目錄
- 一些鏡頭標準提示
- 角色提示
- 給提示詞增加個性并且生成知識
- 思考提示的鏈條
我們大多數人錯誤使用了ChatGPT，
在提示資訊中，我們不使用例子，
我們忽略的資訊是我們可以通過角色（扮演）控制ChatGPT的行為，
我們讓ChatGPT猜測（提供）材料，而不是提供給它一些資訊，
這些情況發生是因為我們大多數是使用標準的提示，這些標準的提示能幫助我們一下就能完成作業，但是（標準提示）不總是有效，
我們需要學習創建高質量的提示詞來獲得更好的結果，我們需要學習提示工程！并且，在這個專欄中，我們將學習在提示工程中已經被使用的4個技巧，
一些鏡頭標準提示
一些鏡頭標準提示是我們之前見過的標準提示，但是這里（標準提示）會帶有任務的事例，
為什么有例子了？是這樣的，如果我們想增加獲得我們想要標準結果的幾率，你必須增加任務事例，事例里面的提示工程會嘗試解決這個問題，
一些鏡頭標準提示有一個任務描述，事例和提示組成，在這個案例中，使用一個例子的提示開頭，使用模型補全缺失的單詞，
下面是一些組成標準提示的各個部分，
現在，我們來創建另外的提示，例如，我們想從文本“I want to fly from Orlando to Boston”中提取機場的編碼，
下面是我們最可能使用的標準詞，
Extract the airport codes from this text: “I want to fly from Orlando to Boston“
這個任務完成之后，但是有時候結果是不足夠的，在這個案例中，你必須有一些標準鏡頭提示語，
Extract the airport codes from this text:
Text: “I want to fly from Los Angeles to Miami.”
Airport codes: LAX, MIAText: “I want to fly from Nashville to Kansas City.”
Airport codes: BNA, MCIText: “I want to fly from Orlando to Boston”
Airport codes:
如果我們在ChatGPT上嘗試上面的提示，我們將得到特定格式（我們在例子中指定）的機場編碼，
強調下，之前的研究表明，在例子中實際答案不是重要的，但是答案的標簽庫是重要的，標簽庫是被給任務所有的標簽的集合，你甚至通過使用標簽庫中的隨機標簽改善提示的結果，
讓我們在我們的例子中通過輸入隨機的機場編碼測驗下這個結論，
Extract the airport codes from this text:
Text: “I want to fly from Los Angeles to Miami.”
Airport codes: DEN, OAKText: “I want to fly from Nashville to Kansas City.”
Airport codes: DAL, IDAText: “I want to fly from Orlando to Boston”
Airport codes:
如果你在ChatGPT上嘗試上面的提示，你仍然將得到正確的機場編碼MCO 和BOS，
無論你的事例是否是正確的，是否包含標簽庫中的隨機標簽，這都將會幫你改善結果并且模型將會格式化你的提示答案，
角色提示
有時，ChatGPT的默認行為不足以滿足你想要，這個時候你需要為ChatGPT設定一個角色，
例如你想要為一個作業面試做一個練習，通過告訴ChatGPT“act as hiring manager”并且增加更多提示的細節，你將為任何職位模擬一個作業面試，
正如你看到這樣，ChatGPT表現的就像因為這個職位在面試我，
就像這樣，你可以讓ChatGPT扮演一個語言導師來練習外語，例如西班牙語，或者扮演一個影評家來分析你喜歡的電影，在這個鏈接文章中，我更深入研究了如何將ChatGPT變成你的語言導師或者語言伙伴，
你只要開始你的提示，例如“act as a...” 并且盡可能加入一些細節，如果你需要一些靈感，看一下這個你尋找提示的倉庫來使你的ChatGPT表現的像一個專業的演員，醫生，或者其他職業...，
給提示詞增加個性并且生成知識
當為郵件，博客，故事，文章等等生成文本時，以下兩個提示方法是很有用的，
首先，“adding personality to our prompts”，我的意思是添加一種風格和描述符，添加風格可以幫助我們的文本獲得一種特殊的語調，禮節，寫作的范圍或者更多其他的東西，
Write [topic] in the style of an expert in [field] with 10+ years of experience.
為了定制輸出，更進一步我們可以增添描述符，一個描述符僅僅是一個形容詞，你可以添加它來調整你的提示，
例如：你想寫一篇關于AI將如何取代人類的500字的blog，如果你想創建一個標準的提示，“write a 500-blog post on how AI will replace humans”，你可能會得到一個普通的文本，
然而，如果你增加一些形容的詞語，例如鼓舞人心的，諷刺意味的，有趣的，娛樂性強的，輸出將有明顯的改變，
讓我們給我們先前的提示增加描述符，
Write a witty 500-blog post on why AI will not replace humans. Write in the style of an expert in artificial intelligence with 10+ years of experience. Explain using funny examples
在我們的例子中，AI專家的風格和例如“有趣”，“機智”增添了不同的語調，為ChatGPT生成的文本，副作用是我們的文本將很難被AI detectors發現，
最終，我們可以使用生成知識方法來改善博客，這包含在生成最終回應之前，生成一些潛在關于某個主題的有用資訊，
舉個例子，在用先前提示生成文本之前，我們可以先生成知識,然后寫郵件文本
Generate 5 facts about “AI will not replace humans“
一旦我們有了5個因素，我們可以將這些資訊給到其他的提示，以此來寫出更好的郵件文案，
# Fact 1
# Fact 2
# Fact 3
# Fact 4
# Fact 5Use the above facts to write a witty 500-blog post on why AI will not replace humans. Write in the style of an expert in artificial intelligence with 10+ years of experience. Explain using funny examples
為了以防你對其他改善你使用ChatGPT寫郵件有興趣，你可以鏈接到這個指導
思考提示的鏈條
不像標準的提示，在思考提示的鏈條中，模型會誘發產生中間推理的步驟在產生被給出的最終答案之前，換句話說，模型將解釋它的原因而不是直接給出問題的答案，
為什么原因是重要的？原因的解釋通常會引匯出更多精確的結果，
為了使用思維提示的鏈條，我們必須提供一些鏡頭例子，在這些例子中原因被相同的方式被解釋，用這種方法，當回答提示時，解釋性程序將被呈現出來，
下面是標準提示與思考提示鏈條的比較，
跟我們看到的一樣，在思維提示的鏈路中，誘導模型解釋解數學問題的程序原因這樣的實際做法，會引導更精確的結果，
需要強調的是思考提示的鏈條在算術，常識，符號論證的問題中，對于改善結果是有效的，
更新：在這片文章發布后，GPT-4才發布，GPT-4比之前的版本表現更優秀在論證能力上，因此，你可能不需要在GPT-4上使用思考提示鏈條，我鼓勵你自己測驗下，這是是使用new GPT-4的四種方式，
如果你想學習更多關于提示工程學，這里有4個提示的工程課程，你可以躋身前1%的ChatGPT使用者，并且有一些Midjourney 提示工程技巧來幫助創建更好的圖片，
原文出處：
You’re Using ChatGPT Wrong! Here’s How to Be Ahead of 99% of ChatGPT Users
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/553663.html
標籤：其他
上一篇：能帶理論
下一篇：返回列表