gpt-prompt-engineer 使用教程

【免费下载链接】gpt-prompt-engineer gpt-prompt-engineer - 一个工具，用于自动化生成、测试和排名多种提示，以找到最适合特定任务的提示。 项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-prompt-engineer

1. 项目介绍

gpt-prompt-engineer 是一个用于生成、测试和优化 GPT 提示的工具。它通过输入任务描述和测试用例，自动生成、测试并排名多个提示，以找到性能最佳的提示。该项目支持多种模型，如 GPT-4、GPT-3.5-Turbo 和 Claude 3 Opus，并且可以自动生成测试用例，支持多输入变量，使其更加强大和灵活。

2. 项目快速启动

2.1 环境准备

首先，确保你已经安装了 Python 和 Jupyter Notebook。然后，克隆项目到本地：

git clone https://github.com/mshumer/gpt-prompt-engineer.git
cd gpt-prompt-engineer

2.2 配置 API 密钥

在项目目录中打开 Jupyter Notebook，找到 gpt_prompt_engineer.ipynb 文件。在文件中找到以下代码行，并添加你的 OpenAI API 密钥：

openai.api_key = "ADD YOUR KEY HERE"

如果你使用的是 Claude 3 版本，还需要添加 Anthropic API 密钥：

ANTHROPIC_API_KEY = "ADD YOUR KEY HERE"

2.3 运行示例

在 Jupyter Notebook 中运行以下代码，生成并测试提示：

description = "Given a prompt, generate a landing page headline"
test_cases = [
    {'prompt': 'Promoting an innovative new fitness app, Smartly'},
    {'prompt': 'Why a vegan diet is beneficial for your health'},
    {'prompt': 'Introducing a new online course on digital marketing'},
    {'prompt': 'Launching a new line of eco-friendly clothing'},
    {'prompt': 'Promoting a new travel blog focusing on budget travel'},
    {'prompt': 'Advertising a new software for efficient project management'},
    {'prompt': 'Introducing a new book on mastering Python programming'},
    {'prompt': 'Promoting a new online platform for learning languages'},
    {'prompt': 'Advertising a new service for personalized meal plans'},
    {'prompt': 'Launching a new app for mental health and mindfulness'}
]

generate_optimal_prompt(description, test_cases, number_of_prompts=10)

3. 应用案例和最佳实践

3.1 生成个性化邮件回复

使用 Claude 3 版本，可以生成个性化的邮件回复。定义输入变量和描述：

description = "Given a prompt, generate a personalized email response"
input_variables = [
    {"variable": "SENDER_NAME", "description": "The name of the person who sent the email"},
    {"variable": "RECIPIENT_NAME", "description": "The name of the person receiving the email"},
    {"variable": "TOPIC", "description": "The main topic or subject of the email, One to two sentences"}
]

generate_optimal_prompt(description, input_variables, num_test_cases=5, number_of_prompts=10)

3.2 分类任务

对于分类任务，可以使用分类版本的 gpt_prompt_engineer：

test_cases = [
    {'prompt': 'I had a great day', 'output': 'true'},
    {'prompt': 'I am feeling gloomy', 'output': 'false'}
]

generate_optimal_prompt(description, test_cases, number_of_prompts=10)

4. 典型生态项目

4.1 Weights & Biases

gpt-prompt-engineer 支持将配置和结果记录到 Weights & Biases，以便更好地跟踪和分析实验结果。

4.2 Portkey

Portkey 是一个用于记录和追踪提示链及其响应的工具，可以帮助你更好地管理和分析提示生成过程。

通过这些工具，你可以更高效地进行提示工程实验，并找到最佳的提示配置。

【免费下载链接】gpt-prompt-engineer gpt-prompt-engineer - 一个工具，用于自动化生成、测试和排名多种提示，以找到最适合特定任务的提示。 项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-prompt-engineer