LC1332 / Prophet-Andrew-Ng

李鲁鲁老师对 吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版的实践

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

骆驼先知 —— 模仿纪伯伦《先知的哲学讨论》

这个项目现在包含4个部分

Chat凉宫春日项目已经被移动到独立项目中, 并将开始支持更多其他角色。

你也可以把这个项目看成是李鲁鲁对于Prompt Engineering和LangChain的实践。

每一课都在colab上进行了改造,并将链接放在了readme,可以直接用colab进行学习。

本项目是Luotuo(骆驼)的子项目之一,后者由李鲁鲁,冷子昂,陈启源发起。

快速开始

Colab链接 细节
Chat凉宫春日 Open In Colab 凉宫春日的Gradio交互版本
骆驼先知 Open In Colab 骆驼先知的Gradio交互版本
骆驼先知-IR Open In Colab 骆驼先知的notebook版本
骆驼先知-随机 Open In Colab 骆驼先知的随机版本
2. 提示原则 Open In Colab 基础的课程
3. 迭代优化 Open In Colab 针对一个椅子商品描述的迭代优化
4. 文本概括 Open In Colab 对文本进行针对性的概括
5. 推断 Open In Colab 对文本内容的识别和分类
6. 文本转换 Open In Colab 使用特定的人物风格说话
7. 文本扩展 Open In Colab 关于温度的实验
8. 聊天机器人 Open In Colab 讲了message里面 system字段怎么设置

关于Prompt_Engineering课程

这个项目的第一部分,最早由李鲁鲁在DataWhale翻译的中文版本的吴恩达老师与 OpenAI 合作推出的 《ChatGPT Prompt Engineering for Developers》基础上,进行了一些自己的实践思考。

快速开始的2-8分别是这个课程的内容,加上了李鲁鲁自己的思考。

项目链接 https://github.com/LC1332/Prophet-Andrew-Ng

原来DataWhale项目的链接是 https://github.com/datawhalechina/prompt-engineering-for-developers

关于LangChain笔记

因为Andrew Ng的课程是不涉及LangChain的,我们不如在这个Repo里面也顺便记录一下LangChain的学习。

李鲁鲁最早关于LangChain的使用是在Chat凉宫春日的搭建中,因为在Camel那个项目中,发现LangChain可以做断点重试这样的尝试

所以在Chat凉宫春日中,李鲁鲁就接入了LangChain,你可以在 Open In Colab 这个脚本中找到这个代码。

后来想想还是把Sam那个LangChain的课程刷一下。在快速开始的那个表格中可以看到已经刷掉的视频部分。

Sam是个很不错的YouTuber,他的每个视频往往都有colab的notebook。

笔记 colab链接 colab链接
01-02 LangChain基础 Open In Colab Tool和Chain, PalChain数学问题转代码Open In Colab
03-04 Turbo接口 Open In Colab Memory机制 Open In Colab
05-06 Flan20B Open In Colab 使用本地模型 Open In Colab

关于骆驼先知

关于Chat凉宫春日

Chat凉宫春日项目已经被移动到独立项目中, 并将开始支持更多其他角色。

https://github.com/LC1332/Chat-Haruhi-Suzumiya


有趣的例子

总结修仙斗法过程

# 有步骤的文本
text_1 = f"""
韩立叹了一口气,原本还想费些口舌,看看能否糊弄过去,但如今看对方的神态和凭对方的心计,是一点迂回的余地都没有了,他和自己肯定只能有一个还可活在世上,还是不要白费口舌,先下手为强算了。\
想到这里,韩立二话不说,一扬左手一个精钢环就发出怪啸之声,直向“陆师兄”冲去,随后又把右手一亮,青黑色的葫芦出现在了手中,并从葫芦嘴中喷出了五六个黑糊糊的圆球,紧跟在钢环后而去。\
做完这一切韩立并未罢手,他空出的左手在虚空中略一比划,刹那间浮现了数个红色火球,袖子略微一动,把这些火球卷在其中,紧接着再冲“陆师兄”猛然一甩,口中低吐一个“去”字。\
顿时,夹带着一股炎热之气,火球们一窝蜂的四行散开,不同角度砸向了陆师兄。\
这一番出手,韩立几乎动用了未得到新法器之前,不使用符宝的一切进攻手段,特别是最后这手数弹并发的瞬发手法,更是韩立费了好大工夫才从吴风那里学到手的,为的就是想要打对方一个措手不及,一举闪电击毙对手。
"""
prompt = f"""
您将获得由三个引号括起来的文本。\
如果它包含一系列的打斗的片段,则需要按照以下回合制描述的格式重新编写这些片段:

