如何向大模型ChatGPT提出問題以獲得優(yōu)質回答：基于AIGC和深度學習的實踐指南

提示工程 | 高性能計算 |ChatGPT

深度學習 | GPU服務器 |Ibrahim John

在當今信息爆炸的時代，人們對于知識獲取的需求日益增長。特別是在深度學習、高性能計算和人工智能領域，這些前沿技術的不斷發(fā)展讓人們對其應用場景和實現(xiàn)方法有了更多的探索和研究。其中，作為一種基于大規(guī)模預訓練模型的人工智能問答系統(tǒng)，ChatGPT已經(jīng)成為眾多研究者和開發(fā)者的關注重點。如何向ChatGPT提問并獲得高質量的答案，成為了學術界和業(yè)界需要解決的問題之一。

最近看到伊布拉欣·約翰（Ibrahim John）寫的《從ChatGPT獲得高質量答案的藝術：提示工程技術的完整指南》一書，系統(tǒng)性地介紹了ChatGPT的提問方式和技巧。

PS：關注“高性能服務器”視頻號。本周將為您呈現(xiàn)以下Stable Diffusion相關的內(nèi)容：

1、將展示Stable Diffusion模型生成效果，讓您深入了解該技術的強大之處。

2、將會分享Stable Diffusion安裝教程，幫助您輕松地掌握如何在自己的設備上使用這一技術。

3、將會提供Stable Diffusion文生圖教程和圖生圖教程，從兩個不同角度為您解析如何應用這一技術創(chuàng)建出更加精美的圖片作品。

4、我們也不會忘記Stable Diffusion模型訓練教程，讓您在學習完以上內(nèi)容后，可以更進一步地掌握該技術，并自己動手制作出屬于自己的作品。

作者Ibrahim John來自坦桑尼亞，是科技和商業(yè)領域的知名人物，也是三個公司的創(chuàng)始人。他熱衷于分享，樂意幫助更多人理解和使用ChatGPT。在這本書里，他分享了他對ChatGPT和提示工程的理解與見解，并總結了23種提示工程技術和具體用法。這些提示工程技術可以幫助我們更好地利用ChatGPT獲得高質量的答案或結果。

所謂提示工程技術是一種向ChatGPT正確提問的藝術，通過向ChatGPT正確提問，我們可以獲得滿意的結果。ChatGPT是一種先進的語言模型，能夠生成類似人類的文本。但是，如果沒有適當?shù)闹笇?，可能會產(chǎn)生讓人不滿意的輸出。而提示工程的價值就在于通過清晰而具體的說明，讓模型的輸出更符合我們的所需。

簡介

《如何向ChatGPT提問并獲得高質量的答案——提示技術的完整指南》是一本旨在幫助人們理解和應用各種提示技巧，從而獲得高質量答案的綜合性指南。通過本書，我們將探討如何使用不同的提示技巧來完成不同的目的。ChatGPT是目前最先進的、可以生成類似人類文本的語言模型，但了解向ChatGPT提問的正確方式，以獲得所期望的高質量答案，是至關重要的。

本書的目的在于幫助讀者學習如何使用各種提示技巧來控制ChatGPT的輸出，讓其按照自己的需求生成文本。無論您是普通人、研究員、開發(fā)者還是個人用戶，都能夠從本書中受益。書中使用通俗易懂的語言解釋每種提示技巧，并且輔以實例和提問技巧的公式，方便讀者快速理解和掌握。

本書涵蓋了以下內(nèi)容：

一、ChatGPT簡介

本書介紹了ChatGPT的基礎知識，包括語言模型的概念、原理、架構和功能等。這些基礎知識為后面的內(nèi)容打下基礎，讓讀者更好地理解和應用各種提示技巧。

二、提問技巧基礎

本書接著講解了一些基本的提問技巧，如如何設置前綴、后綴、占位符等。這些基礎技巧可以幫助讀者控制ChatGPT生成的文本輸出，并獲得滿意的答案。

三、進階提示技巧

為了滿足讀者更高級、更靈活的需求，本書還介紹了一些進階的提示技巧，如如何使用控制代碼、樣本編碼等。這些技巧可以讓讀者更加靈活地控制ChatGPT的輸出，從而獲得更加準確、多樣化的文本結果。

