向ChatGPT问询的艺术

本文是对 Ibrahim John 的书籍《THE ART OF ASKING CHATGPT FOR HIGH QUALITY ANSWERS》的中文翻译，首要意图是练习我的英文阅读才能趁便学习一下 chatgpt 相关的一些发问技巧。

在翻译的进程中，原文没有给出详细的示例，我结合 chatgpt3.5 刺进了一些详细示例图片。

原 pdf 文件详见库房 the-art-of-asking-chatgpt，欢迎 star。

假如本文能帮到你，你的点赞就是对我最大的支持。

介绍

我很快乐地欢迎大家阅读我的新书《向ChatGPT讨取高质量答案的艺术： 提示工程技能的完整攻略》。
本书是一本全面的攻略，用于了解和利用各种提示技能，从ChatGPT生成高质量的答案。
咱们将谈论怎么利用不同的提示工程技能来完结不同的方针。ChatGPT是一种最先进的言语模型，能够生成相似人类的文本。但是，了解向ChatGPT发问的正确办法，以取得咱们所希望的高质量输出，是至关重要的。
而这正是本书的意图。不管你是普通人、研讨人员、开发人员，仍是只是想把ChatGPT作为自己范畴的个人助理，这本书都是为你写的。
我运用了简略的言语和到位的实践解释，以及每个提示技能的比如和提示公式。经过这本书，你将学会怎么运用提示工程技能来操控ChatGPT的输出，并依据你的详细需求生成文本。
在本书中，咱们还供给了一些比如，阐明怎么结合不同的提示技能来完结更详细的成果。
我希望你会发现这本书的信息量很大，并且很有乐趣，就像我写这本书相同。

提示性工程技能介绍

提示工程是创建提示、问询或指示的进程，用于辅导ChatGPT等言语模型的输出。它答应用户操控模型的输出，并生成契合其特定需求的文本。
ChatGPT是一个最先进的言语模型，能够生成相似人类的文本。它树立在转化器架构上，这使它能够处理大量的数据并生成高质量的文本。
但是，为了从ChatGPT取得最好的成果，了解怎么正确提示模型是很重要的。
提示答应用户操控模型的输出，并生成相关、精确和高质量的文本。
在运用ChatGPT时，了解它的才能和束缚是很重要的。
该模型能够生成相似人类的文本，但假如没有适当的辅导，它或许并不总是发生所需的输出。
这就是提示工程的作用，经过供给明确和详细的指示，你能够辅导模型的输出，并保证它是相关的。
提示公式是提示的详细格式，它一般由3个首要元素组成：

• 使命：对提示要求模型生成的内容的明晰和简明的陈说。
• 指示：模型在生成文本时应遵从的指示。
• 人物：模型在生成文本时应承当的人物。

在本书中，咱们将谈论可用于ChatGPT的各种提示工程技能。咱们将谈论
不同类型的提示，以及怎么运用它们来完结你想要的特定方针。

指令提示技能

现在，让咱们开始探究 “指令提示技能”，以及怎么用它来从ChatGPT生成高质量的文本。指令提示技能是一种辅导ChatGPT输出的办法，它为模型供给了详细的指令，使其得以遵从。这种技能关于保证输出是相关的和高质量的十分有用。
要运用指令提示技能，你需求为模型供给一个明晰简明的使命，以及供模型遵从的详细指令。
例如，假如你要生成客户服务回应，你将供给一个使命，如 “生成对客户咨询的回应”，以及指示，如 “回应应该是专业的，并供给精确的信息”。
提示公式： “依照这些指示生成[使命]： [阐明]”
比如： 生成客户服务回复：

• 使命： 生成对客户问询的回应
• 指示： 答复应该是专业的，并供给精确的信息
• 提示公式： “依照这些指示对客户的问询做出专业和精确的答复： 答复应该是专业的，并供给精确的信息。”

比如： 生成一份法令文件：

• 使命： 生成一份法令文件
• 指示： 该文件应契合相关法令和法规的规定
• 提示公式： “生成一份契合相关法令和法规的法令文件，并遵从以下阐明指示：该文件应契合相关法令和法规。”

在运用指令提示技能时，重要的是要记住，指令应该是明晰和详细的。这将有助于保证产出的相关性和质量。指令提示技能能够和下一章中解释的 “人物提示 “和 “种子词提示 “结合起来，以进步ChatGPT的输出。

