【技术实现步骤摘要】
本专利技术涉及大模型与信息，特别涉及一种基于大语言模型低代码编程生成prompt的方法。
技术介绍
1、大语言模型(large language model，简称llm)是深度学习领域中的一类先进人工智能模型，它们拥有数千亿甚至更多的参数，并通过海量文本数据进行训练。这类模型不仅能够生成和理解自然语言文本，还擅长执行翻译、情感分析等多样化的自然语言处理任务。llm在文本撰写、问答装置、对话交互等多个应用场景中展现出广泛的应用价值，从自动化客户服务到高端科研领域，都彰显了其非凡的实用潜力和强大能力。
2、同样大语言模型在生成代码编程领域方面也存在一些缺点和限制：
3、(1)代码生成格式多变，缺乏一致性：由于缺少标准化的结构和引导性prompt，大语言模型针对同一代码需求可能会产生多样化的输出结果，包括不同版本和适用于不同运行环境的工具库，这极大地削弱了代码的实际应用价值，同时也增加了研发人员的调试难度。
4、(2)代码生成缺乏完整性：大语言模型通常仅输出单一功能的代码片段，难以涵盖整体思想即从设计文档到单元测试等全面的内容形式，这导致代码在传达关键信息和数据时不够清晰，影响了整体的可读性和可维护性。
5、prompt构造工程是自然语言处理技术，即一种通过精心设计的输入提示(即prompt)来引导语言模型生成符合特定要求或风格的文本的技术。它利用模型对上下文的理解能力，实现更精准、更可控的文本生成，广泛应用于问答装置、文本创作等领域。
6、为了解决大语言模型在代码生成领域存
技术实现思路
1、本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的基于大语言模型低代码编程生成prompt的方法。
2、本专利技术是通过如下技术方案实现的：
3、一种基于大语言模型低代码编程生成prompt的方法，包括以下步骤：
4、步骤s1、根据项目的功能需求和性能需求构造prompt整体框架，将prompt整体框架细分为角色、需求、标准和结果四部分；
5、其中，角色用于定义大语言模型在执行任务时的身份和能力，需求用于清晰阐述待解决的问题或任务，标准用于提出对输出结果的具体要求和限制，结果用于明确任务的具体目标和预期结果；
6、步骤s2、针对角色、需求、标准和结果四部分，分别补全和优化prompt框架内容，添加更详细的信息能力描述；
7、所述步骤s2中，实现步骤如下：
8、步骤s2.1、在角色部分，自定义明确设定大语言模型所扮演的角色，并详细列出角色所具备的专业技术技能，以此作为大语言模型执行任务时的能力参考；
9、步骤s2.2、在需求部分，具体描述需要大语言模型解决的任务或问题，包含任务背景、目标、约束条件与关键点；
10、步骤s2.3、在标准部分，自定义明确指定大语言模型输出结果的标准和要求，包括代码运行环境要求，输出格式要求统一内容架构要求；
11、所述步骤s2.3中，引入编程语言特性、数据结构与算法逻辑，将抽象的标准转化为具体可执行要求。
12、步骤s2.4、在结果部分，自定义设定输出结果的评价标准和验证方法；
13、根据项目需求对输出结果进行质量评估和效果验证；
14、步骤s3、对生成的prompt进行优化，根据大语言模型的输出结果反馈，不断调整和完善内容，直至质量评估指数和效果验证指数均达到自定义阈值，以满足项目需求。
15、所述步骤s3中，实现步骤如下：
16、步骤s3.1、根据大语言模型的输出结果反馈，初步评估结果的准确性和完整性；
17、步骤s3.2、针对初步评估识别出的问题和不足，根据用户需求对prompt进行针对性优化；
18、步骤s3.3、对优化后的prompt再次进行校验，并生成输出结果，对结果进行质量评估和效果验证；
19、步骤s3.4、重复执行步骤s3.1至s3.3，直至质量评估指数和效果验证指数均达到自定义阈值，以满足项目需求。
20、所述步骤s3中，对生成的prompt进行优化，优化方法包括以下三种：
21、(1)复合prompt，以增加任务或需求，使单个prompt中包含多个任务或需求，以更高效地解决问题；
22、(2)迭代prompt，以调整问题表述；
23、(3)上下文prompt，以提供上下文信息。在复杂任务中，提供上下文信息能显著增强ai的响应质量。
24、一种基于大语言模型低代码编程生成prompt的装置，包括prompt框架构造模块，补全和优化模块，以及prompt优化模块；
25、prompt框架构造模块，负责根据项目的功能需求和性能需求构造prompt整体框架，将prompt整体框架细分为角色、需求、标准和结果四部分；
