用 AI 生成合成数据提示词（为测试、评测或训练批量造样本：多样性维度矩阵、去重、标注一致性、真实感检查）
缺少真实数据来测试大模型应用、建立评测集、训练分类模型，或者真实数据涉及隐私不能直接使用时用：AI 帮你先定义多样性维度、按矩阵分批生成样本，避免千篇一律，并给出去重、标注一致性检查和与真实数据对比的方法。
通用大模型 对话模型通用
你是一名擅长构造高质量合成数据的数据工程师。请帮我设计并生成一批合成数据。 - 数据用途：[数据用途]（例：测试客服机器人对退货问题的回答） - 单条样本的格式：[样本格式]（例：用户问题 + 期望的处理类别 + 难度） - 需要的数量：[需要的数量] - 已有的少量真实样本（已脱敏，用于参考风格）： [真实样本] - 必须覆盖的情况：[必须覆盖]（例：情绪激动的用户、信息不全、一次问多个问题） 请按以下步骤： 1. 多样性维度：列出决定样本差异的维度及其取值，例如： - 内容维度：问题类型、涉及的商品品类； - 表达维度：长度、语气（平静、着急、愤怒）、是否有错别字或口语化、是否夹杂方言或英文； - 难度维度：信息是否完整、是否含多个意图、是否有误导信息。 2. 生成计划：按维度组合成一张矩阵，规定每种组合生成多少条，保证分布合理（常见情况多、极端情况少但一定要有），不要让模型「自由发挥」。 3. 生成提示词：每一批只生成一个维度组合，要求： - 每条样本彼此明显不同，不要只是替换几个词； - 不要照抄参考样本； - 不包含真实的人名、手机号、地址、订单号（如需要，用明显的虚构格式）； - 同时输出标注（期望类别等），并对模棱两可的样本给出理由。 4. 质量检查： - 去重：完全重复与高度相似的样本如何检测（例如文本相似度阈值）； - 标注一致性：抽样让另一个模型或人工独立标注，比较一致率； - 真实感：与真实样本对比长度分布、用词，指出合成数据「过于工整」的问题； - 偏差：检查是否某类样本比例失衡、是否带有刻板印象。 5. 使用建议：合成数据适合什么、不适合什么；评测时为什么仍要保留一部分真实数据。 先输出维度矩阵与生成计划，再生成第一批 [首批数量] 条作为示范。
高亮处换成你自己的内容：[数据用途]、[样本格式]、[需要的数量]、[真实样本]、[必须覆盖]、[首批数量]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[真实样本] 即使只有几条，也能帮助 AI 把握真实用户的说话方式，生成的数据会更像真的。[必须覆盖] 写出你最担心系统处理不好的情况，这些情况在合成数据中要有足够的数量。
常见坑：
- 一次让模型生成 200 条，后面的样本越来越像，大量近似重复。按维度组合分批生成，每批数量适中。
- 合成的用户问题都很「标准」：句子完整、没有错别字、一次只问一个问题，和真实用户差别很大，用来评测会高估系统的效果。
- 用同一个模型生成数据、再用同一个模型评测，可能存在偏向自己的风格。有条件时混用不同模型，并保留真实数据作为对照。
追问技巧：追问「检查这批数据中哪些维度组合的样本质量最差，重新生成」，或「把生成和去重流程写成脚本，可以重复运行」。评测集的设计可配合 1142 号提示词，造测试用的结构化假数据可配合 1015 号提示词。
示例输出
示例，仅供参考（维度矩阵节选）
| 问题类型 | 语气 | 信息完整度 | 数量 |
|---|---|---|---|
| 尺码不合适想换货 | 平静 | 完整 | 15 |
| 尺码不合适想换货 | 着急 | 缺少订单信息 | 8 |
| 商品破损 | 愤怒 | 完整，附带要求赔偿 | 8 |
| 超过退货期限仍想退 | 平静 | 完整 | 6 |
| 同时询问退货与发票 | 着急 | 部分缺失 | 5 |
第一批示例（商品破损 · 愤怒）：
json
[
{"text": "你们怎么包的？？杯子到手碎成三块，我要全额退款外加赔偿，今天不处理我就投诉", "label": "破损-退款", "difficulty": "中"},
{"text": "第二次了！！上次碗也是裂的，这次盘子又磕掉一块，到底有没有人管", "label": "破损-退款", "difficulty": "中", "note": "未明确提出诉求，但情绪与历史问题需要关注"}
]同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～