……我使用提示工程来获得比通过Google翻译更好的翻译质量和可读性。这并不是一份短文档，但也不是很长。我不得不将其分成三部分，才能让ChatGPT完成全部翻译。如果有人对最终的翻译感兴趣：https://gist.github.com/FooBarWidget/201ea5e0983d05d21f6719b... 这是我使用的提示，结合了我学到的提示工程经验。我给LLM分配了一个角色，提供了适当的情境，并对它的输出设定了限制。> 你是一位有着几十年经验的中译英翻译员，负责将中文政府政策文件翻译成对中文治理方式以及中国政府写作方式不熟悉的读者。接下来的内容是一份关于可能监管AI聊天服务的政策草案的一部分。中国政府已向公众征求反馈意见。> 开始引言：> ... > 结束引言。> 开始政策文件正文部分：> ... > 结束政策文件正文部分。……
源讨论最大化LLM潜力：提示工程指南原帖 176 条评论 · 导入时统计把你的经验，加入这段讨论。
渐进式摘要效果很好 - 我正在使用它来处理https://findsight.ai 你甚至可以让较低端的大型语言模型进行大部分的压缩，然后让GPT在过程中进行清理，以进一步减少内容。诚然，这需要大量的提示工程、块选择和强化（大型语言模型监督大型语言模型）。
完整原文如果告诉Chat GPT它有“数十年的经验”能带来更好的结果，那为什么不说它有“数百年”的经验呢？ 如果你不知道输入的每个标记如何影响输出，用“工程”来描述你所做的事准确吗？
完整原文非常有趣地使用了ChatGPT和提示工程。对于你的问题，总结一份大文档，将文档分成较小的部分确实是正确的做法。 我自己在处理大文档时也遇到了问题。在我情况下，我有一份保险单，想要从中提取信息。 我的解决方法：使用OpenAI API将文档转换为OpenAI的嵌入向量，并将这些向量保存到向量数据库中。然后，对数据库进行相似性搜索，找到可能与我的查询相关的文档片段，并将这些片段传递给GPT进行信息提取提示。 我计划在整理好我的发现后，创建一个如何解决这些问题的指南。
完整原文我实际上编写了类似的东西。关键在于以聪明的方式进行拆分。我所做的如下： 1. 下载视频 2. 拆分成whisper的最大长度 3. 对各个片段使用whisper进行转录 4. 使用gpt清理转录内容 5. 合并清理后的转录片段 5. 使用langchain的摘要链中的"refine"功能 这相当慢且昂贵，因为refine摘要功能进行了大量调用，但结果非常棒。而且你不需要向量数据库，因为摘要过程是串行的。 但对于问答来说，嵌入数据库是必须的
完整原文尝试Universal Summarizer。没有标记限制。 https://kagi.com/summarizer
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。