我们大多数人在使用ChatGPT时都犯了错误。
-
我们没有在提示中包含示例。
-
我们忽略了我们可以通过角色来控制ChatGPT的行为。
-
我们让ChatGPT猜测一些信息，而不是提供它一些信息。
这是因为我们大多时候使用的是一些标准提示，这些提示可能帮助我们一次完成工作，但并不总是有效。比如有时候答非所问，或者是跑题千里。
我们需要学习如何创建高质量的提示以获得更好的结果。这就要求我们学习提示工程！在本指南中，将学习提示工程中使用的4种技巧，这些技巧可以让GPT能够回答得更加精准。
1. Few Shot标准提示，为提示添加例子
Few Shot标准提示是我们之前见过的标准提示再加上举例，但其中包含任务的举例。
例子可以让我们的提问更加有相对性，ChatGPT可以根据例子来生成回答。
Few Shot标准提示包括任务描述、示例和提示。在这种情况下，提示的开头是任务描述，接下来是示例，最后才是具体的提示。
以下是一个标准提示Few Shot的组成部分。
标准提示组成部分现在让我们创建一个提示。假设我们想从文本“我要从奥兰多飞往波士顿”中提取机场代码。
这是大多数人会使用的标准提示：
从文本“我要从奥兰多飞往波士顿”中提取机场代码。
这可能可以完成工作，但有时可能回答得不够准确。在这种情况下，必须使用Few Shot标准提示。
从文本“我要从洛杉矶飞往迈阿密”中提取机场代码：
机场代码：LAX，MIA
从文本“我要从纳什维尔飞往堪萨斯城”中提取机场代码：
机场代码：BNA，MCI
从文本“我要从奥兰多飞往波士顿”中提取机场代码：
机场代码：
如果我们在ChatGPT上尝试这个提示，GPT将会按照例子中指定的格式（MCO、BOS）获得机场代码。
请记住，研究发现，实例中的是否是真实的答案并不重要，但存在实例的标签空间很重要。标签空间是给定任务的所有可能标签（比如机场代码：BNA，MCI）。你甚至可以通过提供来自标签空间的随机标签来改进提示的结果。
如果您在ChatGPT上尝试随机更改机场代码标签，您仍将获得正确的机场代码MCO和BOS。
无论您的实例答案是否正确，比如只是包括来自标签空间的随机标签。都将有助于改进结果，并指导模型如何格式化提示的答案。
注意：如果读者在输入提示不能正确出现结果，可以在开头加入“Airport codes = 机场代码，我需要知道机场代码。”这样的提示。
2. 角色提示
有时，ChatGPT的默认行为无法满足您的需求。这时您需要为ChatGPT设置一个角色。
比如您想为面试做准备。通过告诉ChatGPT“扮演招聘经理”的角色，并在提示中添加更多细节，您将能够为任何职位模拟面试。
角色扮演角色扮演
正如您所见，ChatGPT表现得像他在为我面试工作职位。
同样，您可以将ChatGPT编程语言导师，以练习像西班牙语这样的外语，或变成电影评论家来分析您想观看的任何电影。在本文中，我将深入探讨如何将ChatGPT变成您的语言导师或语言伙伴。
您只需要以“扮演…”开头，然后添加尽可能多的细节即可将ChatGPT转变成所需的角色。
3. 为您的提示添加个性并生成知识
这两种提示方法在生成电子邮件、博客、故事、文章等文本方面非常有效。
首先，通过“为我们的提示添加个性”是指添加风格和描述。添加风格可以帮助我们的文本获得特定的语气、形式、作者领域等特点，从而更具个性化。
以拥有10年以上经验的[领域]专家的风格撰写[主题]。
为了更进一步地自定义输出，我们可以添加描述词。描述词是您可以添加以微调提示的形容词。
比如，如果您想要写一篇500字博客文章，探讨人工智能将如何取代人类。如果您使用标准提示词“写一篇500字的博客文章，探讨人工智能将如何取代人类”，那么您可能会得到一个非常普通的博客文章。
但是，如果您添加一些形容词，例如鼓舞人心的、讽刺的、有趣的等，输出结果将会显著改变。
让我们为我们之前的提示添加一些描述词。
以拥有10年以上人工智能领域经验的专家风格，机智地撰写一篇500字的博客文章，论述为什么人工智能不会取代人类。请使用幽默的例子进行解释。
在我们的例子中，拥有人工智能专家风格和添加机智和有趣等形容词，为ChatGPT生成的文本增添了不同的风格。这样做的一个副作用是，我们的文本将很难被AI检测器检测到（在本文中，我展示了欺骗AI检测器的其他方法）。
最后，我们可以使用生成的知识方法来改进博客文章。这包括在生成最终响应之前，先生成有关主题的潜在有用信息。
例如，在使用上一个提示生成帖子之前，我们可以先生成知识，然后再撰写帖子。
生成关于“人工智能不会取代人类”的5个事实。
一旦我们有了这5个事实，就可以将这些信息提供给其他提示，以撰写更好的文章。
#事实1
#事实2
#事实3
#事实4
#事实5
使用上述事实，以拥有10年以上人工智能领域经验的专家风格，机智地撰写一篇500字的博客文章，论述为什么人工智能不会取代人类。请使用幽默的例子进行解释。
4. 链式思维提示
与标准提示不同的是，在链式思维提示中，模型会在给出最终问题答案之前生成中间推理步骤。换句话说，模型将解释其推理过程，而不是直接给出问题答案。
为什么推理很重要？推理的解释通常会导致更准确的结果。
要使用链式思维提示，我们必须提供少量示例，其中推理过程在同一实例中得到解释。这样，在回答提示时也会显示推理过程。
下面是标准提示和链式思维提示之间的比较。
没有链式思维的问答：
Q: Roger有5个网球。他买了2罐网球。每罐网球有3个。他现在有多少个网球？
A: 答案是11。
Q: 食堂有23个苹果。如果他们用了20个来做午餐，并再买了6个，他们现在有多少个苹果？
A: 现在他们有9个苹果。（这一行是ChatGPT回答）
带链式思维的问答（将上面提示的第一个A更改为如下的语句，然后ChatGPT会生成链式思维答案）：
A：食堂一开始有23个苹果。用了20个后还剩3个。加上购买的6个，他们现在有
链式思维举例正如我们所看到的，通过诱导模型解释其推理过程以解决这个数学问题，链式思维提示导致了更准确的结果。
需要注意的是，在算术、常识和符号推理任务中，链式思维提示对提高结果有效。
举报/反馈
原文链接：https://baijiahao.baidu.com/s?id=1764733159149105959&wfr=spider&for=pc
