FIND 提示

Prompt Engineering：提取特定信息

Prompt Engineering 中的一项常见任务是指导像 ChatGPT 这样的大语言模型（LLM）从给定文本或其自身生成的回复中提取特定的信息片段。尽管 LLM 没有字面意义上的“查找”（FIND）命令，但您可以设计 prompt 来指示它们根据您的标准定位并呈现相关细节，从而提高输出的精确性和实用性。

指导 LLM 提取信息

您不是使用特定的指令，而是通过自然语言指示 LLM 执行提取。这包括清晰定义您正在寻找的信息，并通常指定提取数据的格式。

考虑这种概念性方法：您提供文本并要求 LLM 识别并列出其中的某些元素。

User: Here is a customer review: "I absolutely love the new QuietTune headphones! The noise cancellation is incredible, and the battery lasts for ages. My only complaint is that the carrying case feels a bit flimsy. Overall, a great purchase from AudioMax, delivered on September 15th."
Please extract the product name, brand name, any positive mentions, any negative mentions, and the delivery date. Present them as a list.

LLM: Okay, here's the extracted information from the review:
*   **Product Name:** QuietTune headphones
*   **Brand Name:** AudioMax
*   **Positive Mentions:** Noise cancellation is incredible, battery lasts for ages, great purchase
*   **Negative Mentions:** Carrying case feels a bit flimsy
*   **Delivery Date:** September 15th

在此示例中，用户的 prompt 清晰指定了要“查找”或提取的内容以及所需的输出格式。LLM 理解这些指示并相应地处理文本。

信息提取 Prompt 的最佳实践

为了有效指导 LLM 提取信息，请考虑以下最佳实践：

具体且无歧义：清晰定义您想要提取的信息。使用精确的术语。不要说‘查找重要部分’，而要说‘提取所有提到的日期’或‘识别涉及的关键人物’。
指定来源：指明信息是应从提供的文本中提取，还是应由 LLM 生成文本后再从其生成内容中提取。
定义输出格式：请求信息以结构化格式呈现，例如列表、项目符号列表、JSON 或表格。这使得输出更易于解析和使用。示例：‘提取姓名和电子邮件地址，并将其以 JSON 对象数组的形式提供。’
使用上下文 Prompt：在 prompt 中清晰地明确标示提供用于提取信息的文本。如果要求 LLM 先生成再提取，请确保生成指示清晰明确。
迭代和完善：如果初次提取不准确，请完善您的 prompt。您可能需要重新措辞、添加更多约束条件，或提供示例（少样本提示，few-shot prompting）。
对于复杂提取考虑思维链（Chain-of-Thought）：对于多步骤提取（例如，‘查找所有提到的公司，然后为每个公司查找其 CEO’），您可以将其分解或要求 LLM‘一步一步思考’。

应用示例：用于实体提取的 Python 实现

我们来探讨一个使用 OpenAI API 从用户提供的文本中提取特定实体的 Python 脚本。

在此示例中，我们定义了一个函数 extract_entities_from_text()，该函数接受一个文本和要提取的实体类型列表。Prompt 指导 ChatGPT 在文本中查找这些实体。

from openai import OpenAI
import os

# client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
# For this example, use a placeholder. Replace with your actual key.
client = OpenAI(api_key='YOUR_API_KEY')

def extract_entities_from_text(text_to_analyze, entities_to_extract):
    # entities_to_extract should be a string like "person names, locations, and organizations"
    prompt_content = f"Analyze the following text and extract all {entities_to_extract}. Present the extracted information clearly, categorizing by entity type if multiple types are requested.\n\nText to analyze:\n"""
{text_to_analyze}
"""\n\nExtracted Information:"

    try:
        response = client.chat.completions.create(
            model="gpt-3.5-turbo", # 或者使用更新的模型
            messages=[
                {"role": "system", "content": "You are an AI assistant specialized in information extraction."},
                {"role": "user", "content": prompt_content}
            ],
            max_tokens=300,
            temperature=0.2, # 降低 temperature，以获得更确定性的提取结果
            n=1
        )
        return response.choices[0].message.content
    except Exception as e:
        return f"An error occurred: {e}"

# Example usage:
user_text = "Dr. Eleanor Vance from Acme Corp visited Paris last week to meet with Jean Dupont of Beta Innovations."
entities = "person names, organization names, and locations"

extracted_info = extract_entities_from_text(user_text, entities)
print(extracted_info)

示例输出

脚本运行时，它将文本和提取指令发送给 LLM。LLM 处理后返回请求的信息。

Extracted Information:

**Person Names:**
*   Dr. Eleanor Vance
*   Jean Dupont

**Organization Names:**
*   Acme Corp
*   Beta Innovations

**Locations:**
*   Paris

结论

本章探讨了如何设计 prompt 来指导 LLM 提取特定信息。尽管没有字面意义上的“查找”命令，但通过清晰指定要查找的内容、源文本和所需的输出格式，您可以有效地指示 LLM 定位并呈现相关细节。

掌握这些技术需要您的指令具体明确，提供清晰的上下文，请求结构化输出，并不断迭代您的 prompt。这种能力对于从非结构化文本中进行数据挖掘、填充数据库或快速识别文档中的关键信息等任务至关重要。