今年，在OpenAI推出ChatGPT后不久，网络上鱼龙混杂涌现了大量AI提问的方法。那么最权威的提问方法是什么呢？
非OpenAI官方发布的《GPT 最佳实践》指南莫属。
该指南被视为高质量的官方资源。对于想要迅速提升AI提问效果的人来说，《GPT最佳实践 - 提升Prompt效果的六个策略》会非常有帮助。接下来重点给大家举例讲讲这六个策略。
策略一：写出清晰的指令
AI模型无法读懂你的心思，模型越少猜测你想要什么，你就越有可能得到它。
以下是其中一个例子：
| 糟糕的提问 | 优秀的提问 |
|---|---|
| 谁是总统？ | 谁是 2021 年的墨西哥总统，选举多久举行一次？ |
| 总结会议记录。 | 用一个段落总结会议记录。然后写一个演讲者和他们每个关键点的降价列表。最后，列出演讲者建议的后续步骤或行动项目（如果有的话）。 |
| 如何在Excel中添加数字？ | 如何在Excel中将一行美元金额相加？我想自动为整张行表执行此操作，所有总数都位于名为“Total”的列的右侧。 |
具体方法包括：
-
在您的查询中包含详细信息以获得更相关的答案
-
要求模型采用角色
-
使用定界符清楚地指示输入的不同部分
-
指定完成任务所需的步骤
-
提供例子
-
指定所需的输出长度
策略二：从参考文本中找信息
AI模型可以自信地胡说八道，尤其是在被问及深奥的主题或引文和 URL 时。如果我们可以为模型提供与当前查询相关的可靠信息，那么我们就可以要求模型使用提供的信息来进行回答。
以下是其中一个例子：
""" 在2022年的某天，李明骑着摩托车前往客户那里交付货物。途中，他意外地遇到了一只可爱的小狗，于是他停下车，弯下腰去和小狗亲近。然而，当他回到摩托车时，惊讶地发现货物不见了。经过一年的时间，也就是在2023年，李明再次进了一批货物，但他万万没想到，在货物中居然发现了那只之前遇到的小狗。这个奇怪的巧合让他感到非常吃惊。"""
问题：2022年李明开摩托车遇到了什么动物？
具体方法包括：
-
提示模型使用参考文本来回答问题
-
提示模型使用参考文本中的引用来回答问题
策略三：给AI时间思考
为了避免GPT推理错误，在回答问题之前，可要求模型给出一系列的推理过程可以帮助GPT更可靠地推理正确的答案。
以下是其中一个例子：
开始GPT的回答是：学生的答案是正确的。但是学生的解决方案实际上是不正确的！
我们可以让GPT给出推理过程，加上一段提示词：
“首先，针对这个问题，请先思考并找出你自己的解决方案，列出计算过程。
将你的解决方案的函数与学生的解决方案的函数分别列出来，再将函数进行比较，评估学生的解决方案是否正确。
请在你自己完成问题的解决方案之后，再判断学生的解决方案是否正确。”
当给出推理过程后，GPT给出正确的判断“学生的答案是错误的”。
具体方法包括：
-
在匆忙下结论之前指示模型制定出自己的解决方案
-
使用内心独白或一系列查询来隐藏模型的推理过程
-
询问模型是否遗漏了之前传递的任何内容
策略四：复杂任务拆为简单的子任务
复杂任务往往比简单任务具有更高的错误率。此外，复杂任务通常可以重新定义为更简单任务的工作流，其中早期任务的输出用于构建后续任务的输入。
具体方法包括：
-
使用意图分类来识别与用户查询最相关的指令
-
对于需要很长对话的对话应用，总结或过滤之前的对话
-
分段总结长文档并递归构建完整摘要
策略五：使用外部工具
为了弥补GPT的不足，我们可以使用其他工具的输出来增强其功能。一个方法是通过文本检索系统提供相关文档的信息，以辅助GPT生成更准确的回答。另外，可以利用代码执行引擎来帮助GPT进行数学计算和代码运行，从而提高其处理相关任务的效率和可靠性。在需要获得最佳效果时，我们应当借助其他工具来增强GPT的能力。
策略六：系统地测试变更
当我们对GPT进行修改时，有时候我们会发现在一些特定的例子上改动提示可以明显提高结果。比如，在某个特定的问题上，将提示稍微修改一下可能会得到更准确的答案。
然而，这种修改可能只是针对一些特殊情况有效，而在更广泛、更代表性的情况下可能导致整体表现变差。就好像我们只关注某个小范围的数据，而忽视了更大范围的数据。
为了确保我们的修改能够在多个情况下产生积极的影响，我们需要进行全面的测试。这意味着要使用包含各种不同类型问题的测试集，来评估模型在不同任务和数据集上的表现。通过这种综合的评估，我们可以更全面地了解模型的性能，并根据测试结果进行相应的改进。
举个例子，假设我们正在训练一个问答模型，我们发现在某个具体的问题上，稍微修改提示可以得到更好的答案。但如果我们仅仅基于这个问题的改进来评估模型，就可能忽略了其他问题的性能变化。通过使用评估套件来测试模型在多个问题上的表现，我们可以更准确地判断我们的修改是否真正提高了模型的整体效果。
官方原文网址：
https://platform.openai.com/docs/guides/gpt-best-practices
