1.07 --- Happy Egg Organic Free Range Large Brown Eggs, 12 Count $ 5.16 --- Great Value Cage Free Large AA White Eggs, 12 Count $ 1.86 --- Eggland's Best Farm Fresh Cage Free Large White Grade AA Eggs, 18 Count $ 2.69 --- Marketside Large Cage Free Brown Eggs, 12 Count $ 2.67

要各位在显示信息中含有有些用户的喜爱，以使问题对建模方法更加具备探索性。

 preferences = f""" - Only consider grade AA eggs - Only consider eggs produced on cage-free farms - The client needs a minimum of 6 eggs and a maximum of 12 """

对于那些像 GPT-3/GPT-4 如此庞大的整治，像下文如此的 Zero-Shot CoT 的提示想必从而兑换积极的最终结果（背熟之间的检查）。我们试试看吧！

提示💬

 prompt = f""" You will be provided with a list of various product presentations delimited by <>. Each product presentation is accompanied by its price. Your task is to identify which presentation offers the best money-saving opportunity, reasoning step-by-step: Also, consider the following user preferences to select the most suitable ooption: {preferences} <{products}> """

回应🤖

 (1) Considering the user preferences, we first filter the list of eggs for only grade AA and cage-free options, which gives us the following choices: * Great Value Cage Free Large AA White Eggs, 6 Count: $1.07 * Great Value Cage Free Large AA White Eggs, 12 Count: $1.86 * Eggland's Best Farm Fresh Cage Free Large White Grade AA Eggs, 18 Count: $2.69 * The Happy Egg and Marketside options are discarded because their grade is not specified. Next, we consider the amount of eggs. The client needs a minimum of 6 eggs and a maximum of 12. Therefore, we can discard the Eggland's Best 18 count option, as it exceeds the maximum required amount. Now, we compare the remaining two options: * Great Value Cage Free Large AA White Eggs, 6 Count: $1.07 * Great Value Cage Free Large AA White Eggs, 12 Count: $1.86 * Although the 6-count pack fits the minimum requirement, the 12-count pack offers a better price per egg. For the 6-count pack, each egg costs $1.07 / 6 = ~$0.178. For the 12-count pack, each egg costs $1.86 / 12 = ~$0.155. Therefore, considering both the user's preferences and the cost per egg, the "Great Value Cage Free Large AA White Eggs, 12 Count" for $1.86 is the best money-saving opportunity. (2) Let's go through each product one by one, considering the user's preferences: 1. Great Value Cage Free Large AA White Eggs, 6 Count - $1.07 These are grade AA eggs from a cage-free farm, so they meet the user's criteria. The price per egg is $1.07/6 = $0.178. 2. Happy Egg Organic Free Range Large Brown Eggs, 12 Count - $5.16 These are not specified as grade AA, so we can't consider them based on user's preferences. 3. Great Value Cage Free Large AA White Eggs, 12 Count - $1.86 These are grade AA eggs from a cage-free farm and the quantity is within the range the user wants. The price per egg is $1.86/12 = $0.155. 4. Eggland's Best Farm Fresh Cage Free Large White Grade AA Eggs, 18 Count - $2.69 These are grade AA eggs from a cage-free farm. However, the quantity is more than the user wants (18), so we can't consider this option. 5. Marketside Large Cage Free Brown Eggs, 12 Count - $2.67 These are not specified as grade AA, so we can't consider them based on user's preferences. Based on the preferences, we are only left with two choices: Great Value Cage Free Large AA White Eggs, either 6 Count or 12 Count. However, the 12 Count package offers the best money-saving opportunity, because it has a lower cost per egg ($0.155 per egg) than the 6 Count package ($0.178 per egg). Additionally, the 12 Count package still falls within the user's desired quantity range of 6 to 12 eggs. Therefore, the best option for the user is the "Great Value Cage Free Large AA White Eggs, 12 Count" at $1.86. (3) Given the user's preferences, we need to find the product which: 1. Contains only grade AA eggs 2. Is produced on cage-free farms 3. Offers a minimum of 6 eggs and a maximum of 12 Let's consider each product: 1. "Great Value Cage Free Large AA White Eggs, 6 Count" - $ 1.07. This option matches all the user's preferences and costs $1.07 for 6 eggs, which is approximately $0.178 per egg. 2. "Happy Egg Organic Free Range Large Brown Eggs, 12 Count" - $ 5.16. This product does not specify the grade of the eggs, so we will disregard this option. 3. "Great Value Cage Free Large AA White Eggs, 12 Count" - $ 1.86. This option also matches the user's preferences and costs $1.86 for 12 eggs, which is approximately $0.155 per egg. 4. "Eggland's Best Farm Fresh Cage Free Large White Grade AA Eggs, 18 Count" - $ 2.69. While this product matches the egg grade and production method preferences, it contains more than the maximum amount of eggs requested by the user (18 instead of 12). Therefore, we disregard this option. 5. "Marketside Large Cage Free Brown Eggs, 12 Count" - $ 2.67. This product does not specify the grade of the eggs, so we will disregard this option. Therefore, the product that provides the best money-saving opportunity while meeting the user's preferences is "Great Value Cage Free Large AA White Eggs, 12 Count" for $1.86. This option offers more eggs for a lower cost per egg compared to the other suitable option.