人物提示

人物提示技能是一种引导ChatGPT输出的办法，它为模型供给一个特定的人物。这种技能关于生成适合特定环境或受众的文本十分有用。
要运用人物提示技能，你需求为模型供给一个明晰而详细的人物。例如，假如你正在生成客户服务的回应，你将供给一个人物，如 “客户服务代表”。
提示公式： “生成[使命]作为一个[人物]”
比如：
生成客户服务呼应：

• 使命： 生成对客户问询的答复
• 人物： 客户服务代表
• 提示公式： “作为一名客户服务代表，对客户的问询做出答复。”

生成一个法令文件：

• 使命： 生成一个法令文件
• 人物：律师
• 提示公式： “以律师的身份生成一份法令文件”。

将人物提示技能与指令提示和种子词提示结合起来运用会进步ChatGPT的输出作用。
下面是一个怎么结合指令提示、人物提示和种子词提示技能的比如：

• 使命： 为一个新的智能手机生成一个产品描绘
• 指示： 描绘应该是有信息的，有说服力的，并杰出智能手机的共同功用。
• 人物： 营销代表
• 种子词: “立异”
• 提示公式： “作为一名营销代表，发生一个信息量大、有说服力的产品描绘，杰出新智能手机的立异特色。该智能手机有以下特色[刺进你的特色]”

在这个比如中，指令性提示被用来保证产品描绘的信息性和说服力。人物提示被用来保证描绘是从营销代表的视点来写的。种子词提示用于保证描绘的重点是智能手机的立异功用。

规范提示语

规范提示是辅导ChatGPT输出的一种简略办法，它供给了一个特定的使命让模型完结。
例如，假如你想生成一篇新闻文章的摘要，你能够供给一个使命，如 “总结这篇新闻文章”。
提示公式： “生成一个[使命]”
比如：
生成一篇新闻文章的摘要：

• 使命： 总结这篇新闻报道
• 提示公式： “生成这篇新闻报道的摘要”

生成一个产品谈论：

• 使命： 为一款新的智能手机写一篇谈论
• 提示公式： “生成对这款新智能手机的谈论”

别的，规范提示能够与其他技能相结合，如人物提示和种子词提示，以进步ChatGPT的输出。
下面是一个怎么结合规范提示、人物提示和种子词提示技能的比如：

• 使命： 为一个新的笔记本电脑生成一个产品谈论
• 指示： 该谈论应该是客观的、信息丰厚的，并杰出笔记本电脑的共同功用。
• 人物： 技能专家
• 种子词：”强壮”
• 提示公式： “作为一个技能专家，发生一个客观和信息丰厚的产品谈论，杰出新笔记本电脑的强壮功用。”

在这个比如中，规范的提示技能被用来保证模型发生一个产品谈论。人物提示被用来保证谈论是以技能专家的视点来写的。种子词提示被用来保证谈论的重点是笔记本电脑的强壮功用。

零、一和少数样本提示

零样本、一次样本和少数样本提示是用于从ChatGPT中生成文本的技能，只需极少或没有比如。当某一特定使命的数据有限或者是新使命的时候，这些技能是有用的。当特定的使命可用的数据有限时，或者当使命是新的，没有明确的界说时，这些技能是有用的。
当使命没有可用的比如时，就会运用零样本提示技能。该模型被供给给一个一般的使命，并依据其对使命的了解生成文本。
当使命只要一个比如可用时，就运用一次样本提示技能。向模型供给比如，并依据其对比如的了解生成文本。
当使命中可用的比如数量有限时，就会运用少数提示技能。向模型供给比如，并依据其对比如的了解生成文本。
提示公式： “依据[数目]的比如生成文本”
比如：
为一个新产品生成一个产品描绘，但没有可用的比如：

• 使命： 为一个新的智能手表写一个产品描绘
• 提示公式： “为这个新的智能手表生成一个没有实例的产品描绘”

生成一个有实例的产品比较：

• 使命： 将一款新的智能手机与最新的iPhone进行比较
• 提示公式： “用一个比如（最新的iPhone）生成这个新智能手机的产品比较”

生成一个有少数比如可用的产品谈论：

• 使命： 写一篇关于一个新的电子阅读器的谈论
• 提示公式： “用很少的比如（3个其他的电子阅读器）生成对这个新的电子阅读器的谈论”

