【白领服务工作室】的文章、微头条以及视频等，都是本工作室在数据处理实际业务中积累的经验和技巧，均经过实际的测试和验证，绝非纸上谈兵的堆文字凑数量。本头条号是将工作室日常数据处理过程中遇到的好的方法、好的思路、好的亮点，呈现给大家，与大家共享。

Prompt是使用大模型的重要内容，Prompt（提示词）的好差，直接关系到我们能够从大模型得到结果的好差。所以，掌握prompt，是大模型使用的一项非常重要的技能。今天这节课，我们来看看如何通过在prompt中使用举例子，来更精准地告诉大模型，我们需要什么样的结果。有时，也只有通过举例子而非文字解释，才能更准确地让大模型知道我们需要什么样的结果。

prompt使用例子1

我们看到，输出结果与例子完全一致，是我们想要的结果。

也就是，通过示例，既可以简化prompt的说明，也可以得到更准确的结果。

prompt使用例子2

将<input>后面的数值分别计算出平方、三次方、四次方的结果，并将结果输出为一个JSON，该JSON有3个字段，分别是square、cube、quartic，其中square代表平方的结果，cube代表三次方的结果，quartic代表四次方的结果。下面是一个示例：

<input>3

<output>{“square”: 9本， “cube”:27篇, “quartic”:81页 }

根据上面的示例，分别计算下面<input>后面数值的结果：

<input>4

<input>10

在示例的输出结果中，我们加入了计算结果的单位。在输出的结果中，也按照示例输出了单位。

prompt使用例子3

根据<input>后面的姓氏，找出该姓氏的三个历史名人的姓名，输出结果是一个JSON，该JSON有3个字段，分别是第1个历史名人、第2个历史名人、第3个历史名人。下面是一个示例：

<input>朱

<output>{“第1个历史名人”: 朱元璋–皇帝， “第2个历史名人”:朱熹–学者, “第3个历史名人”:朱德–军事家 }

根据上面的示例，分别找出下面<input>后面姓氏的历史名人：

<input>冯

<input>上官

输出结果如下：

{“第1个历史名人”: “冯异–东汉开国名将”, “第2个历史名人”: “冯道–五代十国时的政治家”, “第3个历史名人”: “冯谖–孟尝君的门客”}{“第1个历史名人”: “上官桀–西汉大臣”, “第2个历史名人”: “上官仪–唐朝宰相、诗人”, “第3个历史名人”: “上官婉儿–唐代女官、诗人”}

prompt使用例子4

下面是第1示例：

<input>明太祖朱元璋（1328年10月21日—1398年6月24日），字国瑞， 原名朱重八、朱兴宗。濠州（今安徽凤阳）钟离人。 明朝开国皇帝（1368年—1398年在位），年号“洪武”。

<output>{“姓名”: 朱元璋， “出生地”:安徽凤阳, “出生日期”:”1328年10月21日” }

下面是第2示例：

<input>明万历二年（1574年），冯梦龙出生于南直隶苏州府吴县籍长洲（今江苏苏州）葑门一带。

<output>{“姓名”: 冯梦龙， “出生地”:江苏苏州, “出生日期”:”1574年” }

根据上面的示例，请从下面2个<input>中分别找出姓名、出生地、出生日期，注意下面有2个<input>，需要输出2个JSON：

<input>秦始皇嬴政（前259年—前210年），嬴姓，赵氏（一说秦氏），名政（一说正）。

<output>

<input>秦昭襄王四十八年正月，嬴政出生在当时赵国的邯郸廓城（今河北邯郸）。

<output>

输出结果如下：

{“姓名”: “嬴政”, “出生地”: “河北邯郸”, “出生日期”: “前 259 年”}

{“姓名”: “嬴政”, “出生地”: “河北邯郸”, “出生日期”: “前 259 年”}

上图中，我们只使用了一个<input>，输出结果如下：

{“姓名”: “嬴政”, “出生地”: “无”, “出生日期”: “前 259 年”}

总结

我们看到，通过举例子，能够更清晰地说明问题，向大模型传递了准确的提示，同时也让大模型更好地理解我们的诉求。这类似于人与人之间的沟通，往往通过举例子，可以更好地向对方解释我们的需求，对方也能够更准、更快地理解我们的需求，从而对方能够给出更准的反馈结果。