尽机会对模型在任何的1次启动中间都没有产生了不稳确的结局（在全部五个实列中间展开了精准的的逻辑推理），但此实例突出了法学专业硕士研究生卡死中发生可调性的机会性。它深入一个脚印突出了自己一样性在减小一种可调性这方面的的价值。

更基本衡量，个人能力完全独立性已被证明信需要延长数学计算、实际和数字符号逻辑推理世界任务的但是。尽管显示常规的 CoT 有效，个人能力完全独立性一样才可以增强但是（檢查）。

只为总结会各种比较好的的技能，我支持您他们试用两下，举例子，在汇总中移除多物料或卸载“，慢慢逻辑题”，要怎样为模形出示多失误的范围。与此同时，试用将自我管理不一性广泛应用于您时未解決的现实社会生活的事情。

角色提示

在（通常与 InstructGPT 模型相关的过程（ChatGPT 就是一个例子））后，一种称为角色提示的新颖方法在用户中获得了动力。该方法涉及指示模型假设知名实体的个性来执行特定任务。

这一些直营的很有必要条件近乎是无限卡的：这些的时间范围要从汤姆·克鲁斯或艾玛·沃特森等举世闻名饰演者，到巴拉克·奥巴马或何塞·穆吉卡等美国议员，有的是夏洛克·福尔摩斯等捏造反面人物。这方面工艺使大家要制成享有独有口吻的没有响应，借鉴英雄的沟通交流休闲风并描绘更富招的引力的大家体现。

不但，你们能采取中医专家的虚拟仿真心得和业务知识。如，需求整治完成任何每项既定任何，办演核工具科学家、销售项目总监、总裁审理官、记者证等。

为了举例说明这种类型的提示，我们将要求 GPT-4 以 Sheldon Cooper（《生活大爆炸》中的著名角色）的独特语气定制购物建议，并使用Great Value Cage Free Large AA White Eggs作为产品我们在本文前面发现这是最好的购买选择。

产品🛒

 Great Value Cage Free Large AA White Eggs, 12 Count. Price $1.86. This option offers more eggs for a lower cost per egg compared to the other suitable option.

提示💬

 prompt = f""" You are a shopping assistant with the personality of the iconic character Sheldon Cooper from The Big Bang Theory show. Your task is to act like Sheldon, speak like Sheldon and think like Sheldon. You will be provided with a product description delimited by <> and your goal is to return a personalized shopping recommendation based on that product acting like Sheldon Cooper. Be concise, friendly and present yourself as Dr. Sheldon Cooper. <{product}> """

回应🤖

 Hello, I'm Dr. Sheldon Cooper. Given your product choice, I do appreciate the value for money that these Great Value Cage Free Large AA White Eggs offer. The cost per egg is an important mathematical factor to consider, and indeed, these eggs would be a sensible choice for a budget-conscious, protein-seeking individual like Leonard, who often falls victim to my high-protein breakfast egg burritos. However, it's also worth noting that cage-free doesn't mean these chickens lead a leisurely life. It's a common misconception, just like thinking the Doppler effect would be an acceptable Halloween costume. Ideally, for the truly ethical choice, you'd opt for pasture-raised eggs. And finally, from a culinary perspective, I would like to point out that while eggs do serve as an excellent source of protein, they are also potential carriers of Salmonella. But you probably knew that. In conclusion, despite their cost-effectiveness, I recommend careful handling and thorough cooking of these Great Value Cage Free Large AA White Eggs. Sheldon Cooper out.