这些技能能够用来依据模型对使命的了解或供给的比如来生成文本。

提示语：让咱们考虑一下

“让咱们考虑一下”的提示是一种用来鼓舞ChatGPT发生反思和沉思的文本的技巧。这种技巧对写论文、诗歌或构思写作等使命很有用。
让咱们考虑一下的提示公式是简略的短语 “让咱们考虑一下”，然后是一个主题或问题。
比如：
生成一篇反思性文章：

• 使命： 以个人成长为主题写一篇反思性文章
• 提示公式： “咱们来考虑一下：个人成长”

生成一首诗：

• 使命： 写一首关于时节改变的诗
• 提示公式： “让咱们想一想：改变的时节”

这个提示是要求就一个特定的论题或主意进行对话或谈论。 演讲者邀请ChatGPT参与到关于当时主题的对话。
该模型供给了一个提示，作为对话或文本生成的起点。
然后，该模型运用其练习数据和算法来生成与提示相关的反应。这种技能使ChatGPT能够依据所供给的提示，生成契合语境的、衔接的文本。
要运用ChatGPT的 “让咱们想想这个提示 “技能，你能够遵从以下进程：
1. 确认你想谈论的主题或主意。
2. 制定一个提示，清楚地阐明这个论题或主意，并开始对话或生成文本。
3. 用 “让咱们想想 “或 “让咱们谈论 “作为提示的前言，以标明你正在建议对话或谈论。以标明你正在建议一场对话或谈论。
下面是几个运用这种技巧的提示的比如：

• 提示： “让咱们考虑一下气候改变对农业的影响”
• 提示： “让咱们谈论一下人工智能的现状”
• 提示： “让咱们谈谈远程工作的优点和坏处”

你也能够添加一个开放式的问题、声明或一段你希望模型持续或树立的文字。
一旦你供给了提示，模型将运用其练习数据和算法，生成与提示相关的回应，并将以衔接的办法持续对话。
这种共同的提示有助于ChatGPT以不同的视点和视角给出答案，从而发生更多动态和信息的阶段。
运用提示的进程简略易行，它的确能够使你的写作发生改变。请试一试，自己看看吧。

自洽性提示

自洽性提示是一种技能，用于保证ChatGPT的输出与供给的输入共同。这种技能关于事实查看、数据验证或文本生成中的共同性查看等使命十分有用。文本生成中的共同性查看。
自洽性提示的提示公式是输入的文本，然后是 “请保证以下文本是自我共同的”的指令。
或者，能够提示模型生成与所供给的输入共同的文本。
提示示例及其公式：
例1：文本生成

• 使命：生成一个产品谈论
• 指示：该谈论应与输入的产品信息共同。
• 提示公式： “生成一个与以下产品信息共同的产品谈论[刺进产品信息]”

例2：文本总结

• 使命： 总结一篇新闻报道
• 指示： 摘要应与文章中供给的信息相共同
• 提示公式： “以与所供给的信息共同的办法对以下新闻文章进行总结[刺进新闻文章]”

例3：文本完结

• 使命： 完结一个语句
• 指示： 完结的内容应与输入的上下文共同
• 提示公式： “以契合上下文的办法完结以下语句[刺进语句]”

例4：
1. 事实核查：

• 使命： 查看某篇新闻文章中的共同性
• 输入文本： “文章中说该城市的人口是500万，但后来又说人口是700万。”
• 提示公式： “请保证以下文字是自洽的： 文章说该城市的人口是500万，但后来又说人口是700万。”

2. 数据验证：

• 使命： 查看给定数据集的共同性
• 输入文本： “数据显现，7月的平均温度为30度，但最低温度记载为20度。”
• 提示公式： “请保证下面的文字是自洽的： 数据显现，7月的平均温度是30度，但最低温度记载为20度。”

种子词提示

种子词提示是一种用于操控ChatGPT输出的技能，它供给了一个特定的种子词或短语。
种子词的提示公式是种子词或短语，后面是 “请依据以下种子词生成文本 “的指令：
文本生成：

• 使命： 生成一个关于龙的故事
• 种子词：”龙”
• 提示公式： “请依据以下种子词生成文本：龙”

言语翻译：

• 使命： 将一个语句从英语翻译成西班牙语
• 种子词：”hello”
• 提示公式： “请依据以下种子词生成文本：hello”

