提供示例的一种方法是以先前对话的形式。在给 Claude 时使用不同的对话定界符,例如“ H: ”而不是“ Human: ”和“
提供示例的一种方法是以先前对话的形式。在给 Claude 时使用不同的对话定界符,例如“ H: ”而不是“ Human: ”和“ A: ”而不是“ Assistant: ”使用此方法的示例。这有助于防止示例与对话中的其他对话混淆。下面是例子(图 5): 疑难病例(可选) 如果你可以预见 Claude 在您的输入中可能遇到的困难或不寻常的情况,请在提示中描述它们,并告诉 Claude 遇到它们时该怎么做。 如果你在Claude的回答中发现偶尔但持续的失败,则此信息可能有助于添加到你的提示中。例如(图 6): 接下来是第一部分的第二小结,优化你的提示 一旦你有了满意的提示模板,就可以开始测试它了。然后(如果需要)你可以根据 Claude 在测试中的表现来改进您的提示。 收集一组不同的示例输入 最好使用代表你将要求 Claude 处理的真实数据的输入集来测试你的提示。请务必包含 Claude 可能遇到的任何困难输入或边缘情况。 通过使用这些输入测试你的提示,可以估计Claude在实际操作中的表现。这也可以帮助你看到Claude遇到了哪些困难。 在开发提示模板时,尽可能多地获取输入是很好的,我们建议至少20个或更多,具体取决于任务。 预留(“保留”)一组测试输入 当提出测试输入时,我们建议使用单独的“提示开发数据”和“测试数据”集。两个(或更多)组应该代表真实的输入。 使用你的提示开发数据来评估Claude的表现如何。 迭代你的提示,直到Claude在此数据上始终获得良好表现。 (可选)生成综合数据 如果你想要更多的输入数据,但是又没有很多,你可以启动另一个Claude实例来为你生成额外的输入文本进行测试。如果你解释一下什么是好的输入数据,然后给几个例子,你可以从Claude获得更多这样的例子。 实验和迭代 优化一个提示就像进行一系列实验一样。你运行测试,解释结果,然后根据结果调整一个变量。 当Claude未通过测试时,尝试找出失败的原因。调整你的提示以解决该故障点。 调整提示可能涉及: 1、更明确地编写规则或添加新规则。 2、通过将类似的示例和规范输出添加到提示中,向 Claude 展示如何在提示本身中正确处理示例。 在提示中添加规则和示例,直到你在代表性输入集上获得良好的性能。我们建议还执行“保留测试”。 奖励:请Claude评估其输出 可以使用 Claude 来“自我评估”它之前给出的答案。比如: 1、如果你认为模型可能犯了错误,请让模型检查其工作 2、添加一个额外的尽职调查步骤到一个任务 3、根据你的指示,将响应分类为好或坏,或者说出它更喜欢两个初始响应中的哪一个以及原因(例如,以便你可以决定使用哪一个) 比如下面的例子(图 7): 如果 Claude 在第一次尝试中未能识别出一些错误,你可以尝试添加第二遍(图 8): 你可以通过下面会说到的“提示链接”自动执行这样的“额外注意”步骤。 到这里第一部分提示设计的内容就结束了,整理不易,感谢支持。
在Telegram中查看相关推荐

🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人