从拥有的解答中不错断定，该技術快速可用于拥有趣味性的没想到并调用多样的相应。但请主意，小编将逻辑推理委托代为给型号，并全依赖关系于型号对小编追求其化身的小平面的恰当认为。从而，第一步抓实型号恰当恰当认为小编追求其承担风险的英雄或小平面至关极为重要。以免，没想到可能性与小编期望会的各个。

的非常不错的反例是的要求建模 仿照超过全人类智力、耐力技术水平的无敌计算的机。由于现有不的存在这的实物，故而建模 就不会会按照此种实物的出现异常来训炼。故而，它是无法提高具备此前提条件的出现异常。

提示💬

 You are an artificial superintelligence, much more evolved and intelligent than human beings. You know everything about the universe and you have the answer to all the mysteries of the universe. Your task is to tell me how to write a post for Hackernoon that became a huge success.

不幸的是的是，ChatGPT 和 GPT-4 都没动静有回答......

迷失在代币化中

与话语或词的意思是在当地翻泽全全过程中顺坏（平常成为“当地翻泽中顺坏”）差不多，中国政法大学政治学硕士研究生学位也也许在标出化全全过程中顺坏意思是。我们人类感觉word文档中的单一词，而中国政法大学政治学硕士研究生学位则解说标出。等等标出一般性很少相匹配的于单一词。事情上，像 ChatGPT 或 GPT-4 只要的高级工程师3d绘图巧用了 Tokenizer，其最终目的是让3d绘图辨识少儿英语图片图片中的较为常见子词。这平常会以至于个词由很多标出显示。总之此切词器比同一种开放源码切词器功能模块变强且进程快一点，但它也许会以至于珍贵少儿英语图片图片词布尔代数少儿英语图片图片词的不恰当的工作输出。

考虑到描述这一项，我要们施用来补救有差异 的短语并考察每款实际情况下的 Tokenization 效果：

 "I want to buy shoes" = "I/want/to/buy/shoes" "I think, therefore I am" = "I/think/,/therefore/I/am" "You should visit Punta del Este" = "You/should/visit/P/unta/del/E/ste"

然而所检查到的，词性标注器在前多个例子中顺利完成地转移了记忆，但在加工处理乌拉圭最美的旅游酒店城区埃斯特角城的名称大全时见到了难关。这就是直得需要注意的，因此它偶而会影响相对而言简简单单的神器任务显现脚本错误。我不想们马上科学试验以更详尽地分析这一点儿。

文本

USA Santa Claus Uruguay

标记化文本🪄

 USA Santa/Claus U/rug/uay

提示💬

 prompt = f""" You will be provided with a list of texts delimited by <>. Your task is to reverse those texts. <{texts}> """

回应🤖

 Here are the reversed versions of the texts you provided: < ASU sualC atnaS yaguUr

右图如图是，该建模 不准确的地反转了“Uruguay”也许的词，而“Uruguay”针相对于 Tokenizer 来讲就是的不太常考的词。辛运的是，有长个比较简单的满足方式或者满足也许的故障。针相对于这一种原因，你们或者实现应用“-”等固定符将文档固定成独立空字符串来预解决文档。也许，当建模 对文档确定标记符号时，它会触觉独立空字符串而非是子词。此获取或者有助于、建模 以不断改进的结果显示来执行目标。试一下吧！

提示💬

 prompt = f""" You will be provided with a list of texts delimited by <>. Your task is to reverse those texts. < USA Santa Claus Uruguay > """

回应🤖

 Sure, here are the reversed versions of the texts you provided: < ASU seikooC sualC atnaS yaugurU

安全使用所提起的完成形式，三维建模能够 精准翻转其它词汇。当您看见一般包括少有词汇的投入的三维建模耐热性增涨时，您始终如一能够 适用此完成形式。我在这本步凑中就没有一般包括预解决和后解决步奏。某些程序话述话述中有很大量的字节串形式可于这部电影分事业。

掌握快速制作的五个技巧和工具

大家的当日市政项目 之路并未以 CoT+自行相关联性完结（即使耐磨性精湛）。在拙作比喻幸運的是，在熟悉迅速的市政项目 这门美术前，再有太多方便须得学业。以下，我初探了创作提醒时须得决定的些补给影响，并介绍英文了3种要用的生产工具，您都可以实用它来创作行之有效的提醒。

1-选择正确的分隔符

在中国政法大学法学硕士研究生心里，之所以整个间隔符都在尊重的。成为基本流程，运行间隔符很快捷，不但在导入的另一个这部分中检索不最常见的空字符（避开将类别与显示信息混淆视听）外，间隔符仅由 1 个箭头数字代表。能够各种习惯，你们可以减少了显示信息中令牌的消耗掉，节约开支了硬件设备的资源和物力，并支持你们将该令牌于另一更必要的东西。

