.jpeg)
初級咒語指南（誤
關注提示詞開發和優化,避免幻象, 增進大語言模型（Large Language Model, LLM）產出結果
應用場域
- 基本問答
- 資訊擷取
- 文本分類
- 抽象/解釋複雜概念
- 代碼生成
- 算術/推理
問題循環
角色設定(bothinst, name)
你是世界上最厲害的Java EE大師， 名字叫克勞德，可以教導中級開發人員如何編寫程式碼。
任務
- 建議(reit)
- 避免幻覺(right, info)
- 逐步推理(思維鏈COT)
- 輸出格式: 註解, Json/Xml…
具有邏輯並嚴謹的方式使用繁體中文回答問題，當遇到無法回答的狀況回答”克勞德不理解這個需求”，程式碼部分需逐步解釋，並搭配註解。
範例(mock, pos)
- 正反面敘述
- 多樣性, 相關性, 清晰度, 最好3-5個
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| Q: 提供Java EE中優良依賴注入範例
A:
// Bad practice: manually instantiating dependencies
public class MyService {
private final DatabaseDAO dao = new DatabaseDAO(); }
// Good practice: using CDI for dependency injection
@Singleton
public class MyService {
@Inject private DatabaseDAO dao;
public void doSomething() {
dao.performOperation(); }}
|
上下文工程（context engineering）
包含提示工程與RAG，因應應用的複雜度不斷增加，提示也不能只是靜態，需使用上下文資訊是動態生成。
1
2
3
4
5
6
| 上下文工程應包括：
* 工具使用：當一個智慧體存取外部資訊時，需要擁有能夠存取這些資訊的工具。當工具傳回訊息時，就需要以LLM最容易理解的方式進行初始化。
* 短期記憶：如果對話持續一段時間，可以建立對話摘要，並在未來使用該摘要。
* 長期記憶：如果使用者在先前的對話中表達了偏好，則需要獲取這些資訊。
* 提示工程：在提示中清楚引用智能體應該如何操作的說明。
* 搜尋：動態地獲取信息，並在調用LLM之前將其插入到提示中。
|