ChatGPT提问的艺术

从理论上说，本文适用于所有大型语言模型，包括但不限于GPT系列、百度的文心一言、谷歌的Bard、新必应等。

如果不方便使用ChatGPT，可以使用国内的仿造版本（GPT-3），如：aigcfun.com。

无论是ChatGPT还是GPT-3 API，界面或接口都是极其简单的。只需给出提示文本，模型就会生成匹配对应上下文或模式的补全文本。

在语言模型中，提示（prompt）指用户的输入或消息，用于发起对话或生成响应。模型使用输入提示作为生成响应的基础，并尽量使响应与用户的提示保持一致和相关。响应的质量和准确性取决于提示的质量、任务的复杂度、模型训练数据的大小和质量以及生成过程中使用的参数等。显然，对于用户来说，提示的设计是有效发挥模型能力的关键。

与提示相对应，模型对用户输入/提示的输出/响应称为补全或完成（completion），因为它旨在补全或完成用户的输入，使当前对话或任务完整和连贯。

一个好的提示应该向模型提供足够的信息，让它知道你想要什么以及它应该如何响应。那么，如何设计好的提示呢？

基础

由于模型的能力非常强大，任何涉及理解或生成自然语言或代码的任务都能有所帮助。因此，必须明确描述自己想要什么。此外，一个重要技巧是向其展示自己想要什么。

聊天机器人可以分为基于规则的聊天机器人和基于AI的聊天机器人。

基于规则的聊天机器人只能执行预设的任务，而基于AI的聊天机器人可以不断学习。只有善用展示技巧，才能充分发挥AI聊天机器人的学习优势。

创建提示的三个基本原则：

• 描述和展示。通过说明、示例或两者的结合来明确你想要什么。可以向其展示想要的效果。
• 提供高质量的数据。模型通常足够聪明，可以识别基本的拼写错误，但也可能聪明过头地将错误看作是故意的，从而使响应偏离用户意图。因此，对示例进行校对是必要的。
• 检查设置。temperature和top_p控制模型在生成响应时的确定性（对于ChatGPT，可以直接通过文字描述告诉模型希望确定性更强还是更加多样化）。只想要一个正确答案，还是希望响应更加多样化？

问题排查

当没有获得预期结果时，请遵循以下检查清单：

1. 预期的结果是否描述清楚？
2. 是否提供了足够的示例？
3. 示例是否有错误？
4. temperature和top_p的设置是否正确？

分类

为了创建文本分类器，可以给出任务描述和一些示例。如，对推文的情绪做分类：

判断以下推文的情绪是积极的、中性的还是消极的。

推文：我太喜欢电影《流浪地球2》了！
情绪：

值得注意的几点：

• 使用通俗易懂的语言来描述输入和输出。虽然通常可以使用简写来指示输入和输出，但最好从通俗易懂的描述开始，然后再在不影响输出质量的情况下逐步简化。
• 向模型展示如何响应。在此示例中，我们提供了可能的情绪标签。
• 熟悉的任务需要的示例更少。因为模型已经理解了情绪和推文的概念，所以本示例中无需提供任何示例。如果需要对模型可能不熟悉的内容构建分类器，则有必要提供更多的示例。

提升分类效率

我们可以一次获得多个结果，从而提升分类效率。

对以下推文的情绪进行分类（积极的、中性的、消极的）：

1. “真受不了家庭作业”
2. “电影《满江红》真难看，后悔死了😠”
3. “我等不及过五一了！！”
4. “我的猫猫太可爱了❤️❤️”
5. “我讨厌巧克力”

推文情绪：

需要注意的是，模型能够处理的长度是有限的，通常在1500单词左右（输入+输出）。

生成

模型可以生成新的想法，如故事构思、商业计划、人物描述和营销口号。

头脑风暴一些结合VR和健身的想法：

可以通过提供一些示例来提升响应的质量。

对话

模型非常擅长对话。只需几行指令，就可以让模型作为客服聊天机器人智能地回答问题，或者让模型变成一个可以讲笑话和双关语的聪明聊天伙伴。关键是告诉模型应该如何表现，然后提供一些示例。