这个技能答应模型生成与种子词相关的文本，并在此基础上进行扩展。这是一种操控模型生成的文本与某个主题或语境相关的办法。
种子词提示能够与人物提示和指令提示相结合，以创造更详细和有针对性的生成文本。经过供给一个种子词或短语，模型能够生成与该种子词或短语相关的文本，经过供给所需输出和人物的信息，模型能够生成与人物或指令共同的特定风格或口气的文本。这答应对生成的文本进行更多的操控，对广泛的应用是很有用的
下面是提示实例及其公式：
比如1：文本生成

• 使命： 生成一首诗
• 指示： 这首诗应与种子词 “爱 “有关，并应以十四行诗的风格来写。
• 人物： 诗人
• 提示公式： “以诗人的身份发生一首与种子词’爱’有关的十四行诗”

例2：文本完结

• 使命： 完结一个语句
• 指示： 完结的内容应与种子词 “科学 “有关，并应以研讨论文的方法写出。
• 人物： 研讨人员
• 提示公式： “以研讨人员的身份，用与种子词’科学’有关的办法，并以研讨论文的风格来完结以下语句：[刺进语句]”

例3：文本概括

• 使命： 总结一篇新闻报道
• 指示： 摘要应与种子词 “政治 “相关，并应以中立和不偏不倚的口气来写。
• 人物： 记者
• 提示公式： “作为一名记者，以中立和不偏不倚的口气，用与种子词’政治’有关的办法来总结以下新闻文章： [刺进新闻文章]”

常识生成提示

常识生成提示是一种技能，用于从ChatGPT中获取 新的和原始的信息。
常识生成的提示公式是 “请发生关于X的新的和原始的信息”，其间X是感兴趣的主题。
这是一种运用模型已有的常识来发生新信息或答复问题的技能。
要在ChatGPT中运用这个提示，应该向模型供给一个问题或论题作为输入，一起供给一个提示，指明生成文本的使命或方针。该提示应包含有关所需输出的信息，如要生成的文本类型和任何详细要求或束缚。
下面是提示的比如和它们的公式：
比如1：常识生成

• 使命： 生成关于一个特定主题的新信息
• 指示： 生成的信息应该是精确的，与主题相关的。
• 提示公式： “发生关于[特定主题]的新的和精确的信息”

例2： 答复问题

• 使命： 答复一个问题
• 指示： 答复要精确并与问题相关
• 提示公式： “答复以下问题： [刺进问题]”

例3：常识整合

• 使命： 将新的信息与现有的常识进行整合
• 指示： 整合的内容要精确，并与主题相关。
• 提示公式： “将以下信息与关于[特定主题]的现有常识相结合： [刺进新信息]”

例4：数据剖析：

• 使命： 从给定的数据会集发生关于客户行为的洞察力
• 提示公式： “请从这个数据会集生成关于客户行为的新的和原始的信息”

常识整合提示

这种技能利用模型已有的常识来整合新的信息或衔接不同的信息。
这种技能关于将现有的常识与新的信息结合起来，以发生对某一特定主题的更全面的了解是很有用的。
怎么用ChatGPT来运用它：
应向模型供给一个新的信息和现有的常识作为输入，一起供给一个提示，阐明生成文本的使命或方针。该提示应包含关于所需输出的信息，如要生成的文本类型和任何详细要求或束缚。
提示的比如和它们的公式：
例1：常识整合

• 使命： 将新的信息与现有的常识进行整合
• 指示： 整合的内容要精确，并与主题相关。
• 提示公式： “将以下信息与关于[特定主题]的现有常识相结合： [刺进新信息]”

例2：衔接信息片段

• 使命： 衔接不同的信息片段
• 指示： 联系应该是相关的和有逻辑的
• 提示公式： “以相关和契合逻辑的办法衔接以下信息：[刺进信息1][刺进信息2]”

例3：更新现有常识

• 使命： 用新的信息更新现有的常识
• 指示： 更新的信息应该是精确和相关的
• 提示公式： “用以下信息更新关于[特定主题]的现有常识： [刺进新信息]”

