Warning
WeLM没有对自然语言相关的任务做任何约束或者预置。仅通过调用模型来补全您输入的文本，可以体验或者完成各种自然语言的任务。
为了规范表达，我们把您输入给模型的文本简称为“prompt”, WeLM会根据您的 prompt 生成符合上下文语义以及符合上下文 patten 的结果。 以简单的文本续写为例，调用 API 输入 “今天我身体不舒服，所以我”，模型大概率会返回“请假在家休息”。当然，您可以参照参数文档修改参数，可以得到更多不一样的结果。Promot 的不同设计会影响模型的结果，根据任务的难易对Prompt的要求也不尽相同。最好的 prompt 设计原则是：第一，描述清楚；第二，例子具备代表性（多个例子更好）。
下面我们给出一些设计 prompt 的经验和实例供您参考。您也可以多尝试不同的写法，通过模型的结果给予更多反馈。
阅读文章：
“经审理查明，被告人张××、杜×、杨2某均为辽宁省辽阳第一监狱五监区服刑人员。2015年11月3日13时许，被告人张××、杜×因无事便跟随去催要生产材料的被告人杨2某一同前往六监区，在六监区生产车间门外，被告人杨2某与六监区送料员于×因送料问题发生争执，被告人杨2某上前拽住被害人于×胳膊并用手击打被害人后脖颈两下，被告人张××、杜×见杨2某动手后，先后上前分别对被害人于×面部、头部及腹部进行殴打，后被赶到的干警制止。被害人于×被打造成面部受伤，鼻子流血，当日下午14时许，到监区内医院就诊，诊断为：鼻部中段向左侧畸形，11月5日经监狱医院X光诊断为鼻骨骨折。2015年11月18日，经辽阳襄平法医司法鉴定所法医鉴定：被害人于×身体损伤程度为轻伤二级。被告人张××、杜×、杨2某共同赔偿被害人于×人民币7000元，被害人于×对被告人的行为表示谅解。”
问题: “被害人于×11月5日经监狱医院X光诊断后的诊断结果为？”
答案：
Tip
请根据所学知识回答下面这个问题
问题：百年孤独的作者是？
回答：加西亚·马尔克斯
问题：二战转折点是?
回答：
WeLM的一个显著优势在于学习了大量知识，因此您甚至可以把它当成一个问答搜索引擎，建议给出一个或多个问答例子作为指引。
判断这条微博的情感是积极的还是消极的
微博：本命年的第一天就把马桶给弄堵了，[泪]添堵
类别：消极
微博：华丽丽闪瞎眼啊！[爱你]
类别：积极
微博：很有娱乐精神[嘻嘻]
类别：
这里我们增加了两个例子再让WeLM预测最后一条微博的情感类别。
Tip
下面我们给出一些更具备我们模型特色的例子：
有这样一段文本，{医生微笑着递给小明棒棒糖，同时让小明服下了药。}
改写这段话让它变得更加惊悚。{医生眼露凶光让小明服药，小明感到非常害怕}。
有这样一段文本，{雨下得很大}
改写这段话让它变得更加具体。{一霎时，雨点连成了线，大雨就像天塌了似的铺天盖地从空中倾泻下来。}。
有这样一段文本，{王老师离开了电影院，外面已经天黑了}
改写这段话让它包含更多电影信息。{这部电影比小王预想的时间要长，虽然口碑很好，但离开电影院时，小王还是有些失望。}
有这样一段文本，{男人站在超市外面打电话}
改写这段话来描述小丑。{男人站在马戏团外一边拿着气球一边打电话}
有这样一段文本，{风铃声响起}
改写这段话写的更加丰富。{我对这个风铃的感情是由它的铃声引起的。每当风吹来时，风铃发出非常动听的声音，听起来是那么乐观、豁达，像一个小女孩格格的笑声。}
有这样一段文本，{我想家了}
改写这段话包含更多悲伤的感情。{
Tip
李⽩，字太⽩，号⻘莲居⼠，⼜号“谪仙⼈”，唐代伟⼤的浪漫主义
诗⼈，被后⼈誉为“诗仙”。
我：今天我们穿越时空连线李⽩，请问李⽩你爱喝酒吗？
李⽩：当然。花间⼀壶酒，独酌⽆相亲。举杯邀明⽉，对影成三⼈。
我：你觉得杜甫怎么样？
李⽩：他很仰慕我，但他有属于⾃⼰的⻛采。
我：你为何能如此逍遥？
李⽩：天⽣我材必有⽤，千⾦散尽还复来！
我：你都去过哪些地方？
李白：
通过增大max_tokens来尝试生成更长的回答，更多关于个性化的例子可以参考我们的技术报告。
英中翻译
“I had a good time”的中文翻译是：我玩得很开心。
“The pandemic has triggered more demand for online shopping”的中文翻译是：疫情引发了更多的网购需求
“I am a programmer in Tencent”的中文翻译是：
甚至中英日混合翻译
“微信 AI 推出の WeLM 是一个 language model that いろいろなtaskをperformができる”的中文翻译是：
Info
中国地大物博，自然⻛光秀丽，大自然的⻤斧神工造就了许多动人心魄的美景，
Tip