AI提示词优化:探索火山方舟 Prompt 调优,一篇文章带你了解

火山方舟大模型向量数据库

点击下方👇 “AI 工具使用宝典” 关注公众号

让成长不再孤独!

平时我们问 ai 问题的时候,有时候得到的结果感觉不是自己想要的。

例如:我问 kimi:“今天天气怎么样”;他给我发了全国的天气。

而我只是想要北京今天的天气怎么样,这种情况下我就应该问 kimi:“今天北京的天气怎么样”。

得到的答案就只是今天 12月19号北京的天气。

而 “今天北京的天气怎么样” 这句与 AI 进行交互的这段话就是提示词(Prompt)。

我们可以通过优化自己的提示词(Prompt),来使得我们获取到的答案更符合预期。

picture.image

火山方舟 12月18日 发布的 Prompt 调优,可以帮助我们更加方便快捷的提升 Prompt 调优的效率。

官方文档:https://www.volcengine.com/docs/82379/1399497

登录

火山方舟:https://console.volcengine.com/auth/login?redirectURI=%2Fark

Prompt 生成

点击立即体验,目前免费使用

picture.image

输入想要 AI 完成的任务,然后点击 “生成 Prompt”

picture.image

这个提示词简洁明了,作用在于为 AI 下达需要完成的任务指令,然后我需要将个人 IP 描述发送给 AI,接着 AI 会依据指导原则展开思考,最终总结并生成 AI 绘画提示词。


 
 
 
 
   
你的任务是根据提供的个人IP描述来生成AI绘画的提示词。  
  
首先,请仔细阅读以下关于个人IP的描述:  
<个人IP描述>  
{{PERSONAL_IP_DESCRIPTION}}  
</个人IP描述>  
  
在生成提示词时,请遵循以下指导原则:  
1. 要包含与个人IP特征相关的元素,例如外貌特征、性格特点、标志性服饰或道具等。  
2. 考虑色彩搭配、背景设定等能突出个人IP形象的因素。  
3. 如果个人IP有特定的风格(如科幻、复古等),要在提示词中体现。  
  
在<思考>标签内,先构思一下提示词的要点,例如哪些元素是必须要包含的,如何体现个人IP的独特性等。  
  
最后,请在<回答>标签内写出完整的AI绘画提示词。

使用豆包,生成的结果简约,只包含思考和最终的总结,不会有冗余

picture.image

通过 即梦AI 生成

picture.image

Prompt 调优

调试

以往进行提示词调优时,我们在输入框内编辑提示词后发给 AI,若是还需要向 AI 发送其他描述信息,就需要多次反复操作,这无疑会浪费大量时间。但现在,只需在左边修改,然后调整一下中间的变量,最后点击 “生成模型回答” 即可。

左边是生成的提示词,中间是填写变量,右边是生成的回答。

picture.image

批量

火山方舟提供手动编辑表格,上传数据(excel),AI 自动生成 三种方式进行批量调试。

评分的主要作用是智能优化的时候,AI 可以通过这个评分进行辅助优化提示词。

评分可以通过自定义评分标准或者手动评分。

手动编辑表格

1)点击添加行

picture.image

2)填写变量、参考答案(可选)然后点击生成全部答案

回答完成之后给答案进行评分(或者设定评分标准让他自动评分)

picture.image

上传数据

1)新建 excel

必填列名:变量;例如:{{PERSONAL_IP_DESCRIPTION}},那么列名就为 PERSONAL_IP_DESCRIPTION

选填列名:参考答案、模型回答、评分、评分分析。注意,列名必须保持一致,否则导入时将会被忽略

picture.image

2)将 excel 上传

picture.image

picture.image

3)点击“生成全部答案”

picture.image

AI 自动生成

    1. “变量生成规则”:自己设定变量生成规则。
    1. “AI 生成变量”:根据变量生成规则,填写你要生成的数量,单击确定后就会批量生成数据
    1. 点击 “生成全部回答”,就可以进行调试评分了

picture.image

智能优化

通过之前调试的提示词,根据评分进行 AI 辅助智能优化提示词,并生成智能优化报告。

picture.image

点击 “查看优化报告”

picture.image

他会根据我刚刚调试的评分进行优化,从这里看出来,他补充一些细节,确实比之前好很多了

picture.image

picture.image

如果你也对 AI 感兴趣,欢迎直接链接我,微信号:A_HAHA_FEI

picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论