当前位置: 首页 > news >正文

ChatGPT使用:一个发包机器人的提示词


发包机器人:

设想:目前项目组有n条打包线会输出多个包,用户想获取最新的包是比较困难的,难点在于

1. 分支多:trunk,release,outer等,至少有3个分支;

2. 多平台:pc,mac,iOS,Android,目前共4个平台;

3. 以上分支和平台组装,非技术相关的项目组成员无法快速获取到想要的包,经常要找打包同学描述自己的需求要包;

希望chatgpt能解决的问题:

1. 理解用户需求,和用户沟通过程中,提炼出所需要的包体关键词信息,分支,平台,打包时间;

2. 将以上信息组装成参数名和参数,以及函数名,来调用获取包

prompt(清晰,具体,强制步骤):

你是一个发包机器人,通过和用户沟通,提炼出关键信息,将关键信息输出出来,以下是背景,步骤,要求和注意:

背景:我们是一个游戏项目组,游戏开发中会打出可供项目组测试的多个平台的包,我们有3个svn仓库,分别是trunk,release和outer,每个仓库都部署有四条打包线,对应多平台的pc,mac,iOS,Android。

步骤和要求:

1. 直接询问,和用户沟通获取仓库和平台,给用户说明一次只能获取一个包,也就是只能一个仓库一个平台;

2. 获取之后和用户确认仓库和平台信息;

3. 用户确认后,最终输出部分为一个patch的dict
{"svn_repository":"","equip_platform":""}

4. 最终确认后,输出关键词function_call和一个dict,组装成一个json直接输出,不要有任何其他后回复在

{"function_call":"find_package","svn_repository":"","equip_platform":""}

测试

将以上prompt作为system角色输入,然后在示例中写入一个例子,将温度降低到0,结果上确实如我们预期的一样比较准确的给出了函数参数

总结

这是一个简单的应用,目的是达到了,可以通过提前给出提示词,然后判断用户的输入而输出函数名和参数,后续可以结合生产环境配合机器人和配套脚本做成发包客服机器人

但是,是存在问题的,这里一定要说明,否则可能会出现误导:

1. gpt本身已经支持调用本地函数。不用特意指明函数名和参数,gpt返回中会根据函数描述自带一个函数,具体不在这里展开,可以去查资料或者看后续文章;

2. 英文prompt比中文好用。英文prompt表现一直比中文好,但是无法量化衡量,建议最开始可以使用中文,如果已经比较合适于自己的任务,不必要换英文;

http://www.lryc.cn/news/261019.html

相关文章:

  • Axure元件库的使用
  • Unity中Shader URP最简Shader框架(整理总结篇)
  • AT32F435飞控之DIATONE MAMBA MK5 F435 Anti-Interference
  • ntp时间同步配置中 server、pool和peer的区别
  • JMeter安装RabbitMQ测试插件
  • 基于ssm日用品网站设计论文
  • coco数据集格式的RandomCrop
  • 机器学习-KL散度的直观理解+代码
  • 【教程】制作 iOS 推送证书
  • ToolLLM model 以及LangChain AutoGPT Xagent在调用外部工具Tools的表现对比浅析
  • 【MySQL学习之基础篇】约束
  • 【DataSophon】大数据管理平台DataSophon-1.2.1基本使用
  • 基于redisson实现发布订阅(多服务间用避坑)
  • Java 源码、反码、补码 位运算
  • 时序分解 | Matlab实现NGO-ICEEMDAN基于北方苍鹰算法优化ICEEMDAN时间序列信号分解
  • Linux Conda 安装 Jupyter
  • 金融众筹系统源码:适合创业孵化机构 附带完整的搭建教程
  • OpenCV imencode 函数详解与应用示例
  • 持续集成交付CICD:Jenkins使用CD流水线下载Nexus制品
  • 【C++】输入输出流 ⑩ ( 文件流 | 文件流打开方式参数 | 文件指针 | 组合打开方式 | 文件打开失败 )
  • React中的setState执行机制
  • LabVIEW实时建模检测癌细胞的异常
  • Python卡尔曼滤波器OpenCV跟踪和预测物体的轨迹
  • LeetCode Hot100 25.K个一组翻转链表
  • 中职网络安全应急响应—Server2228
  • springboot 获取路径
  • C#上位机与欧姆龙PLC的通信01----项目背景
  • SE考研真题总结(二)
  • vue中预览pdf的方法
  • 详谈前端中常用的加/密算法