云服务器内容精选

华为云首页用户手册

编排与调用应用

盘古大模型 PanguLargeModels-编排应用:步骤2：配置Prompt

步骤2：配置Prompt 创建应用后，需要撰写提示词（Prompt），为Agent设定人设、目标、核心技能、执行步骤。应用会根据盘古NLP大模型对提示词的理解，来选择使用插件、工作流或知识库，响应用户问题。因此，一个好的提示词可以让模型更好地理解并执行任务，应用效果与提示词息息相关。配置Prompt Builder步骤如下：在“Prompt builder”模块，需要在输入框中填写Prompt提示词。可依据模板填写Prompt，单击“示例”，输入框中将自动填入角色指令模板。图2 Prompt builder 填写后可通过大模型进行优化，单击“智能优化”，在 “Prompt优化”窗口中单击“确定”。图3 Prompt优化示例

盘古大模型 PanguLargeModels 编排与调用应用
盘古大模型 PanguLargeModels-编排应用:步骤7：调试应用

步骤7：调试应用创建应用后，平台支持对应用执行过程的进行预览与调试。调试应用的步骤如下：在页面右上角单击，参考表2配置大模型参数。表2 大模型参数配置参数说明模型选择选择要使用的大模型，不同的模型效果存在差异。该模型需提前部署，步骤请参见创建NLP大模型部署任务。模式选择用于配置大模型的输出多样性。包含取值：精确的：模型的输出内容严格遵循指令要求，可能会反复讨论某个主题，或频繁出现相同词汇。平衡的：平衡模型输出的随机性和准确性。创意性的：模型输出内容更具多样性和创新性，某些场景下可能会偏离主旨。自定义：自定义大模型输出的温度和核采样值，生成符合预期的输出。温度调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性，取值范围为0到1之间。调高温度，会使得模型的输出更多样性和创新性。降低温度，会使输出内容更加遵循指令要求但减少多样性。在基于事实的问答场景，可以使用较低的回复随机性数值，以获得更真实和简洁的答案；在创造性的任务例如小说创作，可以适当调高回复随机性数值。建议不要与核采样同时调整。核采样模型在输出时会从概率最高的词汇开始选择，直到这些词汇的总概率累积达到核采样值。核采样值可以限制模型选择这些高概率的词汇，从而控制输出内容的多样性，取值范围为0.1到1之间。在“预览调试”的左下角，选择是否开启“代码解释器”。如果开启，应用将支持生成并运行Python代码来解决用户数据处理和分析、数据可视化、数学计算等方面的需求。如果关闭，应用将不具备生成、运行代码的能力。在右侧“预览调试”的文本框中输入对话，应用将根据对话生成相应的回答。应用调试成功后，可执行后续的调用操作调用应用。

盘古大模型 PanguLargeModels 编排与调用应用