AIGC 文本分类提示词

目前，我们已经会使用简单的指令来执行任务。 作为提示工程师，您需要提供更好的指令。 此外， 您也会发现，对于更负责的使用场景，仅提供指令是远远不够的。 所以，您需要思考如何在提示词中包含相关语境和其他不同要素。 同样，你还可以提供其他的信息，如输入数据和示例。

可以通过以下示例体验文本分类：

提示词

Classify the text into neutral, negative or positive. // 将文本按中立、负面或正面进行分类
Text: I think the food was okay. 
Sentiment:

输出结果

Neutral

我们给出了对文本进行分类的指令，语言模型做出了正确响应，判断文本类型为 'Neutral'。 如果我们想要语言模型以指定格式作出相应， 比如，我们想要它返回 neutral 而不是 Neutral， 那我们要如何做呢？ 我们有多种方法可以实现这一点。 此例中，我们主要是关注绝对特性，因此，我们提示词中包含的信息越多，响应结果就会越好。 我们可以使用以下示例来校正响应结果：

提示词

Classify the text into neutral, negative or positive. 
Text: I think the vacation is okay.
Sentiment: neutral 
Text: I think the food was okay. 
Sentiment:

输出结果

neutral

完美！ 这次模型返回了 neutral，这正是我们想要的特定标签。 提示词中的示例使得模型可以给出更具体的响应。 

有时给出具体的指令十分重要，可以通过以下示例感受这一点：

提示词

Classify the text into nutral, negative or positive. 
Text: I think the vacation is okay.
Sentiment:

输出结果

Neutral

这时候你知道给出具体指令的重要性了吧？