【技术实现步骤摘要】
本申请涉及计算机领域，尤其是涉及到一种提示词模板生成方法、装置、计算机设备和可读存储介质。
技术介绍
1、llm(large language model，大语言模型)是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。llm可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。在使用llm完成某些特定任务时，需要提示词指导llm完成用户期望的任务。
2、相关技术中的通用方式为，直接使用他人提供的提示词模板或自行测试撰写。然而，llm的使用完全因人而异，输出是由需求决定的，他人提供的提示词模板并不能全完匹配用户的功能需求，例如，需要llm判断语句的语法是否有误，此时不需要llm理解该语句，而仅仅需要其指出语法问题，若使用他人提供的提示词模板可能会指导llm理解该语句；而一些用户可能并不了解提示词工程和llm，无法准确有效地向llm描述自己的需求，并且自行测试又需要耗费巨大的时间和精力。
技术实现思路
1、有鉴于此，本申请...
【技术保护点】
1.一种提示词模板生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预设模型对所述用户需求信息进行解析，生成多个提示词模板，包括：
3.根据权利要求1或2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，所述对多个所述提示词模板进行评分以及基于评分的模板修改，得到目标提示词模板，包括：
5.根据权利要求4所述的方法，其特征在于，所述对每个所述提示词模板进行评分，得到每个所述提示词模板的分值，包括：
6.根据权利要求4所述的方法，其特征在于，当评分以及基于评分的模...
【技术特征摘要】
1.一种提示词模板生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预设模型对所述用户需求信息进行解析，生成多个提示词模板，包括：
3.根据权利要求1或2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，所述对多个所述提示词模板进行评分以及基于评分的模板修改，得到目标提示词模板，包括：
5.根据权利要求4所述的方法，其特征在于，所述对每个所述提示词模板进行评分，得到每个所述提示词模板的分值，包括：
6.根据权利要求4所述的方法，其特征在于，当评...
【专利技术属性】
技术研发人员：王唯翔，朱文元，宋丽婷，沈靖瑄，杨峻右，
申请(专利权)人：完美世界北京软件科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。