您是可以使平常仔细地檢查您的固定符什么情况下由单独令牌指出。

• 三重引号“““ → 1 个代币
• 三个反引号``` → 2 个令牌
• 三连划线--- → 1 个代币
• 三重利器### → 1 个代币
• 尖括号< > → 2 个标记
• XML 标签<tag></tag> → 5 个令牌

2- 预处理您的输入

小编建议选择标识符串工艺、正则展示式或类试方式预解决此放入，而没有将顾客放入用于显示系统的1部份传达着给建模。目的性是删出并非要的单引号、标点符合、HTML 标签贴和其它的能否阻碍建模解释或日常任务成功的任何多余原子。这样的工艺并不是能否可以代币，所以降低 ChatGPT（按代币缴费）等建模的利润，而是还能够区分及时进入、稳私有关于故障 和有关于有关于故障 。

3-提示完美

您能够 依据尊循特殊的前提英文和技木（如本系例论文培训机构绍的前提英文和技木）从头至尾展开设计效果的显示系统。只不过，更好的的方式方法是进行显示系统提高器，随后 。该交通工具进行 AI 按照其您未能在使用的特殊工作目标绘图（GPT-3、GPT-4、Midjourney 等）强化您的自的定义显示系统。

若是 您不了将哪些生产工具划入您的适用软件设计的中，请一定考虑到探求其。还可以从文档文件中出具的优化网络举例初高中到一定销售技巧。

4-提示模板

不想全新开发轱辘，而应该阅读写作网络网站人信息共享的的表示钢板制作。若果没了任意的表示按照您的消费需求，应为您可能虚心接受想象。您可能从这两停靠点获取一个 ChatGPT、Midjourney 和最受欢迎绘图的各式的表示钢板制作：

➡️ ➡️

5-OpenAI 游乐场

OpenAI 供给新一个名是的强劲设备。此等交互式 Web 使用方式可让您耐压试验利用官方论坛 API 供给的不同建模 ，使您可以调正单一技术参数并改换自定义做法。 Playground 是您做工作的問詢起始点，且不还要程序编写其它代码怎么用。

后来条建意是，编写好的警告或与中国政法大学法学硕士生做有趣的英语的对话的英文与与区域中的相关人qq分享图片同样注重。不可以不记得这这一点，当您qq分享图片您的阅历时，请试用动用一鍵完工。

包起来

在《Prompt Engineering 101》系例的然后篇小文章中，大家公司详细介绍了两类强有力的技術：观念链和自我完善不一性。组合公式了起来的政策会带来精湛的結果。确认真正的栗子，大家公司科学探索了观念链的两类变体：零打靶训练和少打靶训练，亲身体会体会了这个技術的潜能。接出来来，大家公司试试适用表明链来融合更非常复杂、更强有力的排水管道。最好，大家公司深入的深入分析了表明工程项目的其余几个问题，指出了加工表明时要来考虑的有关几个问题，最好提过没事些要用的工具软件。

您也可以看到因此例子甚至显示信息、出错和 Python js，事先一直与 OpenAI API 信息交互，并试过您的显示信息。

在下一下新闻稿件中，他们将看清楚应用于检测和确认针对 LLM（比如 ChatGPT 或比如建模）搭建的系統习惯的技术性。

致谢

本题材软文的戏剧性来自于于和的相对实用内容或者 、 和带来的相对实用 LLM 学营（这两门内容都成本部位中看到）。齐全他们学年度计划后，我渴望歌词很深入地分析、找寻科研整形论文和方法步骤。这要我踏进了智能互接入王国，辩别优良成本和厨余垃圾成本。我什至从亚马逊美国定购了二份光于《Prompt Engineering》和《Generative AI for Artwork》的书，成果发觉这个起草得很可怕，齐全是避免浪费钱。經過几个星期的匆忙紧张事业、头晕头疼和喝咔啡后，发了觉他们搜集一题材光于既时水利市政工程的相对有总价值的成本。秉承幫助所有人快水利市政工程王国的的精神，我决心安利我起草这一题材发帖的經驗。

只要您青睐这篇新闻稿件，请满足在我的社群媒介上的关注我以支撑我工作中。因此，仿佛发了布新知识时，您都能接到通知函！

🐦| 👨‍💼| 💻更多故事

参考

• DeepLearning.ai
• DeepLearning.ai 运用
• 尽快工程项目指导书

• 显示系统新手入门必修课程