Prompt简介Prompt是用来与大型语言模型（LLM）交互的指令或提示，Prompt可以包含问题、主题、文本或其他类型的信息，让模型根据这些信息执行一个任务，例如生成文本、回答问题、分类文本等等。
Prompt是一种用来与大型语言模型（LLM）交互的指令或提示。Prompt可以包含一个问题、一个主题、一段文本或其他类型的信息，让模型根据这些信息执行一个任务，例如生成一段文本、回答一个问题、分类一段文本等等。Prompt可以是一个简单的短语，也可以是一段完整的段落或一篇文章。在进行Prompt工程时，你需要选择合适的Prompt，提供足够的上下文和数据，以及尝试不同的指令和参数，以获得最佳的结果。
下面是本站整理的关于所有Prompt的目录，可以选择性查阅。
| 文章 | 描述 |
|---|---|
| Prompt｜简介 | 本文介绍了什么是Prompt？ |
| Prompt｜基本使用 | Prompt与AI对话的基本用法 |
| Prompt｜高级用法 | |
| Prompt｜对抗性提示 |
此文章由OpenAI开源维基百科原创发布，如若转载请注明出处：https://openai.wiki/prompt.html
本指南介绍了如何使用提示与大型语言模型进行交互和指令的基础知识，包括温度和top_p参数的配置，以及基本提示和少量提示等。我们还探讨了如何使用指令、QA格式和示例来构建有效的提示。
本文介绍了两种处理超过OpenAI嵌入模型最大上下文长度的文本的方法，即简单截断文本和分块处理文本。通过本文，您可以了解到如何避免因超过最大长度而导致的错误，同时又不失去可能相关的文本内容。
本文展示了如何使用简单的K-means算法进行聚类。聚类可以帮助在数据中发现有价值的、隐藏的分组。本例中使用的数据集在Obtain_dataset Notebook中创建。
本篇文章讲述了使用GPT-3对文本进行分类的实践，并分享微调GPT-3进行文本分类的方法。文章包括数据探索和数据准备等环节，并介绍了如何使用Sklearn和Pandas等工具对数据集进行操作。
本文介绍了OpenAI的get_embedding函数，可用于获取输入文本的嵌入向量。通过Python代码示例展示了如何使用该函数，获取指定文本的嵌入向量，进而用于语义搜索、推荐、聚类分析等应用场景。