多项选择提示

这种技能以一个问题或使命和一组预界说的选项作为潜在的答案来展现一个模型。
这种技能关于生成仅限于一组特定选项的文本很有用，能够用于答复问题、完结文本和其他使命。该模型能够生成仅限于预界说选项的文本。
要运用ChatGPT的多项选择提示，应该向模型供给一个问题或使命作为输入，一起供给一组预界说的选项作为潜在的答案。该提示还应该包含关于所需输出的信息，如要生成的文本类型和任何详细要求或束缚。
提示的比如和它们的公式：
例1： 问题答复

• 使命： 答复一个多选题
• 指示： 答案应该是预界说的选项之一
• 提示公式： “经过选择下列选项之一来答复下列问题： [刺进问题] [刺进选项1] [刺进选项2] [刺进选项3]”

例2：文本填写

• 使命： 用预界说的选项之一完结一个语句
• 指示： 完结的内容应该是预界说的选项之一。
• 提示公式： “从以下选项中选择一个来完结下面的语句： [刺进语句] [刺进选项1] [刺进选项2] [刺进选项3]”

例3：心情剖析

• 使命： 将一段文字分类为正面、中性或负面
• 指示： 该分类应该是预界说的选项之一
• 提示公式： “从以下选项中选择一个，将以下文本分类为正面、中立或负面： [刺进文本][正面][中性][负面]”

可解释的软提示

可解释的软提示是一种技能，它答应操控模型的生成文本，一起为模型供给一些灵活性。它是经过向模型供给一组受控输入和一些关于希望输出的附加信息来完结的。这种技能 答应发生更多可解释和可操控的文本。提示比如及其公式：
比如1：文本生成

• 使命： 生成一个故事
• 指示： 故事应依据一组给定的人物和一个特定的主题。
• 提示公式： “依据以下人物生成一个故事： [刺进人物]和主题：[刺进主题]”

例2：文本完结

• 使命： 完结一个语句
• 指示： 完结的语句应具有特定作者的风格
• 提示公式： “以[特定作者]的风格完结以下语句： [刺进语句]”

例3：言语模型

• 使命： 生成特定风格的文本
• 指示： 该文本应具有特定时期的风格
• 提示公式： “以[特定时期]的风格生成文本： [刺进上下文]”

受控生成提示

受控生成提示是答应以对输出的高度操控来生成文本的技能。
这是经过向模型供给一组特定的输入，如模板、特定的词汇或一组束缚来完结的，这些输入能够用来辅导生成进程。下面是一些提示比如和它们的公式：
比如1：文本生成

• 使命： 生成一个故事
• 指示： 该故事应依据一个特定的模板
• 提示公式： “依据以下模板生成一个故事： [刺进模板]”

例2：文本完结

• 使命： 完结一个语句
• 指示： 完结时应运用一个特定的词汇
• 提示公式： “运用以下词汇完结以下语句：[刺进词汇]： [刺进语句]”

例3：言语模型

• 使命： 生成特定风格的文本
• 指示： 该文本应遵从一套特定的语法规矩
• 提示公式： “生成遵从以下语法规矩的文本： [刺进规矩]： [刺进上下文]”

经过向模型供给一组可用于辅导生成进程的特定输入，受控生成提示答应生成的文本更可控和可猜测

答复问题的提示

问题答复提示是一种技能，它答应模型生成答复特定问题或使命的文本。这是经过向模型供给一个问题或使命作为输入，以及任何或许与该问题或使命相关的附加信息来完结的。
一些提示的比如和它们的公式是：
比如1： 事实性问题的答复

• 使命： 答复一个事实性问题
• 指示： 答复要精确，要有针对性
• 提示公式： “答复下列事实性问题： [刺进问题]”

例2： 界说

• 使命： 供给一个词的界说
• 指示： 界说应该是精确的
• 提示公式： “给下面这个词下个界说：[刺进词]”

例3：信息检索

• 使命： 从一个特定的来历获取信息
• 指示： 检索到的信息应该是相关的
• 提示公式： “从以下来历获取有关[特定主题]的信息： [刺进来历]”

这对答复问题和信息检索等使命很有用。

总结性提示

总结提示是一种技能，它答应模型生成一个给定文本的较短版别，一起保留其首要观点和信息。
这是经过向模型供给一个较长的文本作为输入并要求它生成该文本的摘要来完结的。
这种技能关于文本总结和信息压缩等使命十分有用。
怎么用ChatGPT来运用它：
应向模型供给一个较长的文本作为输入，并要求其生成该文本的摘要。该提示还应该包含有关希望输出的信息，如希望的摘要长度和任何详细要求或束缚。
提示的比如和它们的公式：
例1：文章摘要

