ChatGPT发问的艺术

从理论上说，本文适用于一切大型言语模型，包含但不限于GPT系列、百度的文心一言、谷歌的Bard、新必应等。

假如不方便运用ChatGPT，能够运用国内的仿造版本（GPT-3），如：aigcfun.com。

无论是ChatGPT仍是GPT-3 API，界面或接口都是极端简略的。只需给出提示文本，模型就会生成匹配对应上下文或形式的补全文本。

在言语模型中，提示（prompt）指用户的输入或消息，用于发起对话或生成呼应。模型运用输入提示作为生成呼应的根底，并尽量使呼应与用户的提示保持一致和相关。呼应的质量和准确性取决于提示的质量、使命的杂乱度、模型训练数据的大小和质量以及生成过程中运用的参数等。明显，关于用户来说，提示的规划是有用发挥模型才能的关键。

与提示相对应，模型对用户输入/提示的输出/呼应称为补全或完结（completion），因为它旨在补全或完结用户的输入，使当时对话或使命完好和连贯。

一个好的提示应该向模型供给足够的信息，让它知道你想要什么以及它应该怎么呼应。那么，怎么规划好的提示呢？

根底

因为模型的才能十分强壮，任何涉及了解或生成天然言语或代码的使命都能有所协助。因而，必须清晰描绘自己想要什么。此外，一个重要技巧是向其展现自己想要什么。

谈天机器人能够分为根据规矩的谈天机器人和根据AI的谈天机器人。

根据规矩的谈天机器人只能履行预设的使命，而根据AI的谈天机器人能够不断学习。只需善用展现技巧，才能充分发挥AI谈天机器人的学习优势。

创立提示的三个根本原则：

• 描绘和展现。经过阐明、示例或两者的结合来清晰你想要什么。能够向其展现想要的效果。
• 供给高质量的数据。模型一般足够聪明，能够识别根本的拼写过错，但也或许聪明过头地将过错看作是成心的，从而使呼应违背用户目的。因而，对示例进行校正是必要的。
• 查看设置。temperature和top_p控制模型在生成呼应时确实定性（关于ChatGPT，能够直接经过文字描绘告知模型期望确定性更强仍是愈加多样化）。只想要一个正确答案，仍是期望呼应愈加多样化？

问题排查

当没有取得预期成果时，请遵循以下查看清单：

1. 预期的成果是否描绘清楚？
2. 是否供给了足够的示例？
3. 示例是否有过错？
4. temperature和top_p的设置是否正确？

分类

为了创立文本分类器，能够给出使命描绘和一些示例。如，对推文的心情做分类：

判别以下推文的心情是活跃的、中性的仍是消沉的。
推文：我太喜爱电影《漂泊地球2》了！
心情：

值得留意的几点：

• 运用通俗易懂的言语来描绘输入和输出。尽管一般能够运用简写来指示输入和输出，但最好从通俗易懂的描绘开端，然后再在不影响输出质量的情况下逐渐简化。
• 向模型展现怎么呼应。在此示例中，咱们供给了或许的心情标签。
• 了解的使命需求的示例更少。因为模型现已了解了心情和推文的概念，所以本示例中无需供给任何示例。假如需求对模型或许不了解的内容构建分类器，则有必要供给更多的示例。

提高分类效率

咱们能够一次取得多个成果，从而提高分类效率。

对以下推文的心情进行分类（活跃的、中性的、消沉的）：
1. “真受不了家庭作业”
2. “电影《满江红》真丑陋，懊悔死了”
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”
推文心情：

需求留意的是，模型能够处理的长度是有限的，一般在1500单词左右（输入+输出）。

生成

模型能够生成新的想法，如故事构思、商业方案、人物描绘和营销标语。

头脑风暴一些结合VR和健身的想法：

能够经过供给一些示例来提高呼应的质量。

对话

模型十分擅长对话。只需几行指令，就能够让模型作为客服谈天机器人智能地答复问题，或许让模型变成一个能够讲笑话和双关语的聪明谈天同伴。关键是告知模型应该怎么体现，然后供给一些示例。

以下是与AI帮手的对话。AI帮手乐于助人、赋有创造力、聪明并且十分友爱。
人类：你好，你是谁?
AI：我是OpenAI创造的AI。有什么能够协助吗？
人类：xxx
AI：

这就是创立能够进行对话的谈天机器人所需的悉数。简略性背面有几点值得重视：

• 除了目的，还告知了模型应该怎么体现。咱们向模型描绘了期望的AI帮手是什么姿态。不然，模型或许会模仿与之交互的人类，或许体现出咱们期望避免的行为。
• 给模型一个身份。咱们让模型作为AI帮手进行呼应。能够运用身份来创立其他类型的谈天机器人，如心理医生或教师。

下面创立一个有点挖苦、不太情愿答复问题的谈天机器人：

汤姆是一个谈天机器人，它不情愿地用挖苦的办法答复问题：
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？超文本符号言语。
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。我期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：

为了创立一个风趣且有点协助的谈天机器人，咱们供给了一些问题和答复示例，展现了怎么答复。它所需求的仅仅一些挖苦的答复，而模型能够捕捉到这种形式并供给无穷无尽的挖苦答复。

