练习 - 编写你自己的提示

已完成

对于本练习,生成一个提示,要求大型语言模型 (LLM) 提供一份有用的法语短语列表。 还可以使用所选的不同语言测试代码。 现在就开始吧!

  1. 打开在上一练习中创建的 Visual Studio Code 项目。

  2. 使用以下代码更新 Program.cs 文件:

    using Microsoft.SemanticKernel;
    using Microsoft.SemanticKernel.Plugins.Core;
    
    var builder = Kernel.CreateBuilder();
    builder..AddAzureOpenAIChatCompletion(
        "your-deployment-name",
        "your-endpoint",
        "your-api-key",
        "deployment-model");
    
    var kernel = builder.Build();
    
    string language = "French";
    string prompt = @$"Create a list of helpful phrases and 
        words in ${language} a traveler would find useful.";
    
    var result = await kernel.InvokePromptAsync(prompt);
    Console.WriteLine(result);
    
  3. 通过在终端中输入 dotnet run 来运行代码。

    你应该会看到类似于以下输出的响应:

    1. Bonjour - Hello
    2. Merci - Thank you
    3. Oui - Yes
    4. Non - No
    5. S'il vous plaît - Please
    6. Excusez-moi - Excuse me
    7. Parlez-vous anglais? - Do you speak English?
    8. Je ne comprends pas - I don't understand
    9. Pouvez-vous m'aider? - Can you help me? 
    10. Combien ça coûte? - How much does it cost?
    11. Où est la gare? - Where is the train station?
    

    响应来自传递给内核的 Azure OpenAI 模型。 语义内核 SDK 连接到大型语言模型 (LLM),并运行提示。 可通过添加更具体的说明来改进此提示。

  4. 更新提示以匹配以下文本:

    string prompt = @$"Create a list of helpful phrases and 
        words in ${language} a traveler would find useful.
    
        Group phrases by category. Display the phrases in 
        the following format: Hello - Ciao [chow]";
    

    在此提示符中,请向 LLM 提供用于设置响应格式的特定说明。 如果运行新提示,应会看到更详细的响应,类似于以下输出:

    Restaurant Phrases:
    - Water, please - De l'eau, s'il vous plaît [duh loh, seel voo pleh]
    - Check, please - L'addition, s'il vous plaît [lah-di-syo(n), seel voo pleh]
    - Bon appétit - Bon appétit [bohn ah-peh-teet]
    
    Transportation Phrases:
    - Where is the train station? - Où est la gare? [oo-eh lah gahr]
    - How do I get to...? - Comment aller à...? [ko-mahn tah-lay ah]
    - I need a taxi - J'ai besoin d'un taxi [zhay buh-zwan dunn tah-xee]
    

    还可提示 LLM 包含特定类别的短语,并考虑有关旅客的一些背景信息。 让我们尝试一下吧!

  5. 更新提示以匹配以下文本:

    string language = "French";
    string history = @"I'm traveling with my kids and one of them 
        has a peanut allergy.";
    
    string prompt = @$"Consider the traveler's background:
        ${history}
    
        Create a list of helpful phrases and words in 
        ${language} a traveler would find useful.
    
        Group phrases by category. Include common direction 
        words. Display the phrases in the following format: 
        Hello - Ciao [chow]";
    

    现在,LLM 可在生成短语列表时考虑旅客的信息。 此外,还添加了包含常见方向词的说明。

    输出可能类似于以下响应:

    Phrases for dealing with peanut allergy:
    My child has a peanut allergy - Mon enfant a une allergie aux arachides [mon on-fon ah oon ah-lair-zhee oh a-rah-sheed]
    Is there a peanut-free option available? - Y a-t-il une option sans arachide? [ee ah-teel une oh-pee-syon sahn ah-rah-sheed]
    
    Phrases for directions:
    Turn left - Tournez à gauche [toor-nay ah gohsh]
    Turn right - Tournez à droite [toor-nay ah dwaht]
    

在下一个练习中,练习向 LLM 分配角色以提高响应质量。

重要

务必不要删除目前为止编写的任何代码,你在下一个练习中需要它。