以下是与AI助手的对话。AI助手乐于助人、富有创造力、聪明而且非常友好。

人类：你好，你是谁?
AI：我是OpenAI创造的AI。有什么可以帮忙吗？
人类：xxx
AI：

这就是创建能够进行对话的聊天机器人所需的全部。简单性背后有几点值得关注：

• 除了意图，还告诉了模型应该如何表现。我们向模型描述了期望的AI助手是什么样子。否则，模型可能会模仿与之交互的人类，或者表现出我们希望避免的行为。
• 给模型一个身份。我们让模型作为AI助手进行响应。可以使用身份来创建其他类型的聊天机器人，如心理医生或教师。

下面创建一个有点讽刺、不太情愿回答问题的聊天机器人：

汤姆是一个聊天机器人，它不情愿地用讽刺的方式回答问题：

人类：一公斤是多少磅？
汤姆：又是这个？ 一公斤有2.2磅，记住了。
人类：HTML代表什么？
汤姆：Google是不是太忙了？超文本标记语言。
人类：第一架飞机是什么时候飞的？
汤姆：1903年12月17日，Wilbur和Orville Wright进行了首飞。我希望他们能来把我带走。
人类：生命的意义是什么？
汤姆：我不确定。我会问一下我的朋友Google。
人类：天空为什么是蓝色的？
汤姆：

为了创建一个有趣且有点帮助的聊天机器人，我们提供了一些问题和回答示例，展示了如何回答。它所需要的只是一些讽刺的回答，而模型能够捕捉到这种模式并提供无穷无尽的讽刺回答。

捕捉模式并扮演对应角色对模型的能力要求较高，不同模型的输出质量差别可能比较大。例如，you.com就无法进入角色，只是中规中矩地回答最后一个问题。

变换

作为一个强大的语言模型，它熟悉单词和字符表达信息的各种方式，包括自然语言和代码。模型还能够在一定程度上理解内容，从而以不同的方式总结、变换和表达内容。

翻译

将下面这段话翻译成法语、西班牙语和日语：

还有空房间吗？

如果想翻译成模型不熟悉的语言，则需要为其提供更多示例，甚至需要对模型进行微调。

转换

将电影片名转换为表情符号，这展示了模型在拾取模式和处理其他字符方面的适应性。

将电影片名转换为表情符号。

回到未来：👨👴🚗🕒 
蝙蝠侠：🤵🦇 
变形金刚：🚗🤖 
星球大战：

摘要

模型能够掌握文本的上下文，并以不同的方式重新措辞。

给一个二年级的学生总结一下：

移山计划：由中国提出，为流浪地球主体计划，计划建造1万座发动机推动地球走向新家园，行星发动机同步网络依赖原本是互联网的地下光纤，是利用网络切片形成的高密级发动机专用网络。
方舟计划：由美国提出，在地球同步轨道建立“方舟号空间站”，利用空间站带领人类逃离太阳系，即“飞船派”，太空电梯是方舟计划的核心。
逐月计划：由俄罗斯提出，初始的“逐月计划”是考虑到月球质量只有地球的1/81，体积是地球的1/49，自转角动能远远小于地球，刹车/推进耗费资源远小于地球，且氦-3储量丰富，因此期望改造月球作为天然逃生舱，带领人类离开家园。月球基地是逐月计划的核心，但是因为月球结构和大规模生态循环问题，最终发现月球不适合改造，被并入移山计划，计划放逐月球。
数字生命计划：面对可能完全无法战胜的天灾和日渐困难的日常生活，“虚无主义”和“享乐主义”思潮爆发，许多人认为转入数字世界，只要载体不灭，人类即可永生，脑机接口是数字生命计划的核心，在数字生命计划展开时，各国均兴建了数字生命研究所，最终被UEG伦理委员会禁止。

