ChatGPT学习之旅 (2) Hello Prompt
大家好,我是Edison。
上一篇:初步了解ChatGPT
什么是Prompt
Prompt又称提示词,它是AI模型的指令。它即可以是一个问题,也可以是一段文字描述,AI模型会基于你给出的Prompt所提供的信息,生成对应的文本。
当然,如果你用DALL-E 或 SORA大模型也可以是生成图片 或 视频。
简而言之:Prompt是可以让AI精准Get到你意图的话,或者与AI沟通的语言方式。

OpenAI的创始人也被称为ChatGPT之父的Sam Altman曾经发文强调说:“会给AI写提示词是一个非常高杠杆的技能!”

高质量提示词的重要性
对ChatGPT提同样的需求,高质量的提示词 和 低质量的提示词,ChatGPT所返回给你的结果也会有较大的差距。
例如,下图展示了一个低质量的提示词 和 高质量的提示词 的返回结果对比:
低质量的提示词

高质量的提示词

黄金Prompt公式
刚刚我们看了不同质量的Prompt产生的效果,那么有没有一种模板或公式可以让我们普通人依样画葫芦那样套用产生高质量的Prompt呢?
答案肯定是Yes!下面就给出一个公式:

(1)立角色(必填)
即引导AI进入一个具体的场景,为AI赋予一个行家身份。
(2)述问题(必填)
即告诉AI你的问题,以及为AI补充问题所需的背景信息。
(3)定目标(必填)
即告诉AI你的需求,你希望它为例做到什么。
(4)补要求(选填)
即告诉AI它回答你的问题时需要注意什么,或者你想让它以什么形式来回复你。
下面我们通过一个例子来套用下这个公式,这里以【旅游攻略】为例:
立角色:假如你是一名导游
述问题:我想要去海南旅游,预算一万元,旅行人数三人,行程5天
定目标:请帮我生成一份旅游攻略
补要求:请注意:我不太喜欢行程太紧凑,我不喜欢网红景点,更喜欢有文化底蕴的景点。另外,推荐景点时请附上各个景点的价格。
最终,形成一个最终版的旅游攻略Prompt:
假如你是一名导游,我想要去海南旅游,预算一万元,旅行人数三人,行程5天,请帮我生成一份旅游攻略。请注意:我不太喜欢行程太紧凑,我不喜欢网红景点,更喜欢有文化底蕴的景点。另外,推荐景点时请附上各个景点的价格。
AI大模型思维链
只要掌握了Prompt,我们就可以调教AI。同时,AI强大的关键还在于“思维链”。
思维链技术(Chain of Thought)让AI具备了多轮对话以及理解&结合上下文语境的能力。
换句话说:在思维链的加持下,AI可以记住我们前面的会话内容,在前面内容的基础之上,去针对性的回答我们后面的内容,来实现类似于真人之间沟通的对话结果。

因此,我们可以通过不断地对AI“喂数据”+“投指令”的方式,来对AI进行训练。通过不断地引导AI,来帮助我们获得更具体、更深度、更有价值的回答。
简而言之:好的AI回答可能并不是一稿过,是需要多轮反复沟通的!
Prompt追问用法
很多时候你套用了黄金Prompt公式可能还是没法立即得到好的回答或者完善的回答,这时我们就可以继续追问来不断完善我们想要了解的内容。
这里,我们以【课程设计】为例演示一下,仍然使用我们的黄金Prompt公式:
假如你是一名架子鼓老师,你需要为培训班的招生,准备一节试听课,听课对象为8~12岁的孩子以及他们的家长,请你帮忙列出这节试听课的提纲和课程内容。请注意:课程的时长为45分钟,且过程中需要穿插互动环节。
第一轮交互:初步回答

第二轮交互:进一步追问

第三轮交互:再一步追问

就这样,我们可以不断地调教来获取更为精准和更为详细的回答。
Prompt注意事项
注意指令的模糊性
追问过长 或者 追问层级太多时,继续指令可能会让AI产生歧义,呈现答非所问的情况。
在展开追问多层级里面内容的时候,请一定要明确对象。
比如:将提示词“请具体介绍下第二点”换成“请具体介绍下提纲的第二点”这样更具体的描述,这样AI就不容易给你搞混淆。
注意上下文语境的关联性
当我们想要在一个对话框内,向ChatGPT提多个不相关的话题(立多个不想管的人设),这时AI的回答可能会受之前内容的干扰,出现一本正经的胡说八道的情况。
这时,我们可以尝试以下方法 或 原则来提高关联性:
创建新对话,开始新的上下文;
一个对话框,一个人设/角色 任务;
通过提示词:“请你忽略前面所有的对话内容,xxxx” 来让AI主动忘记前面的上下文内容;
如果不需要留存记录,可以手动清空历史记录;
小结
本篇,我们了解了ChatGPT的核心调教方式Prompt,给出了一个黄金的万能Prompt公式供你套用,通过套用公式和不断追问,可以得到一个完善的回答。下一篇,我们了解下Prompt的进阶使用方式。
参考资料
极客时间,李佳芮,《ChatGPT从0到1》
极客时间,林健,《零基础GPT应用入门课》
Global AI Bootcamp 成都站,梁桐铭,《学习如何使用Prompt与OpenAI模型对话》