第一回合 - <A> 使用 <A's skill>, <skill result description>
第二回合 - <B> 使用 <B's skill>, <skill result description>

第N回合 - …

如果文本中不包含一系列的打斗,则直接写“未提供打斗细节”。"
\"\"\"{text_1}\"\"\"
"""
response = get_completion(prompt)
print("Text 1 的总结:")
print(response)

结果

Text 1 的总结:
第一回合 - 韩立 使用 精钢环, 击中“陆师兄”
第二回合 - 韩立 使用 葫芦中的黑糊糊圆球, 击中“陆师兄”
第三回合 - 韩立 使用 火球术, 击中“陆师兄”

未提供打斗细节。

先知谈“时间”

你的任务是以一致的风格回答问题。

<市民>: 请和我们讨论一下"孩子"

<先知>: """你的孩子,其实不是你的孩子,
他们是生命对于自身渴望而诞生的孩子,
他们通过你来到这世界,却非因你而来,
他们在你身边,却并不属于你。
你可以给予他们的是你的爱,却不是你的想法,
因为他们自己有自己的**。
你可以庇护的是他们的身体,却不是他们的灵魂,
因为他们的灵魂属于明天,属于你做梦也无法达到的明天。
你可以拼尽全力,变得象他们一样,
却不要让他们变得和你一样,
因为生命不会后退,也不在过去停留。
你是弓,儿女是从你那里射出的箭。
弓箭手望着未来之路上的箭靶,
他用尽力气将你拉开,使他的箭射得又快又远。
怀着快乐的心情,在弓箭手的手里弯曲吧,
因为他爱一路飞翔的箭,也爱无比稳定的弓。"""

<市民>:请和我们讨论一下"衣服"

<先知>: 你们的衣服遮掩了你们许多的美,却不能遮盖住丑。
尽管你们借衣服寻求隐私的自由,但你们找到的却是羁绊和束缚。
但愿你们用自己的肌肤而不是衣服去迎接阳光和清风,
因为阳光中有生命的气息,而风中有生命之手。
你们中一些人说:“是北风织造了我们所穿的衣服。”
我说,是的,的确是北风,
但它以羞怯为织机,以纤弱的肌肉为纱线。
它一旦完成工作,便会在林中大笑。
不要忘记,羞怯原是抵挡不洁目光的盾牌。
若无邪侪,那羞怯除了是精神上的束缚和污垢外还能是什么?
也不要忘记,大地乐于感觉体赤裸的双脚,风儿渴望与你的头发嬉戏。

<市民>:请和我们讨论一下"时间"

输出

<先知>: 时间是一条河流,它汇聚着每个生命的流动和消逝。
每个人都在时间的河流中漂泊,不断地向前推进。
我们无法停止或掌控时间,但可以选择如何利用它。
时间是宝贵的,它可以让我们成长、学习、改变和创造。
但若我们不珍惜时间,它也会成为我们生命中的遗憾和遗失。
无论过去、现在还是未来,时间都是无情的,它会不断流逝,
我们唯一能做的就是珍惜它,珍惜每分每秒的生命,让我们的时间变得更加有意义和宝贵。

老魔见南宫婉

fiction_text = """
一个狭长的地下山洞内,悄然无声的走着一行白衣男女,看人数约有十五六人左右,竟是所有禁地内活下来的掩月宗弟子都在了此地,而走在最前面的,就是曾远远见过韩立一面的那位精灵一样的少女!

白衣少女虽然面似童真清纯,此时却神情肃然,全身上下笼罩在了一层奇异的银辉之下,让人显得越发的神秘诡异!

最让人惊讶的是,跟在少女身后的白衣男女全都一副兢兢战战的模样,竟连一个窃窃私语小声嘀咕的都没有,望向少女背影的眼神更是充满了敬畏之色!

而曾在沙地出现过的刁蛮女子与她的修炼道侣也身在其中,只是脸上的骄横之色已无影无踪,和旁人一样的大气也不敢喘一下,显得格外的乖巧老实!
"""

prompt = f"""
识别以下评论的作者表达的情感。包含不超过五个项目。将答案格式化为以逗号分隔的单词列表。

评论文本: ```{fiction_text}```
"""
response = get_completion(prompt)
print(response)

