原贴链接

仅提供了一个OpenAI平台关于提示生成的链接，无实质可翻译内容

讨论总结

整个讨论围绕Meta prompts展开，包括它在本地大型语言模型（LLM）和ChatGPT中的应用，如编写提示等操作。部分用户分享了自己使用类似Meta prompts的经验，也有人提出了关于Meta prompts的疑问，比如如何在本地获得类似结果、如何使用系统提示从元提示中生成提示等。此外，还涉及与其他相关事物的比较，如Claude已有的提示生成器，并且存在对Meta prompts不同的态度，既有认可其很棒、很有用的，也有认为其没什么新意的。

主要观点

  1. 👍 已经进行类似Meta prompts操作一段时间
    • 支持理由：部分用户表示自己之前就在做类似Meta prompts的操作。
    • 反对声音：无
  2. 🔥 Meta prompts可能会成为规范并被整合进大多数大型语言模型
    • 正方观点：随着发展有这样的趋势，一些用户认为这是很有可能的。
    • 反方观点：无
  3. 💡 Meta prompts是隐藏的有用事物
    • 解释：对于复杂任务可以创建系统提示模板，在信息准确时自动生成提示有效。
  4. 💡 使用LLMs创建LLMs提示很有用且强大
    • 解释：明确系统指令面向LLM或按特定方式表述指令有效果，还可以通过一些操作迭代输出。
  5. 💡 Meta prompts没有新意
    • 支持理由：Claude的prompt gen已包含类似功能且可用于获取编码任务更好答案。
    • 反对声音：部分用户认为Meta prompts生成的提示更详细，有其独特之处。

金句与有趣评论

  1. “😂 I have been doing this for a while now.”
    • 亮点：表明部分用户早已进行类似Meta prompts的操作。
  2. “🤔 I wouldn’t be surprised if this become some norm or even gets somehow automatically incorporated in most LLMs at some point.”
    • 亮点：对Meta prompts未来发展趋势的一种预测。
  3. “👀 This is actually a hidden gem that has been around for a long time.”
    • 亮点：指出Meta prompts是长期存在的有用事物。
  4. “😂 Didn’t think to do this with local llms. Thank you for sharing.”
    • 亮点：体现出用户从他人分享中获得新的启发。
  5. “🤔 this is nothing new, I’ve been using Claude prompt gen forever to get better answers for coding task.”
    • 亮点：表达出对Meta prompts创新性的质疑。

情感分析

总体情感倾向是积极的，大多数用户对Meta prompts表示认可、感谢或期待。主要分歧点在于Meta prompts是否具有新意，部分用户认为其带来的功能早已被其他事物涵盖，而其他用户则看重Meta prompts自身的优势，如生成更详细的提示等。可能的原因是不同用户使用不同工具的经验和对新功能的期待不同。

趋势与预测

  • 新兴话题：元 - 元 - 提示（meta - meta - prompts）的创建。
  • 潜在影响：如果Meta prompts相关技术不断发展，可能会影响大型语言模型的使用效率和效果，在提示工程方面可能促使更多新的策略出现。

详细内容：

《关于 Meta Prompts 的热门讨论》

近日，Reddit 上一则关于“Meta prompts 已出现”的帖子引发了广泛关注。该帖子提供了相关链接：https://platform.openai.com/docs/guides/prompt-generation ，获得了众多点赞和大量评论。

帖子主要围绕 Meta prompts 的使用体验、应用前景以及在不同模型中的表现等方面展开了热烈讨论。

在讨论中，有人表示自己早已采用这种方式，认为当因专有原因无法使用 ChatGPT 时，能让其生成详细的提示再用于本地 LLM 非常实用。还有人指出该“生成提示”功能在 playground 中的输出比以往更详细，令人惊喜。有人提到 Fooocus 图像生成前端有优化提示的小型微调 LLM，也有人认为其使用了 ChatGPT2 向用户提示中注入词语。有人认为类似技术在 Optillm 中也存在，并提供了链接：https://github.com/codelion/optillm?tab=readme-ov-file 。有新手询问是否有前端自带这种功能，或者能否添加到现有前端。

不少人分享了自己的见解和观点。有人认为这有可能成为常态甚至被自动整合进大多数 LLM 中；有人表示自己经常使用类似技术，若信息准确，自动生成的提示通常有效，若不满意还可添加示例进一步完善；有人提到用 LLMs 创建 LLM 提示是目前为止发现的最有用和强大的功能之一，还分享了具体的使用策略，比如让模型询问澄清问题、组合不同模型以获取最佳输出等。也有人疑惑如何在本地获得类似结果，甚至希望未来能有更高级的“元元提示”。

总的来说，大家对 Meta prompts 表现出了极大的兴趣和关注，同时也在不断探索其更多的可能性和应用场景。 但对于其能否广泛普及和如何更好地在本地应用，仍存在一定的争议和期待。