ChatGPT学习之旅 (2) Hello Prompt的更多相关文章
- WCF学习之旅—第三个示例之四(三十)
上接WCF学习之旅—第三个示例之一(二十七) WCF学习之旅—第三个示例之二(二十八) WCF学习之旅—第三个示例之三(二十九) ...
- Hadoop学习之旅二:HDFS
本文基于Hadoop1.X 概述 分布式文件系统主要用来解决如下几个问题: 读写大文件 加速运算 对于某些体积巨大的文件,比如其大小超过了计算机文件系统所能存放的最大限制或者是其大小甚至超过了计算机整 ...
- WCF学习之旅—第三个示例之二(二十八)
上接WCF学习之旅—第三个示例之一(二十七) 五.在项目BookMgr.Model创建实体类数据 第一步,安装Entity Framework 1) 使用NuGet下载最新版的Entity Fram ...
- WCF学习之旅—第三个示例之三(二十九)
上接WCF学习之旅—第三个示例之一(二十七) WCF学习之旅—第三个示例之二(二十八) 在上一篇文章中我们创建了实体对象与接口协定,在这一篇文章中我们来学习如何创建WCF的服务端代码.具体步骤见下面. ...
- WCF学习之旅—WCF服务部署到IIS7.5(九)
上接 WCF学习之旅—WCF寄宿前的准备(八) 四.WCF服务部署到IIS7.5 我们把WCF寄宿在IIS之上,在IIS中宿主一个服务的主要优点是在发生客户端请求时宿主进程会被自动启动,并且你可以 ...
- WCF学习之旅—WCF服务部署到应用程序(十)
上接 WCF学习之旅—WCF寄宿前的准备(八) WCF学习之旅—WCF服务部署到IIS7.5(九) 五.控制台应用程序宿主 (1) 在解决方案下新建控制台输出项目 ConsoleHosting.如下 ...
- WCF学习之旅—WCF服务的Windows 服务程序寄宿(十一)
上接 WCF学习之旅—WCF服务部署到IIS7.5(九) WCF学习之旅—WCF服务部署到应用程序(十) 七 WCF服务的Windows 服务程序寄宿 这种方式的服务寄宿,和IIS一样有一个一样 ...
- WCF学习之旅—WCF服务的WAS寄宿(十二)
上接 WCF学习之旅—WCF服务部署到IIS7.5(九) WCF学习之旅—WCF服务部署到应用程序(十) WCF学习之旅—WCF服务的Windows 服务程序寄宿(十一) 八.WAS宿主 IIS ...
- WCF学习之旅—WCF服务的批量寄宿(十三)
上接 WCF学习之旅—WCF服务部署到IIS7.5(九) WCF学习之旅—WCF服务部署到应用程序(十) WCF学习之旅—WCF服务的Windows 服务程序寄宿(十一) WCF学习之旅—WCF ...
- WCF学习之旅—第三个示例之五(三十一)
上接WCF学习之旅—第三个示例之一(二十七) WCF学习之旅—第三个示例之二(二十八) WCF学习之旅—第三个示例之三(二十九) WCF学习 ...
随机推荐
- 【SpringMVC】RESTful CRUD
RESTful CRUD REST:即 Representational State Transfer.(资源)表现层状态转化.是目前最流行的一种互联网软件架构.它结构清晰.符合标准.易于理解.扩展方 ...
- 什么是 Gork ?
Grok 是埃隆·马斯克旗下的人工智能公司 xAI 的开发的一系列大型语言模型 (LLMs)产品,包括Grok 1.Grok 2和即将发布的Grok 3. 受<银河系漫游指南>的启发,Gr ...
- CoreOS 发行版本介绍
大多数的软件通常都有什么内测版.公测版什么的. CoreOS 发行版本 而在 CoreOS 中, 有以下3个版本: alpha - α版,音译:阿尔法,俗称尝鲜版,是最新的版本,但是容易出现bug,最 ...
- 从零开始构建智能聊天机器人:Rasa与ChatGPT API实战教程
引言:AI对话系统的时代机遇 在数字化转型浪潮中,聊天机器人已成为连接用户与服务的关键纽带.无论是客服系统中的7×24小时即时响应,还是智能家居中的语音交互,聊天机器人正在重塑人机交互方式.本文将通过 ...
- Rocketmq 如何保证消息的可用性/可靠性/不丢失呢 ?
如何保证消息的可用性/可靠性/不丢失呢 ? 消息可能在哪些阶段丢失呢?可能会在这三个阶段发生丢失:生产阶段.存储阶段.消费阶段 生产阶段 在生产阶段,主要通过请求确认机制,来保证消息的可靠传递 1.同 ...
- IOC 中 bean 标签
- Cursor入门教程-JetBrains过度向
Cursor使用笔记 前置:之前博主使用的是JetBrains的IDE,VSCode使用比较少,所以会尽量朝着JetBrains的使用习惯及样式去调整. 一.设置语言为中文 如果刚上手Cursor,那 ...
- tomcat-shell脚本
自动部署项目脚本参考: #!/bin/bash#自动部署脚本source /etc/profileexport LANG=zh_CN.UTF-8#tomcat路径tomcatBinPath=/usr/ ...
- RabbitMq在win10上的安装、用户管理及控制台Demo
思路: 安装elang--设置elang的环境变量--安装erlang版本对应的rabbitmq--设置rabbitmq的环境变量--安装rabbitmq的可视化管理插件 相关链接: RabbitMQ ...
- Python3正则表达式(一)
Python3正则表达式 正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配. Python 自1.5版本起增加了re 模块,它提供 Perl 风格的正则表达式模式. r ...