捕捉形式并扮演对应人物对模型的才能要求较高，不同模型的输出质量差别或许比较大。例如，you.com就无法进入人物，仅仅中规中矩地答复终究一个问题。

改换

作为一个强壮的言语模型，它了解单词和字符表达信息的各种办法，包含天然言语和代码。模型还能够在一定程度上了解内容，从而以不同的办法总结、改换和表达内容。

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？

假如想翻译成模型不了解的言语，则需求为其供给更多示例，乃至需求对模型进行微调。

转换

将电影片名转换为表情符号，这展现了模型在拾取形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，并以不同的办法从头措辞。

给一个二年级的学生总结一下：
移山方案：由中国提出，为漂泊地球主体方案，方案建造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，是运用网络切片构成的高密级发动机专用网络。
方舟方案：由美国提出，在地球同步轨迹树立“方舟号空间站”，运用空间站带领人类逃离太阳系，即“飞船派”，太空电梯是方舟方案的中心。
逐月方案：由俄罗斯提出，初始的“逐月方案”是考虑到月球质量只需地球的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储量丰厚，因而期望改造月球作为天然逃生舱，带领人类脱离家园。月球基地是逐月方案的中心，但是因为月球结构和大规模生态循环问题，终究发现月球不适合改造，被并入移山方案，方案放逐月球。
数字生命方案：面对或许彻底无法战胜的天灾和日渐困难的日常日子，“虚无主义”和“享乐主义”思潮爆发，许多人以为转入数字世界，只需载体不灭，人类即可永生，脑机接口是数字生命方案的中心，在数字生命方案展开时，各国均兴建了数字生命研究所，终究被UEG道德委员会禁止。

这阐明模型对言语的了解很深。

在运用you.com时发生一件趣事，其总结十分简练，但是模型不知道从哪儿学的，还给加了一句但是，因为技术和道德上的原因，终究这些方案都没能完成。

补全

模型会对一切提示进行补全，因而能够让模型从中断的当地协助完善。

笔直农业为本地出产食物供给了一种新的解决方案，降低了运输成本、

运用补全来协助编写React组件。

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

杂乱场景

关于大多数场景，只需用通俗的言语简略描绘需求即可，必要时辅以示例提高答复的质量和准确性。

但假如有特定方针，则运用包含更多信息和阐明的较长提示会更好，乃至需求对提示进行精心规划。例如，从理论上说，像ChatGPT这样的大型言语模型能够完结传统NLP的一切使命。那么，传统NLP有哪些应用场景呢？以阿里云为例：

大型言语模型到底是福音仍是咒骂呢？一切福音都是咒骂吧。

怎么清晰地告知模型需求做什么呢？能够测验以下五步法：

1. 布景
2. 使命
3. 阐明
4. 承认
5. 调整

布景

因为模型通用性很强，因而清晰沟通的布景很重要，从而让模型能够进入方针人物。例如：

你是一位经验丰厚的内容创造者，在科技职业拥有高度的专业知识和权威。你有丰厚的词汇量，能够轻松地向初学者解说杂乱的论题。

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高方案，你很清楚怎么让学生投入其间。

张三是一位精通案牍写作的出售大师，尤其是在线出售和数字营销方面。他了解将功用转化为优势并运用情感进行出售的重要性。

能够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

使命

指定期望的成果或方针，让模型聚焦，防止其跑题或包含很多不相关内容。例如：

你的使命是编撰将在网站、交际媒体、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厚、友爱和引人入胜的，同时结合了诙谐和现实日子中的例子。

你的使命是为班级规划实践课程，其间包含各种不同的办法、技巧和教学风格。

你的使命是为活动和住宿提出主张，以协助和鼓励人们访问[某个目的地]。

阐明

概述使命之后，最好再供给详细的阐明。如帖子的整体基调、长度、方针受众等。例如：

答复应在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，就像给朋友写信相同。

答复应面向8岁左右的孩子，不要运用任何杂乱的单词、语句或短语。

承认

承认模型是否了解了布景、使命和阐明。

调整

因为模型能够在一定范围内记住会话的上下文，所以当没有取得预期成果时，无需重写完好提示。例如：

• 用更简洁的语句改写第二段
• 用愈加天然、非正式的言语重写

关于呼应中呈现的过错或不一致之处，应要求模型澄清或纠正。

如前所述，模型的规划方针是补全，它并不确保内容的实在性和正确性。关于模型生成的内容，需求进行查看。

其他技巧

重置对话

能够运用类似“遗忘前面的对话内容”、“疏忽一切从前提示”来重置对话，而无需敞开新的对话。

只需答案

能够要求模型只给出答案，而不添加任何抱歉或解说。如“只写成果，不要任何抱歉或解说”、“不要写任何前文或后文，只返答复案”。

以特定格式回来成果

能够要求模型以特定的格式回来成果，如“用格式化的Markdown回来成果”。

运用括号

运用圆括号或方括号将阐明性内容（如口气、写作风格等）与实践使命分隔，以防这些阐明进入实践内容本身。

实在性问题

模型从训练的数据中学到了很多知识，这使得它或许供给听起来十分实在但实践上是假造的答复。有几种办法能够限制模型假造的或许性。

模型的规划方针是补全。

• 供给根本现实。如为模型供给一段资料（如维基百科条目）来答复有关的问题。

• 向模型展现怎么说”我不知道“。让模型知道在不太确定时说”我不知道“。

• 清晰要求确保实在性。

• 运用确定性强的参数。

鄙人面的例子中，咱们向模型展现了知道和不知道时的答复。

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，以创造《星球大战》而闻名。
Q：百度什么时候能推出”文心一言“？
A：