一、背景
这个是上一篇，juejin.cn/post/722692…
今天少讲一个，毕竟篇幅有限哈
ps:我真不是想多水一篇，嗯真的！！！
这里我先定个性，GPT这样的大语言模型，只能做个助理，而提示词只能让助理提高点效率，取代不了人的。
好的，我们开始，大部分人还不知道ChatGPT，但不管你是谁，是掘金博主，是程序员，还是只想用ChatGPT帮你写写周报生成一些数据，它似乎都不太听话。
最近在看chatGPT的论文，关于提示词这个事，大家可以放心大胆的开始学，因为提示词并不是一个很新的东西，至于它的由来，我找机会写篇文章说明一下。
二、零和少样本提示
当我们要写的东西比如一个JSON，一个技术分享的大纲，在我们没有任何案例，或者只有很少的案例可供我们“参考”的时候怎么办呢？
零和少样本提示，能够让我们不用或者用很少的例子就可以写出来想要的内容。
如果你的数据不够多，或者你要做的事情很新鲜，没人做过，那就用它们吧。
比如说，你要做的事情一个例子都没有，那就用零样本提示。你给模型一个大概的任务，它就能根据自己的理解写出来。
再比如说，你要做的事情只有很少例子。你给模型一个例子，它就能学习一下，写出类似的东西。
直接上干货，模板：“基于[数量]个示例生成文本
举个例子
最近我在做一个小的提示词开源软件，为了节约成本呢，我没有做后端，数据用JSON的的方式存放在了前端，这样我就有一些手动写JSON的工作量，这个是很烦躁的，我的JSON格式如下：
看起来似乎，没有多少key，但这些脏活累活我还是想交给GPT来完成，如何提问来让GPT帮我们完成这个任务呢？
这里我们就要用到这个少样本提示。
我们把，title改成“讨论我们可能忽略的微妙之处”、把remark改成“放在问题末尾，用来发现问题其他可关注点”
根据上一章的内容，我们给这个问题加入角色提示、标准提示和少样本提示：
请你扮演一名前端工程师，基于{"title": "让我们一步一步来","description": "","desc_cn": "let's think step by step","remark": "放在问题末尾，用来提高回答的逻辑性","title_en": "let's think step by step","desc_en": "let's think step by step","remark_en": "Placed at the end of the question to enhance the logic of the answer","preview": null,}这一个示例，生成把title对应的值修改成“讨论我们可能忽略的微妙之处”，把remark改成“放在问题末尾，用来发现问题其他可关注点”，其他对应的key做相应的修改，给出修改后的JSON
其中：
- 扮演一名前端工程师 是角色提示
- 基于XXX 是少样本提示
- 生成XXX 是标准提示
这句话分别组合了 角色提示、标准提示、少样本提示，有些字段我没有用到，我在提问中删除了，结果如下：
是不是很神奇，我们来看看，当时我不知道这个提示时，手动写的JSON：
很神奇是不是，小助理轻松完成了脏活累活，摸鱼时间+1~
这里有个小提示：感兴趣的同学可以试试把，JSON中value的值删除，看看还可以获得对应的内容么~
再举个例子
当然这只是它很小的一个功能，我们再举个例子试验一下零样本提示，比如领导安排做技术分享，讲mobx ，往常我们至少要调研一周左右，那我们看看小助理在我们完全不了解mobx时，如何给我们提供一个分享的大纲。
请你扮演一名前端工程师，基于零提示，生成一个mobx的技术分享大纲：
首先是不加零提示“请你扮演一名前端工程师，生成一个mobx的技术分享大纲” 这里只用了角色提示和标准提示
似乎也不错，我们在试试加入零提示.
请你扮演一名前端工程师，基于零个示例，生成一个mobx的技术分享大纲 这里加了个零样本提示
太多了我就不截取了，感兴趣的可以自己试试。
效果差的好多，有木有，小助理的效率又提升了不少呢。
三、总结
今天篇幅有限，先讲一个提示词吧，到此为止啦，后面还有，来关注我吧~
