前几天学到了一种针对大模型进行提示词编程的方法，效果比较炸裂，特别分享给大家。
因为有个小朋友正在学习加减法，所以本文的大部分例子都是用来生成加减法练习题。
这是GPT刚刚出现时，我学到的一种提示词编写方法，大家可能也都接触过了。就是让大模型扮演一个角色，定义好这个角色的能力，然后给它提出一些相关的问题，让它按照某种格式输出。
举个例子：
请你扮演一名数学老师，从事小学数学教育30年，精通设计各种数学考试题。请给我编写一些考试题，面向小学1年级同学，考试范围：10以内的加减法，共10道题，请直接列出问题，每行一个。
演示效果如下：
从这一节开始就是学到的提示词编程部分了。
我们说“程序=算法+数据结构”，提示词编程就是对抽取提示词中的算法和数据结构，按照特定的格式组织起来。
这里的组织方式就是Json数据格式。举个例子：
在这个例子中，我们通过“简介”来声明角色；通过“系统”来定义针对用户输入的处理规则，包括要求用户输入的信息以及返回格式，也可以看作是程序的算法部分；通过“打招呼”来做一个友好的提示。
这里我们还使用了 <动态内容> 进行占位，这个部分会被大模型自动理解并填充内容。
另外还对数学老师的能力做了一些泛化，AI数学老师可以针对不同的年级和考试范围进行出题，需要用户提供相关信息。演示效果如下：
在程序中我们通常要严格限制用户的输入参数，比如这里的年级、考试范围、题目形式、题目数量等。这里我们也可以在提示词编程中做进一步的限制。举个例子：
当输入不符合规则时的演示效果如下：
指令就像给用户提供不同的功能，这有点类似在API中提供各种接口。举个例子：
实际演示效果如下：
“出题”指令：
“阅卷”指令：注意GPT可能会给出错误的判断结果，大模型的数学能力普遍存在问题，即使是10以内的加减法。
我们确实可以将上边的AI能力封装为API，对外提供小学数学出题服务。
我们需要增加一个“返回格式”的定义，示例如下：
其中“返回格式”定义了返回数据必须为Json，还有Json中包括的数据项目和数据类型。
依靠大模型的理解能力，我们使用 <动态内容> 进行占位，大模型输出时会自动填充。
演示效果如下：
然后我们可以编写代码，封装一个接口，其内部调用OpenAI的API，传入这个提示词和用户的指令，再把OpenAI返回的Json内容转发给接口调用者，这就是一个完整的AI数学出题服务了。
因为这个提示词编程的方案来自其它人，所以代码部分推荐去看大佬的仓库了：
https://github.com/daijun4you/python-gpt-course/blob/main/course/prompt_programming/math_teacher.py
最后送给大家两个好玩的提示词。
AI占星师
Java面试出题机
实测GPT-4要比GPT-3.5的效果好很多，如果你用GPT-3.5，可以在Json前增加这段话：
我会给你一个Json格式的初始指令，后续问答你都必须严格按照这个指令处理，下面是我的指令：
如果你用百度文心一言，也有一定的效果，只是上下文控制的不太好，不建议。
基于这套方法，其实我们可以做的更好，比如记住用户的答题情况，下次出题时传递给AI，让AI提供更适合学生提升的题目，不要太难，也不要太简单，稍微跳一下就能达到。
本文地址：http://xiaoguoguo.dbeile.cn/quote/965.html 多贝乐 http://xiaoguoguo.dbeile.cn/ , 查看更多