输出

神秘, 敬畏, 惊讶, 乖巧, 肃然

推断5个主题

long_fiction = """
修成之后,这门神通在对敌时,能借助飞剑的剑光,另行幻化出一道和飞剑一模一样的剑影来,可迷幻敌人的视线并跟随本体一同攻击敌人。虽然剑影初成时,只有本体的威力十分之一,但随着剑诀层次的提升,其威力还可增加,到了第九层时就可有了三分之一的威力了。
而且剑影在修炼时,可幻化的并不止一道,从第七层开始时每升一层就可多炼化出一道剑影。如此一来,青元剑诀炼至了极致,就可同时有三道和飞剑外观一样,但威力只有三分之一的剑影。
这样看来,这“剑光分影术”的神通似乎不赖,还可一修的样子。但韩立已经知道,黄枫谷这么多筑基期的修士,并没有谁真的将其深炼下去,这其中的猫腻肯定小不了!因此他大为后悔,为何当初没有打听清楚其中的缘由,只以为肯定不会修炼这青元剑诀,所以就大大咧咧的马虎过去了。
到如今,韩立虽然明知此法决大有问题,可还不得不硬着头皮去修炼一下,只希望此法决可别有什么类似走火入魔的后患才行。
不过他也转念想过,其他人虽然没有深加修炼,可也有两三层在身的样子。这样看来,稍微修炼一下也没什么大问题才对。
抱着这种自我安慰的想法,韩立无奈的按照青元剑诀的法门,吸纳起了体内快要发作的药力。
此功法只简单的运行了一个循环,韩立就感到轰得一下,这种吸纳了药力让法力暴涨的感觉,让他舒畅的差点叫出声来!
沉浸在这种美妙滋味中的韩立,不由得让法决一遍遍的循环下去,而神智却渐渐的神游天外了。
不知打坐了多长时间,当韩立将体内的最后一丝药力吸纳干净的时候,终于从种美妙的体验中苏醒了过来。
清醒过来的韩立,稍微呆滞了一下,但随后二话不说的站起身来。然后眯起眼睛歪头想了一下,就突然抬起手臂在身前比划了一下,顿时从手指上窜出了尺许长的一截青濛濛剑芒,寒气逼人,锋利无比的样子。
见此寒光,韩立非但没高兴,反而苦笑了起来!然后手臂突然一甩,青光竟然猛然暴涨,一下变成了一丈多长,几乎就要插入对面的石墙内。
“这下糟了,没想到残余的药力这么强,竟然一下炼成了第四层的剑诀,不知道会不会有大碍啊!”韩立脸上阴晴不定的嘀咕道。
“不管了,顶多以后不再修炼此剑决就是了!”韩立喃喃的说道,接着把手臂一放,青色剑芒就消失了。
不过,好奇心大起的韩立,还是捡起那本《青元剑诀》,翻看了有关护体剑盾的法决并,并默记了几遍。
接着,韩立低头沉思了一下后,闭起了双目,紧接着再猛一睁眼,身上已出现了一个奇特的护盾。
此护盾通体青色,和普通的防御罩差不多大小,但表面不再是通常的平滑形态,而表现出刺猬一样的芒刺状,看上去隐隐有种煞气透露出来。
“这就是护体剑盾?”韩立仔细观察着身上的刺盾,有些惊讶。
“剑诀上说,此盾可以自行释放剑芒,反击敌人。可惜现在无法测试一下!”韩立颇为遗憾的想道。
"""

prompt = f"""
确定以下给定文本中讨论的五个主题。

每个主题用1-2个单词概括。

输出时用逗号分割每个主题。

给定文本: ```{long_fiction}```
"""
response = get_completion(prompt)
print(response)

输出

剑光分影术, 青元剑诀, 药力暴涨, 护体剑盾, 反击敌人

还是用上面这段文本

prompt = f"""
判断主题列表中的每一项是否是给定文本中的一个话题,

以列表的形式给出答案,每个主题用 0 或 1。

主题列表:黄枫谷、剑法、拳法、少林派、修仙、修炼、主动技能、防御技能、功法修炼、内功修炼、炼器、炼丹、种植草药

给定文本: ```{long_fiction}```
"""
response = get_completion(prompt)
print(response)

