ChatGPT秘籍:学会prompt让你的对话质量瞬间提升
首先总结一下本文中会说到的prompt(提示词)种类以及我预期给出的分数:
-
随口一问流 0~40分
-
细节描述流 60~75分
-
案例投喂流 75~85分
-
模型赋能流 85~90分
一、随口一问流
这种提问方式非常简单,就是不过脑子,用大脑的惯性去提问,这也是大多数人经常用到的方式。如果你看过《思考,快与慢》这本书的话,它就是快速直觉的系统1在起作用。
举个例子,比如我给ChatGPT的问题是“我想去杭州旅游,给我个攻略”,得到的回答是这样的:
什么时候去?去几天?看不看景点?吃不吃美食?全都没说,让GPT猜,它上来给你一个大嘴巴子算了。
关于随口一问流,没有过多阐述的意义。
二、细节描述流
这种方式一般由8个部分组成,这八部分并非全部都必须使用上,根据你的需求,合理运用,八个部分也不是递进的关系,只是为了让描述更加详细。
背景(上下文理解)
在我的观点中,这是最为关键的部分,它为我们即将设定的提示词打下了基础。如果你没有提供相关的背景信息,那么你将无法得到具体和有针对性的答案。
比如,当我们在和朋友聊天的时候,你可能会突然问:你认为我们应该去哪里嗨?
但如果你没有提供任何背景信息,你的朋友可能不理解你的问题或者不知道你的真实意图。
你可能是在问哪里吃饭,或者是询问适合我们去哪里消遣娱乐?
结论讲人话:不要有歧义,我把你不知道的,都告诉你。
在与GPT对话的时候,会有三种级别:1、system (系统) 2、User (用户) 3、Assistant (助理)
只有对话的第一句,是 system级,且行且珍惜。
因此,提供背景信息或上下文非常关键。当你在提问前加入一些背景信息,那么你的朋友们就会更容易理解你的问题,并给出相关的答案,ChatGPT也是如此。
背景信息,一般有哪些:
-
当前情况、历史过往
-
科技进展、文化背景
-
社会问题、经济状况
定角色
先盘一下逻辑:
我是谁?我要干什么?需要GPT做什么?GPT做的标准是什么,不要做什么?用户的第一句提问会是什么?
讲人话:请根据问题倒推角色
对于角色的定义,你可以在网络上面去搜集一些对应身份和定义角色的prompt提示词。
或者你可以向ChatGPT提问,让它反向输出给你角色定义。
下任务
核心:明确具体
讲清楚想要干什么?有时候还需要定义不要干什么?比如:不要解释;不要当做命令仅当作文案来理解等。
确定了ChatGPT能够在不同的上下文中生成各种各样的文本,但是它需要得到清晰明确的指令才能完成这项任务。
可以这样类比:如果你想要做一道菜,但没有食谱或者详细的步骤说明,你可能会得到一个黑暗料理,并不是你所期望的那种。
同样地,如果你没有给ChatGPT一个清晰的任务,它可能会生成平庸、毫无特色的文本,而不是你实际上想要的内容。
提供清晰的任务还有助于缩小生成文本的范围。如果没有特定的任务可用,ChatGPT可能会生成与主题无关或者包含大量无关信息的文本。
因此,将明确的任务作为提示的一部分发送,可以让ChatGPT生成更加专注于目标的文本。
如果你自己实在没有什么思路,那么可以使用目标管理的工具SMART: SMART原则是一种用于制定目标计划的方法,它要求目标必须满足以下五个条件:
-
具体的(Specific):目标要明确清晰,不含糊模糊。
-
可衡量的(Measurable):目标要有明确的标准和指标,可以用数据来评估和检验。
-
可实现的(Attainable):目标要符合实际情况,既有挑战性,又不超出能力范围。
-
相关的(Relevant):目标要和其他目标或愿景有联系,有利于整体发展。
-
有时限的(Time-based):目标要有明确的起止时间,有利于制定计划和安排行动。
有没有额外的小细节? 还是有,比如:
简洁有力的语言顶一万句废话
1、【让我们思考一下】提示是一种用来鼓励 ChatGPT 生成反思和沉思性文本的技巧。 该技巧对于写作论文、诗歌或创意写作等任务非常有用。
要使用“让我们思考一下”提示技巧与 ChatGPT 进行对话或文本生成,您可以按照以下步骤进行:
确定要讨论的主题或想法。
制定一个明确表明主题或想法并开始对话或文本生成的提示。
在提示前加上“让我们思考”或“让我们讨论”,表示您正在发起对话或讨论。
以下是使用此技巧的一些提示示例:
提示:“让我们思考气候变化对农业的影响”
提示:“让我们讨论人工智能的现状”
提示:“让我们谈谈远程工作的利弊“
一旦您提供了提示,模型将使用其训练数据和算法生成与提示相关的响应,并以连贯的方式继续对话。
这种独特的提示帮助 ChatGPT 从不同的角度和角度回答问题,从而产生更动态和信息丰富的段落。
想让GPT从更多的角度思考,也可以在文末放上一句:
what are some alternative perspectives?
