SHORTEN 提示

提示词工程 - 生成简洁的摘要和回复

在许多情况下，我们需要信息简明扼要、直击重点。大型语言模型（Large Language Models，简称 LLMs）可以通过提示词（prompt）生成更短、更简洁的回复或对长文本进行摘要。这项技术提高了沟通效率，并帮助用户快速掌握关键信息。

理解用于提升简洁性的提示词

请求 LLM 生成简洁的输出，涉及明确指示它缩短信息、概括文本或遵守特定的长度限制。并没有一个特殊的 ‘SHORTEN 指令’；效果取决于精确的指令。

一个基本的交互示例如下：

User: Can you explain the concept of artificial intelligence in just one sentence?
Assistant: Artificial intelligence (AI) is a field of computer science focused on creating machines that can perform tasks typically requiring human intelligence, such as learning, problem-solving, and decision-making.

在此示例中，用户明确要求提供一句解释。LLM 将人工智能的核心思想浓缩成一个连贯的句子。

请求简洁输出的最佳实践

为了有效地促使 LLM 生成简洁内容，请考虑以下最佳实践：

明确所需输出：清晰说明你想要的是摘要、简要解释、要点概括或缩短版本。使用诸如 ‘总结以下文本…’、‘简要解释…’、‘用几句话…’、‘提供一个单句摘要…’ 等短语。
指定输入（如果适用）：如果你要总结现有文本，请在提示词中清晰提供该文本。例如：‘请为我总结这篇文章：[在此粘贴文章内容]。’
定义长度限制：如果你有特定的长度要求，请说明。示例：’…不超过 50 个字’、’…以三个要点呈现’、’…像推文一样（280 个字符以内）。’
侧重关键信息而非截断：强调目标是提取最重要的信息，而不是简单地截断文本。你可以问：’…的主要观点是什么？’ 或 ‘从这份报告中提取关键发现。’
保持核心意义：强调简洁性不应牺牲信息的本质意义或准确性，除非你明确要求一个非常高层次的概览，在这种情况下可能会丢失一些细节（nuance）。
如有必要可迭代优化：如果第一次尝试不够简洁或遗漏了关键细节，请优化你的提示词。你可以说：‘这很好，但能再短一些吗？’ 或 ‘请在摘要中更侧重 [特定方面]。‘

应用示例：Python 实现

让我们通过一个使用 OpenAI API 的 Python 示例，来请求对一个复杂主题（如爱因斯坦的相对论）进行简洁的解释。

from openai import OpenAI

client = OpenAI(api_key='YOUR_API_KEY') # 确保已设置 API 密钥

def get_concise_explanation(topic, length_constraint):
    try:
        prompt = f"Explain the core idea of '{topic}' {length_constraint}. Focus on the most essential aspects."
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "system", "content": "你是一位擅长提供清晰简洁解释的 AI 助手。"},
                {"role": "user", "content": prompt}
            ],
            max_tokens=100,  # 根据预期简洁输出长度调整
            temperature=0.3, # 降低温度以获得更事实和直接的回复
            n=1,
            stop=None
        )
        return response.choices[0].message.content.strip()
    except Exception as e:
        return f"发生错误：{e}"

topic_to_explain = "Einstein's theory of general relativity"
constraint = "in one or two simple sentences"

explanation = get_concise_explanation(topic_to_explain, constraint)
print(f"{topic_to_explain} 的简洁解释：")
print(explanation)

在此示例中，get_concise_explanation() 函数构建了一个提示词，指定了主题和明确的长度限制。

输出示例

运行此脚本可能会产生如下输出：

Concise explanation of Einstein's theory of general relativity:
Einstein's theory of general relativity describes gravity not as a force, but as a curvature of spacetime caused by mass and energy, which dictates how objects move through it.

（再次运行可能会产生略有不同但仍然简洁有效的解释。）

结论

在本章中，我们探讨了如何通过提示词促使 LLM 生成简洁的摘要和回复。通过明确说明需要简洁、定义长度限制以及侧重于提取关键信息，你可以有效地利用 LLM 将复杂主题提炼成易于理解的片段。这项技能在快节奏世界中对于高效沟通和快速理解至关重要。