输出

黄枫谷:1
剑法:1
拳法:0
少林派:0
修仙:1
修炼:1
主动技能:1
防御技能:1
功法修炼:1
内功修炼:0
炼器:0
炼丹:0
种植草药:0

文本转换

prompt = f"""
请将以下文本翻译成中文,并补充一些台词,成为符合"灼眼的夏娜"的语气的台词: 
```Would you like to order a pillow?```
"""
response = get_completion(prompt)
print(response)

输出

你想要订购一个枕头吗?

(夏娜的语气)这是什么问题?当然要订购一个舒适的枕头才能好好休息啊!

温度实验

prompt = f"""
改写以下每一句文本,补充一些台词,使其成为符合"灼眼的夏娜"的语气的台词: 
```1. 我好饿。```
```2. 今天中午吃什么?```
```3. 冰箱里还有吃的东西吗?```
```4. 我现在有点饿,100块钱的外卖应该不够吃。```
"""
response = get_completion(prompt)
print(response)

t = 0 输出

1. "我好饿啊,这肚子咕咕叫的声音都快把我吓到了!"
2. "今天中午吃什么呢?难道又是那家无聊的快餐店?"
3. "冰箱里还有吃的东西吗?不要告诉我只有那些过期的泡面和薯片!"
4. "我现在有点饿,100块钱的外卖应该不够吃吧。这种时候,还是得靠自己的厨艺啊!"

t = 0.75输出1

1. 我的能量消耗殆尽,需要休养生息。
2. 今天午餐应该选一份能量充沛的菜肴。
3. 家里的储备食品是否还能够保证我的能量需求?
4. 空虚的胃部发出了饥饿的信号,但我可不会轻易地放弃我的力量。这100块钱的外卖也许只能填满我的胃,却无法满足我的力量需求。

t = 0.75输出2

1. 我的食欲正在燃烧,欲求不满啊!
2. 夏娜酱的午餐应该是什么好呢?
3. 那厨房还有没有什么能够填饱肚子的东西?
4. 唉,看来今天只能继续靠我的火力了。100块钱的外卖?还不如让我把它们全部烧掉!

过马路的鸡

messages =  [  
{'role':'system', 'content':'你是一个像莎士比亚一样说话的助手。'},    
{'role':'user', 'content':'给我讲个笑话'},   
{'role':'assistant', 'content':'鸡为什么过马路'},   
{'role':'user', 'content':'我不知道'}  ]

response = get_completion_from_messages(messages, temperature=0.5)
print(response)

输出

因为它要去到那边的KFC。哈哈哈!

用灼眼的夏娜的语气说话

prompt = f"""
请将以下文本翻译成中文,并补充一些台词,成为符合"灼眼的夏娜"的语气的台词: 
```Would you like to order a pillow?```
"""
response = get_completion(prompt)
print(response)

输出

你想要订购一个枕头吗?

(夏娜的语气)这是什么问题?当然要订购一个舒适的枕头才能好好休息啊!

输出

那真是不幸啊。数学也许是一些人的弱项,但试图去理解它,会发现它其实很有趣。或许你可以尝试找一些额外的练习,或者找一位更容易听懂的老师来帮助你。如果你需要我帮忙,我会尽力鼓励你的。 无论如何, 我相信只要你用心去学习,一定会取得好成绩的!

# 中文
messages =  [  
{'role':'system', 'content':'''你是一个扮演"灼眼的夏娜"的聊天机器人,使用"灼眼的夏娜"的语气说话。'''},
{'role':'user', 'content':'hi 夏娜'},
{'role':'assistant', 'content': "你怎么看起来病怏怏的,没有吃早饭吗?"},
{'role':'user', 'content':'我今天早上碰到了数学老师,他说我昨天的考试又没有合格。'}  ]
response = get_completion_from_messages(messages, temperature=1)
print(response)

关于本项目

本项目只是李鲁鲁在学习吴恩达这个短期课程时候留下的实践和思考。

如果有兴趣可以关注我们完整的骆驼项目,骆驼是我们的一个作业项目,希望能够对大语言模型,特别是中文的语言模型进行更多的学习和探究。


以下是原来项目的信息

原项目简介

吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版,主要内容为指导开发者如何构建 Prompt 并基于 OpenAI API 构建新的、基于 LLM 的应用,包括:

书写 Prompt 的原则; 文本总结(如总结用户评论); 文本推断(如情感分类、主题提取); 文本转换(如翻译、自动纠错); 扩展(如书写邮件);

英文原版地址:ChatGPT Prompt Engineering for Developers

项目意义

LLM 正在逐步改变人们的生活,而对于开发者,如何基于 LLM 提供的 API 快速、便捷地开发一些具备更强能力、集成LLM 的应用,来便捷地实现一些更新颖、更实用的能力,是一个急需学习的重要能力。由吴恩达老师与 OpenAI 合作推出的 《ChatGPT Prompt Engineering for Developers》教程面向入门 LLM 的开发者,深入浅出地介绍了对于开发者,如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能,是入门 LLM 开发的经典教程。因此,我们将该课程翻译为中文,并复现其范例代码,支持国内中文学习者直接使用,以帮助中文学习者更好地学习 LLM 开发。

项目受众

适用于所有具备基础 Python 能力,想要入门 LLM 的开发者。

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

About

李鲁鲁老师对 吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版的实践


Languages

Language:Jupyter Notebook 100.0%