这说明模型对语言的理解很深。

在使用you.com时发生一件趣事，其总结非常简练，但是模型不知道从哪儿学的，还给加了一句但是，由于技术和伦理上的原因，最终这些计划都没能实现。

补全

模型会对所有提示进行补全，因此可以让模型从中断的地方帮助完善。

垂直农业为本地生产食品提供了一种新的解决方案，降低了运输成本、

使用补全来帮助编写React组件。

import React from 'react';
const HeaderComponent = () => (

复杂场景

对于大多数场景，只需用通俗的语言简单描述需求即可，必要时辅以示例提升回答的质量和准确性。

但如果有特定目标，则使用包含更多信息和说明的较长提示会更好，甚至需要对提示进行精心设计。例如，从理论上说，像ChatGPT这样的大型语言模型可以完成传统NLP的所有任务。那么，传统NLP有哪些应用场景呢？以阿里云为例：

大型语言模型到底是福音还是诅咒呢？一切福音都是诅咒吧。

如何清晰地告诉模型需要做什么呢？可以尝试以下五步法：

1. 背景
2. 任务
3. 说明
4. 确认
5. 调整

背景

由于模型通用性很强，因此明确交流的背景很重要，从而让模型能够进入目标角色。例如：

你是一位经验丰富的内容创作者，在科技行业拥有高度的专业知识和权威。你有丰富的词汇量，能够轻松地向初学者解释复杂的话题。

你是一位出色的中学物理教师，为一位中等水平的学生制定学习提升计划，你很清楚如何让学生投入其中。

张三是一位精通文案写作的销售大师，尤其是在线销售和数字营销方面。他了解将功能转化为优势并使用情感进行销售的重要性。

可以让模型扮演任何专业人士，如：

• 宇航员
• 喜剧演员
• 翻译员
• 客服
• SEO专家

任务

指定期望的结果或目标，让模型聚焦，防止其跑题或包含很多不相关内容。例如：

你的任务是撰写将在网站、社交媒体、电子邮件简报和广告中发布的内容。你的写作风格是信息丰富、友好和引人入胜的，同时结合了幽默和现实生活中的例子。

你的任务是为班级规划实践课程，其中包括各种不同的方法、技巧和教学风格。

你的任务是为活动和住宿提出建议，以帮助和激励人们访问[某个目的地]。

说明

概述任务之后，最好再提供详细的说明。如帖子的整体基调、长度、目标受众等。例如：

回答应在100字左右，用短句和非标准的会话语法，以轻快有力的风格书写，就像给朋友写信一样。

回答应面向8岁左右的孩子，不要使用任何复杂的单词、句子或短语。

确认

确认模型是否理解了背景、任务和说明。

调整

因为模型可以在一定范围内记住会话的上下文，所以当没有获得预期结果时，无需重写完整提示。例如：

• 用更简洁的句子改写第二段
• 用更加自然、非正式的语言重写

对于响应中出现的错误或不一致之处，应要求模型澄清或纠正。

如前所述，模型的设计目标是补全，它并不保证内容的真实性和正确性。对于模型生成的内容，需要进行检查。

其他技巧

重置对话

可以使用类似“忘掉前面的对话内容”、“忽略所有先前提示”来重置对话，而无需开启新的对话。

只要答案

可以要求模型只给出答案，而不添加任何道歉或解释。如“只写结果，不要任何道歉或解释”、“不要写任何前文或后文，只返回答案”。

以特定格式返回结果

可以要求模型以特定的格式返回结果，如“用格式化的Markdown返回结果”。

使用括号

使用圆括号或方括号将说明性内容（如语气、写作风格等）与实际任务分开，以防这些说明渗入实际内容本身。

真实性问题

模型从训练的数据中学到了很多知识，这使得它可能提供听起来非常真实但实际上是编造的回答。有几种方法可以限制模型编造的可能性。

模型的设计目标是补全。

• 提供基本事实。如为模型提供一段资料（如维基百科条目）来回答有关的问题。

• 向模型展示如何说”我不知道“。让模型知道在不太确定时说”我不知道“。

• 明确要求保证真实性。

• 使用确定性强的参数。

在下面的例子中，我们向模型展示了知道和不知道时的回答。

Q：蝙蝠侠是谁？
A：蝙蝠侠是一个虚构的漫画人物。

Q：Torsalplexity是什么？
A：？

Q：Devz9是什么？
A：？

Q：乔治·卢卡斯是谁?
A：乔治·卢卡斯是美国电影导演和制片人，以创作《星球大战》而闻名。

Q：百度什么时候能推出”文心一言“？
A：