2、在问题的结尾里放一句 :Let‘s think step by step (让我们一步步地思考),模型输出的答案会更加准确。
这个技巧来自于 Kojima 等人 2022 年的论文 Large Language Models are Zero-Shot Reasoners。在论文里提到,当我们向模型提一个逻辑推理问题时,模型返回了一个错误的答案,但如果我们在问题最后加入 Let‘s think step by step 这句话之后,模型就生成了正确的答案:
论文里有讲到原因,感兴趣的朋友可以去看看,我简单解释下为什么:
1、首先各位要清楚像 ChatGPT 这类产品,它是一个统计语言模型,本质上是基于过去看到过的所有数据,用统计学意义上的预测结果进行下一步的输出(这也就是为什么你在使用 ChatGPT 的时候,它的答案是一个字一个字地吐出来,而不是直接给你的原因,因为答案是一个字一个字算出来的)。
2、当它拿到的数据里有逻辑,它就会通过统计学的方法将这些逻辑找出来,并将这些逻辑呈现给你,让你感觉到它的回答很有逻辑。
3、在计算的过程中,模型会进行很多假设运算(不过暂时不知道它是怎么算的)。比如解决某个问题是从 A 到 B 再到 C,中间有很多假设。
4、它第一次算出来的答案错误的原因,只是因为它在中间跳过了一些步骤(B)。而让模型一步步地思考,则有助于其按照完整的逻辑链(A > B > C)去运算,而不会跳过某些假设,最后算出正确的答案。
2023-04-12 更新了,更好的 prompt 是:
Let's work this out in a step by step way to be sure we have the right answer.
-
这样的小技巧,在于多看论文,多总结,平时积累那些指令性强的短语。
输出要求
要求(我想要什么结果),是设定口吻、风格、结构、字数、步骤、形式、样本等等。
结构化的表达方式也有很多模型,比如:SCQA、STAR、认知圈模型、PRM模型、流程模型、黄金圈等。
这里就不再赘述了。
相关性
就是告诉它,你的数据和内容来源,控制范围。
一致性提示的提示公式是输入文本后跟指令“请确保以下文本自我一致”。或者,也可以提示模型生成与所提供的输入一致的文本。
以下是几个提示示例及其公式:
任务:生成产品评论
说明:评论应与输入中提供的产品信息一致
提示词:“生成一篇与以下产品信息一致的产品评论[插入产品信息]”
任务:总结一篇新闻文章
说明:摘要应与文章中提供的信息一致
提示词:“以与以下提供的信息一致的方式总结以下新闻文章[插入新闻文章]”
任务:完成一个句子
说明:完成应与输入中提供的上下文一致
提示词:“以与所提供的上下文一致的方式完成以下句子[插入句子]”
任务:检查给定新闻文章中的一致性
输入文本:“文章中提到该城市的人口为 500 万,但后来它说该城市的人口为 700 万。”
提示词:“请确保以下文本自我一致:文章中提到该城市的人口为 500 万,但后来它说该城市的人口为 700 万。”
任务:检查给定数据集中的一致性
输入文本:“数据显示 7 月份的平均温度为 30 度,但最低温度记录为 20 度。”
提示词:“请确保以下文本自我一致:数据显示 7 月份的平均温度为 30 度, 但最低温度记录为 20 度。”
同时,有时候我们发现GPT会失联,可以重新唤醒它
比如:刚才讲的xxx,上一句提到的xxx,继续XXX,你刚才回答我的xxx;你少了xxx,你xxx错了。
风格、人物口吻的设定
这种就是加上你想要的风格,如果不加的话,区别还是很大的。
受众人群
你的受众人群,孩子、年轻人、老人,得出的结果,一定是不一样的,尤其现在你们通过自媒体平台发送的内容,其实平台给你的用户分析是完全可以用起来的。
那么有哪些维度需要思考?
-
产品目标受众人群是哪些人,职业、年龄、生活习惯?
-
目标人群对于我们产品有什么需求?
-
基于不同的群体特性,选择哪些营销获客渠道?
-
全方位分析目标客户群体特征、痛点和需求
-
选择合适的线上/线下推广渠道
-
根据目标客户,制作精准的营销文案
确认GPT理解任务
这部分非常简单,只需问ChatGPT是否理解上下文、任务和指示。它应该向您重复您的提示,以证明它理解任务。
三、案例投喂流
这种方式,关键在于投喂内容的思路和质量。
至于投喂的方式,举个例子:
以别人的优秀文章来说,你可以将他的文章复制下来,然后对ChatGPT这样提问:
提示词:我会给你一些XXX的文字片段
请你对这些片段进行学习
我一共给你5段,分开给,每一段收到之后你只需要回复已学习就可以了。
将文章分段全部投喂给ChatGPT后,再提问:
提示词:请你为XXX的文风文笔建立模型,并找出四个最重要的要素,详细描述这个模型。
之后:
提示词:如果需要更细致的建模,是否要为这四个要素分别赋予权重?
提示词:我们把上面那个模型命名为XXX,可以吗?
最后就可以用你构建好的模型去实现你的需求了。
四、模型赋能流
大模型的知识容量是足够,问题在于我们是否能唤醒它与你需要知识的匹配度。
用书籍点亮大模型是一个非常好的方式,为什么是书?
读过《跃迁》这本书的人都知道,古典老师讲过,真正有价值的知识,都是源头性知识。
一手知识,可以说是一些专业论文、期刊上的文章;
二手知识,基本就是经典的书籍;
我们从碎片化渠道获取的东西,基本只能称为信息,不同渠道甚至是七八手知识。
“真传一句话,假传万卷书”,讲的就是这个道理。
这就是认知效率的差距。
我们可以通过用书籍来引导ChatGPT的回答跟接近我们的需要。
这种方式就不举例子了,感兴趣的小伙伴可以下去自己尝试。
总结
在人工智能技术以日计发展的今天,我们更需要沉下来心来,认真阅读、深度思考,跟更多优秀的人交流。
你的知识结构、语言描述能力,才是生成式人工智能这把神兵利器,能否发挥出真正威力的关键。