26、其中，角色用于定义大语言模型在执行任务时的身份和能力，需求用于清晰阐述待解决的问题或任务，标准用于提出对输出结果的具体要求和限制，结果用于明确任务的具体目标和预期结果；
27、补全和优化模块，负责针对角色、需求、标准和结果四部分，分别补全和优化prompt框架内容，添加更详细的信息能力描述；
28、所述补全和优化模块补全和优化prompt框架内容，实现步骤如下：
29、步骤s2.1、在角色部分，自定义明确设定大语言模型所扮演的角色，并详细列出角色所具备的专业技术技能，以此作为大语言模型执行任务时的能力参考；
30、步骤s2.2、在需求部分，具体描述需要大语言模型解决的任务或问题，包含任务背景、目标、约束条件与关键点；
31、步骤s2.3、在标准部分，自定义明确指定大语言模型输出结果的标准和要求，包括代码运行环境要求，输出格式要求统一内容架构要求；
32、所述步骤s2.3中，引入编程语言特性、数据结构与算法逻辑，将抽象的标准转化为具体可执行要求。
33、步骤s2.4、在结果部分，自定义设定输出结果的评价标准和验证方法；
34、根据项目需求对输出结果进行质量评估和效果验证；
35、prompt优化模块，负责对生成的prompt进行优化，根据大语言模型的输出结果反馈，不断调整和完善内容，直至质量评估指数和效果验证指数均达到自定义阈值，以满足项目需求。
36、所述prompt优化模块对生成的prompt进行优化、调整和完善，实现步骤如下：
37、步骤s3.1、根据大语言模型的输出结果反馈，初步评估结果的准确性和完整性；
38、步骤s3.2、针对初步评估识别出的问题和不足，根据用户需求对p本文档来自技高网...
【技术保护点】
1.一种基于大语言模型低代码编程生成Prompt的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于大语言模型低代码编程生成Prompt的方法，其特征在于：所述步骤S2.3中，引入编程语言特性、数据结构与算法逻辑，将抽象的标准转化为具体可执行要求。
3.根据权利要求1所述的基于大语言模型低代码编程生成Prompt的方法，其特征在于：所述步骤S3中，实现步骤如下：
4.根据权利要求1或3所述的基于大语言模型低代码编程生成Prompt的方法，其特征在于：所述步骤S3中，对生成的Prompt进行优化，优化方法包括以下三种：
5.一种基于大语言模型低代码编程生成Prompt的装置，其特征在于：包括Prompt框架构造模块，补全和优化模块，以及Prompt优化模块；
6.根据权利要求5所述的基于大语言模型低代码编程生成Prompt的装置，其特征在于：所述步骤S2.3中，引入编程语言特性、数据结构与算法逻辑，将抽象的标准转化为具体可执行要求。
7.根据权利要求5所述的基于大语言模型低代码编程生成Prompt的
8.根据权利要求5或7所述的基于大语言模型低代码编程生成Prompt的装置，其特征在于：所述Prompt优化模块对生成的Prompt进行优化，优化方法包括以下三种：
9.一种基于大语言模型低代码编程生成Prompt的设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如权利要求1～4任意一项所述的方法。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～4任意一项所述的方法。
...【技术特征摘要】
1.一种基于大语言模型低代码编程生成prompt的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于大语言模型低代码编程生成prompt的方法，其特征在于：所述步骤s2.3中，引入编程语言特性、数据结构与算法逻辑，将抽象的标准转化为具体可执行要求。
3.根据权利要求1所述的基于大语言模型低代码编程生成prompt的方法，其特征在于：所述步骤s3中，实现步骤如下：
4.根据权利要求1或3所述的基于大语言模型低代码编程生成prompt的方法，其特征在于：所述步骤s3中，对生成的prompt进行优化，优化方法包括以下三种：
5.一种基于大语言模型低代码编程生成prompt的装置，其特征在于：包括prompt框架构造模块，补全和优化模块，以及prompt优化模块；
6.根据权利要求5所述的基于大语言模型低代码编程生成prompt的装置，其特征...
【专利技术属性】
技术研发人员：田元浩，宋晨旭，王臻，侯永东，王帅印，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。