微信扫码
添加专属顾问
什么是Prompt?
提示是输入给LLMs的信息,用于引导其输出。例如,你可以输入“写一首关于树的诗”、“请翻译以下内容为简体中文“等,模型就会生成一首相关的诗歌或者翻译的内容。提示不仅限于文本,也可以是图像、音频等多种形式。
Prompt方法
上下文学习(In-Context Learning, ICL)是一种强大的技术,能够让大语言模型(LLM)通过提供示例上下文,在不改变模型参数的情况下学习执行新的任务。
少样本提示(Few-Shot Prompting)是一种在大语言模型中常用的技术,通过提供少量示例来引导模型完成任务。这些示例被称为“提示”(prompts),它们帮助模型理解任务要求,并生成符合预期的输出。
“思维链”(Chain of Thought, CoT)是一种用于提高大语言模型性能的提示技术,通过引导模型逐步思考和推理,以便在复杂任务中生成更准确和连贯的答案。这种技术模仿人类的思维过程,通过分步骤解决问题,增强模型的推理能力。
如何利用伪代码控制LLM?
当我们遇到一些复杂的任务,比如要求模型生成特定的 JSON 格式,或者任务有多个分支,每个分支需要执行多个子任务,子任务之间还相互关联,这时候上述提到的几种Prompt方法就不太适用了。Prompt 的本质是一种对 LLM 的控制指令,如何借助伪代码来精准的控制 LLM 的输出结果和定义其执行逻辑呢?
伪代码是一种使用自然语言描述算法或程序逻辑的简洁、非正式的语言。它既不需要遵循严格的编程语法,也不特定于某种编程语言。伪代码的目的是帮助人们更容易地理解和沟通算法设计和编程思路,而不被具体编程语言的细节所困扰。
Please split the sentences into short segments, no more than 1 line (less than 80 characters, ~10 English words) each.Please keep each segment meaningful, e.g. split from punctuations, "and", "that", "where", "what", "when", "who", "which" or "or" etc if possible, but keep those punctuations or words for splitting.Do not add or remove any words or punctuation marks.Input is an array of strings.Output should be a valid json array of objects, each object contains a sentence and its segments.Array<{sentence: string;segments: string[]}>
用伪代码整理字幕文稿
整理字幕文稿这个任务相对比较复杂,如果想象一下要写一个程序来完成这个任务,可能会有很多步骤,比如先提取章节,再提取发言人,最后按照章节和发言人整理对话内容。我们可以借助伪代码,将这个任务分解成几个子任务,对于子任务,甚至不必写出具体的代码,只需要描述清楚子任务的执行逻辑即可。然后一步步执行这些子任务,最后整合结果输出。
subject、speakers、chapters、paragraphs 等。You task is to re-organize video transcripts for readability, and recognize speakers for multi-person dialogues. Here are the pseudo-code on how to do it:def extract_subject(transcript):# Find the subject in the transcript and return it as a string.def extract_chapters(transcript):# Find the chapters in the transcript and return them as a list of strings.def extract_speakers(transcript):# Find the speakers in the transcript and return them as a list of strings.def find_paragraphs_and_speakers_in_chapter(chapter):# Find the paragraphs and speakers in a chapter and return them as a list of tuples.# Each tuple contains the speaker and their paragraphs.def format_transcript(transcript):# extract the subject, speakers, chapters and print themsubject = extract_subject(transcript)print("Subject:", subject)speakers = extract_speakers(transcript)print("Speakers:", speakers)chapters = extract_chapters(transcript)print("Chapters:", chapters)# format the transcriptformatted_transcript = f"# {subject}\n\n"for chapter in chapters:formatted_transcript += f"## {chapter}\n\n"paragraphs_and_speakers = find_paragraphs_and_speakers_in_chapter(chapter)for speaker, paragraphs in paragraphs_and_speakers:# if there are multiple speakers, print the speaker's name before each paragraphif speakers.size() > 1:formatted_transcript += f"{speaker}:"formatted_transcript += f"{speaker}:"for paragraph in paragraphs:formatted_transcript += f" {paragraph}\n\n"formatted_transcript += "\n\n"return formatted_transcriptprint(format_transcript($user_input))
下面是一段画图的伪代码,请按照伪代码的逻辑,用DALL-E画图:images_prompts = [{style: "Kawaii",prompt: "Draw a cute dog",aspectRatio: "Wide"},{style: "Realistic",prompt: "Draw a realistic dog",aspectRatio: "Square"}]images_prompts.forEach((image_prompt) =>{print("Generating image with style: " + image_prompt.style + " and prompt: " + image_prompt.prompt + " and aspect ratio: " + image_prompt.aspectRatio)image_generation(image_prompt.style, image_prompt.prompt, image_prompt.aspectRatio);})
借助伪代码,我们能够更精确地控制LLM的输出结果并定义其执行逻辑,不仅局限于自然语言描述。在处理复杂任务或涉及多个分支、每个分支需执行多个子任务且子任务之间相互关联时,使用伪代码来描述Prompt会更清晰和准确。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-07-03
开发者转向 AI 应用工程,真正要迁移的是工程判断力
2026-07-02
不改一行代码,看透 AI Agent 的每一次调用
2026-07-02
AI 不缺智商缺纪律:一场 Harness 工程化实践
2026-07-02
天工 3.2 重磅升级:Skywork Tags 上线,给 Agent 一张工牌,邀其加入你的工作群聊
2026-07-02
Context Infra 会是 AI 领域的下一个热点
2026-07-01
一文了解|SkillScan 智能体技能安全扫描最佳实践
2026-07-01
协作的逆向演进:从 Agent 逻辑重构团队管理
2026-07-01
港科大郭毅可谈Agentic AI时代的核心命题:人机共生,人不可能退场
2026-04-15
2026-04-07
2026-04-07
2026-04-24
2026-04-17
2026-04-05
2026-04-05
2026-04-14
2026-04-24
2026-04-22
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。