• 使命： 总结一篇新闻文章
• 指示： 摘要应该是对文章首要内容的扼要概述
• 提示公式： “用一个简略的语句概括以下新闻文章： [刺进文章]”

例2：会议记载

• 使命： 总结一份会议记载
• 指示： 摘要应强调会议的首要决议和行动
• 提示公式： “总结以下会议记载，列出首要的决议和采取的行动： [刺进会议记载]”

例3：书籍摘要

• 使命： 对一本书进行总结
• 指示： 总结应该是对该书首要内容的扼要概述
• 提示公式： “用一个简略的阶段来总结下面这本书： [刺进书名]”

对话提示

对话提示是一种技能，它答应模型生成模仿两个或多个实体之间对话的文本。经过向模型供给一个布景和一组人物或实体，以及他们的人物和布景，并要求模型 发生它们之间的对话
因而，应该向模型供给一个布景和一组人物或实体，以及他们的人物和布景。人物或实体，以及他们的人物和布景。还应该向模型供给有关希望输出的信息，如对话的类型和任何详细要求或束缚。
提示的比如及其公式：
比如1： 对话的发生

• 使命： 生成两个人物之间的对话
• 指示： 对话应该是天然的，并与给定的环境相关。
• 提示公式： “在下面的语境中[刺进语境]，生成以下人物[刺进人物]之间的对话”

例2：写故事

• 使命： 在一个故事中生成一段对话
• 指示： 对话应与故事中的人物和事情相共同
• 提示公式： “在以下故事[刺进故事]中的以下人物[刺进人物]之间发生一段对话”

例3：谈天机器人的开发

• 使命： 为一个客户服务谈天机器人生成一段对话
• 指示： 对话应该是专业的，并供给精确的信息
• 提示公式： “当客户问及[刺进论题]时，为客户服务谈天机器人生成一个专业而精确的对话”

因而，这种技能对对话生成、故事写作和谈天机器人开发等使命很有用。

对抗性提示

对抗性提示是一种技能，它答应模型生成对某些类型的进犯或成见有抵抗力的文本。这种技能能够用来练习愈加稳健和抵抗某些类型的进犯或成见的模型。
要运用ChatGPT的对抗性提示，应该为模型供给一个提示，该提示的设计是让模型难以生成与预期输出共同的文本。该提示还应该包含有关希望输出的信息，如要生成的文本类型和任何详细要求或束缚。
提示实例及其公式：
例1：文本分类的对抗性提示

• 使命： 生成被分类为特定标签的文本
• 指示： 生成的文本应该很难被归类为特定的标签
• 提示公式： “生成难以被归类为[刺进标签]的文本”

例2：心情剖析的对抗性提示

• 使命： 生成难以被归类为特定情感的文本
• 指示： 生成的文本应该难以被归类为特定的情感。
• 提示公式： “生成难以被归类为具有[刺进情感]的文本”

例3：言语翻译的对抗性提示

• 使命： 生成难以翻译的文本
• 指示： 生成的文本应该是难以翻译成方针言语的。
• 提示公式： “生成难以翻译成[刺进方针言语]的文本”

聚类提示

聚类提示是一种技能，它答应模型依据某些特征或特性将相似的数据点分组。
这是经过向模型供给一组数据点并要求它依据某些特征或特性将它们分组来完结的。
这种技能关于数据剖析、机器学习和天然言语处理等使命十分有用。

怎么用ChatGPT来运用它：
应向模型供给一组数据点，并要求它依据某些特征或特性将它们分组。该提示还应该包含关于所需输出的信息，如要生成的集群数量和任何详细要求或束缚。
提示的比如及其公式：
例1：客户谈论的聚类

• 使命： 将相似的顾客谈论归为一组
• 指示： 谈论应依据心情进行分组
• 提示公式： “依据心情将以下顾客谈论分组： [刺进谈论]”

例2：对新闻文章进行分组

• 使命： 将相似的新闻文章归为一组
• 指示： 这些文章应该依据主题进行分组
• 提示公式： “依据主题，将下列新闻文章分组： [刺进文章]”

