控制输出长度和格式

一旦你理解了如何使用提示词给出基本指令，你就可以改进它们，以便更好地控制大型语言模型的输出。你能影响的两个重要方面是生成文本的长度和结构（即格式）。让模型生成符合你特定长度要求或遵循所需布局的文本，这在实际使用中往往很重要。

控制输出长度的方法

大型语言模型没有像文字处理器那样严格遵循的内置字数计数器，但你可以在提示词中给出清晰的指令，引导它们生成特定长度的回复。

1. 明确长度要求： 最直接的方法就是直接提出要求。

   • 用一句话准确概括上一段。
   • 写一份约50字的产品描述。
   • 用一段话解释光合作用的原理。
   • 列出步骤，每一步不超过10个字。

2. 指定项目数量： 对于列表或要点，要求一个具体数量是有效的方法。

   • 使用Python的3个主要好处是什么？
   • 给我5个关于可再生能源的博客文章点子。

3. 使用相对词语（谨慎使用）： 像“简要地”、“短小”或“详细”这样的词语可以影响长度，但它们是主观的，大型语言模型的理解可能会有所不同。明确的限定通常更可靠。

   • 简要解释什么是API。 （比直接问 解释什么是API。 会得到更短的答案）
   • 详细阐述水循环。 （会得到更长的答案）

大型语言模型是概率性地生成文本，通常是逐字（或逐token）生成。尽管模型会尝试遵循长度限制，但可能无法完全精准，尤其是在字符数或精确字数方面。不过，提供这些限制会大大增加获得接近你所需长度输出的可能性。

控制输出格式的方法

你常常需要大型语言模型的回复是特定结构。你可以通过细致的提示来引导模型生成格式化的输出。

1. 请求特定格式： 直接告诉模型你希望输出如何组织。

   • 以项目符号列表的形式列出太阳系中的行星。
   • 以JSON格式提供联系信息（姓名、电子邮件、电话）。
   • 使用编号步骤撰写说明。
   • 生成一个将两个数字相加的Python函数。 （这意味着代码格式）。
   • 将主要区别格式化为包含两列（特性和描述）的表格。

2. 使用示例（少量示例提示）： 正如之前讨论的，提供示例是向模型展示你预期准确格式的有效方式。

   • 提示词：

     将英文单词翻译成法文：
     
     英文：cat
     法文：chat
     
     英文：dog
     法文：chien
     
     英文：house
     法文：?
     

     示例的结构引导模型仅提供法文单词。

   • 提示词：

     从文本中提取姓名和职称。格式为JSON。
     
     文本：“Sarah Chen 是 TechCorp 的首席数据科学家。”
     输出：{"name": "Sarah Chen", "job_title": "Lead Data Scientist"}
     
     文本：“项目经理 David Lee 将与您联系。”
     输出：?
     

     这清楚地体现了所需的JSON结构。

3. 组织你的提示词： 有时，你组织提示词本身的方式就可以暗示所需的输出格式。

   • 提示词：提供电动汽车的优缺点。\n\n优点：\n- \n\n缺点：\n- 通过开始列表结构，你可以鼓励模型继续它。

结合长度和格式控制

你可以在一个提示词中结合这些方法，同时控制这两个方面。

• 以编号列表形式列出运动的3个主要好处。
• 生成下方文章的简短摘要（最多2句话）。
• 提供5个与“机器学习”相关的关键词，作为逗号分隔列表。
• 创建一个包含3本经典科幻书籍的“标题”和“作者”的JSON对象。

迭代是常态

精准控制长度和格式可能需要尝试几次。如果第一次回复不完全是你想要的，就改进你的提示词。更具体些，调整你的限定，或者添加更清晰的示例。例如，如果“用一段话概括”生成了太多文本，可以尝试“用3-4句话概括。”尝试不同的措辞是与大型语言模型有效交互的常规部分。

通过在提示词中清晰地表达你对长度和结构的要求，你可以引导大型语言模型生成不仅相关，而且以你所需方式呈现的文本。