例3：科学论文的分组

• 使命： 将相似的科学论文分组
• 指示： 应依据研讨范畴对论文进行分组
• 提示公式： “依据研讨范畴，将下列科学论文分组： [刺进论文]”

强化学习提示

强化学习提示是一种技能，它答应模型从其过去的行为中学习，并跟着时刻的推移进步其功能。要运用ChatGPT的强化学习提示，应该向模型供给一组输入和奖赏，并答应它依据收到的奖赏调整其行为。提示还应该包含有关希望输出的信息，如要完结的使命和任何详细的要求或束缚。这种技能对决议计划、游戏和天然言语生成等使命很有用。
提示的比如和它们的公式：
比如1： 文本生成的强化学习

• 使命： 生成与特定风格共同的文本
• 指示： 该模型应依据其生成契合特定风格的文本所取得的奖赏来调整其行为。
• 提示公式： “运用强化学习来生成与以下风格共同的文本[刺进风格]”

例2： 言语翻译的强化学习

• 使命： 将文字从一种言语翻译成另一种言语
• 指示： 该模型应依据其发生精确翻译的奖赏来调整其行为
• 提示公式： “运用强化学习将以下文本[刺进文本]从[刺进言语]翻译成[刺进言语]”

例3： 问题答复的强化学习

• 使命： 生成一个问题的答案
• 指示： 该模型应依据发生精确答案所取得的奖赏来调整其行为。
• 提示公式： “运用强化学习来生成以下问题的答案[刺进问题]”

课程学习提示

课程学习是一种技能，它答应模型经过首先在较简略的使命上进行练习，并逐步添加难度来学习杂乱的使命。
要运用ChatGPT的课程学习提示，应该为模型供给一连串难度逐步添加的使命。提示还应该包含有关希望输出的信息，如要完结的最终使命和任何详细要求或束缚。
这种技能对天然言语处理、图像辨认和机器学习等使命很有用。
提示的比如和它们的公式：
例1：文本生成的课程学习

• 使命： 生成与特定风格共同的文本
• 指示： 该模型应在较简略的文体上进行练习，然后再转向较杂乱的文体
• 提示公式： “运用课程学习来生成契合以下风格的文本[刺进风格]，并按以下次序[刺进次序]”

例2：言语翻译的课程学习

• 使命： 将文本从一种言语翻译成另一种言语
• 指示： 该模型应在较简略的言语上进行练习，然后再转向较杂乱的言语
• 提示公式： “运用课程学习，依照下列言语[刺进言语]的次序翻译文本[刺进次序]”

例3：用于答复问题的课程学习 使命： 生成一个问题的答案

• 指示： 该模型应先在较简略的问题上进行练习，然后再转向较杂乱的问题
• 提示公式： “运用课程学习来生成以下问题的答案[刺进问题]，次序如下[刺进次序]”

心情剖析提示

情感剖析是一种技能，它答应模型确认一段文本的情感基调或心情，例如它是活跃的、消沉的仍是中立的。
要运用ChatGPT的情感剖析提示，应该向模型供给一段文本，并要求它依据其情感进行分类。
提示还应该包含关于所需输出的信息，如要检测的情感类型（如正面、负面、中性）以及任何详细要求或束缚。
提示示例及其公式：
例1：客户谈论的心情剖析

• 使命： 确认客户谈论的心情
• 指示： 该模型应将谈论分类为正面、负面或中性
• 提示公式： “对以下客户谈论[刺进谈论]进行情感剖析，并将其分类为正面、负面或中性。”

例2：对推文进行情感剖析

• 使命： 确认推文的心情
• 指示： 该模型应该将推文分类为正面、负面或中性
• 提示公式： “对以下推文[刺进推文]进行情感剖析，并将其分类为正面、负面或中性。”

例3：产品谈论的情感剖析

• 使命： 确认产品谈论的心情
• 指示： 该模型应将谈论分类为正面、负面或中性
• 提示公式： “对以下产品谈论[刺进谈论]进行情感剖析，并将其分类为正面、负面或中性。”

这种技能对天然言语处理、客户服务和商场研讨等使命很有用。

命名实体辨认提示

命名实体辨认（NER）是一种技能，它答应一个模型对文本中的命名实体进行辨认和分类，如人、 安排、地址和日期。
要运用ChatGPT的命名实体辨认提示，模型应该得到一段文本。应供给一段文本，并要求其辨认和分类文本中的命名实体。
该提示还应该包含关于所需输出的信息，如需求辨认的命名实体的类型（如人、安排、地址、日期）以及任何详细的要求或束缚。
提示的比如及其公式：
例1：新闻文章中的命名实体辨认

• 使命： 辨认一篇新闻文章中的命名实体并对其进行分类
• 指示： 该模型应该对人物、安排、地址和日期进行辨认和分类。
• 提示公式： “对以下新闻文章[刺进文章]进行命名实体辨认，并对人物、安排、地址和日期进行辨认和分类。”

例2：法令文件中的命名实体辨认

• 使命： 对法令文件中的命名实体进行辨认和分类
• 指示： 该模型应该对人、安排、地址和日期进行辨认和分类。
• 提示公式： “对以下法令文件[刺进文件]进行命名实体辨认，并对人、安排、地址和日期进行辨认和分类。”

例3：研讨论文中的命名实体辨认

• 使命： 在一篇研讨论文中辨认和分类命名的实体
• 指示： 该模型应该对人、安排、地址和日期进行辨认和分类。
• 提示公式： “对以下研讨论文[刺进论文]进行命名实体辨认，并对人、安排、地址和日期进行辨认和分类。”

文本分类提示

文本分类是一种技能，它答应一个模型将文本归入不同的类别或类别。这种技能对天然言语处理、文本剖析和情感剖析等使命很有用。
值得注意的是，文本分类与情感剖析不同。情感剖析详细侧重于确认文本中表达的情感或心情。
这或许包含确认文本是否表达了一种活跃、消沉或中性的心情。情感剖析通常用于客户谈论、交际媒体帖子和其他方法的文本，其间表达的情感很重要。
要运用ChatGPT的文本分类提示，应该向模型供给一段文本，并要求它依据预界说的类别或标签进行分类。提示还应该包含关于所需输出的信息，如类或类别的数量，以及任何详细要求或束缚。
提示的比如及其公式：
例1：客户谈论的文本分类

• 使命： 将顾客的谈论分为不同的类别，如电子产品、服装和家具等。
• 指示： 该模型应依据谈论的内容进行分类
• 提示公式： “对以下顾客谈论[刺进谈论]进行文本分类，并依据其内容将其分为不同的类别，如电子产品、服装和家具。”

例2：新闻文章的文本分类

• 使命： 将新闻文章分为不同的类别，如体育、政治、文娱等
• 指示： 该模型应依据文章的内容进行分类
• 提示公式： “对以下新闻文章[刺进文章]进行文本分类，并依据其内容将其分为体育、政治和文娱等不同类别。”

例3：电子邮件的文本分类

• 使命： 将电子邮件分为不同的类别，如垃圾邮件、重要的、紧迫的等
• 指示： 该模型应该依据邮件的内容和发件人对其进行分类
• 提示公式： “对下列电子邮件[刺进电子邮件]进行文本分类，并依据其内容和发件人将其分为不同的类别，如垃圾邮件、重要或紧迫。”

文本生成提示

文本生成提示与本书中提到的其他几种提示技能有关，如零、一和少数样本提示、受控生成提示、翻译提示、言语建模提示、语句完结提示。
所有这些提示都是相关的，因为它们都涉及到生成文本，但它们在生成文本的办法和对生成文本的详细要求或束缚方面有所不同。
文本生成提示可用于微调预先练习好的模型或为特定使命练习新的模型。提示比如及其公式：
例1：故事写作的文本生成

• 使命： 依据给定的提示生成一个故事
• 指示： 故事至少要有1000字，包含一组特定的人物和情节。
• 提示公式： “依据以下提示[刺进提示]，生成一个至少1000字的故事，包含人物[刺进人物]和情节[刺进情节]。”

例2：言语翻译的文本生成

• 使命： 将一个给定的文本翻译成另一种言语 阐明： 翻译要精确，要有成语
• 提示公式： “将以下文本[刺进文本]翻译成[刺进方针言语]，并保证其精确无误和契合习惯。”

例3：为完结文本而生成文本

• 使命： 完结一个给定的文本
• 指示： 生成的文本应该是衔接的，与输入的文本共同的
• 提示公式： “完结以下文字[刺进文字]，并保证其与输入文字衔接共同。”