四、實例演示

本書提供了豐富的實例演示，展示如何將不同的提示技巧有機結合起來，以達到特定的目的。這些實例涉及多個領域和場景，包括自然語言處理、聊天機器人、文本生成等，為讀者提供了很好的參考和借鑒。

五、常見問題和解答

本書為讀者提供了一些常見問題和解答，幫助讀者更好地應對在使用ChatGPT時可能遇到的各種問題。

總之，《如何向ChatGPT提問并獲得高質量的答案——提示技術的完整指南》是一本全面且詳盡的指南，旨在幫助讀者掌握各種提示技巧，以便從ChatGPT中獲得高質量的答案。無論您是初學者還是高級用戶，都能夠從本書中獲得實用、可行的知識和技能。

提示工程技術

一、什么是提示工程技術？

提示工程是創(chuàng)建提示、要求或指示的過程，用來引導 ChatGPT 等語言模型的輸出。它允許用戶控制模型的輸出，生成符合他們特定需求的文本。ChatGPT 是一種最先進的語言模型，能夠生成類似人類的文本。它建立在 Transformer 架構上，這使它能夠處理大量的數(shù)據(jù)并生成高質量的文本。

為了從 ChatGPT 獲得最好的結果，了解如何正確使用提示模型是很重要的。提示允許用戶控制模型的輸出，生成相關、準確和高質量的文本。在使用 ChatGPT 時，了解它的能力和限制是很重要的。該模型能夠生成類似人類的文本，但如果沒有適當?shù)囊龑?，它輸出的?nèi)容可能不是我們所期望的。這就是提示工程的用武之地：通過提供清晰而具體的說明，您可以指導模型輸出，確保它是相關的。

提示公式是提示的具體格式，它一般由三個要素組成：任務、說明和角色。任務是對模型生成內(nèi)容的清晰、簡潔的陳述；說明是模型生成文本時應遵循的指令；角色是模型在生成文本時應承擔的角色。

在本書中，我們將探討可用于 ChatGPT 的各種提示工程技巧。我們將討論不同類型的提示，以及如何使用這些提示來實現(xiàn)你想要的特定目標。

二、說明提示技術

現(xiàn)在，我們將探討一種名為“說明提示技術”的方法，它可以幫助我們從ChatGPT中生成高質量的文本。這種技術可以為模型提供具體的指令，以確保輸出內(nèi)容的相關性和質量。

要使用說明提示技術，我們需要為模型提供一個清晰簡明的任務，并提供可以遵循的具體指令。例如，如果我們要生成客服的回答，首先要提供一個任務，如“生成客戶咨詢的回復”，以及說明，即回答應該是專業(yè)的并提供準確的信息提示公式：“按照這些指示生成[任務]：[說明]”。

三、舉例

1、生成客服回復

1）任務：生成對客戶咨詢的回復

2）說明：回答應該是專業(yè)的并提供準確的信息

3）提示（Prompt）公式：生成對客戶咨詢的回復：回答應該是專業(yè)的并提供準確的信息

2、生成一份法律文件

1）任務：生成一份法律文件

2）說明：該文件應符合相關法律和法規(guī)的規(guī)定

3）提示（Prompt）公式：按照這些指令，生成一份符合相關法律和法規(guī)的法律文件：該文件應符合相關法律和法規(guī)。

在使用指令提示技術時，重點是指令應該是清晰、具體的，這將確保輸出內(nèi)容具有相關性和高質量。指令提示技術可以與下一章中將解釋的“角色提示”和“種子詞提示”結合起來，以提高ChatGPT的輸出質量。

角色提示

一、什么是角色提示？

角色提示技術（role prompting technique）是一種通過為模型提供特定角色來引導ChatGPT輸出的方法，可以生成針對特定環(huán)境或受眾的文本。使用該技術需要提供一個明確而具體的角色，例如客戶服務代表或律師。通過結合指令提示、角色提示和種子詞提示技術，可以增強ChatGPT的輸出質量。舉例來說，可以使用該技術為新智能手機生成產(chǎn)品描述，確保描述具有信息性、說服力，并突出智能手機的創(chuàng)新功能。

二、舉例

1、生成客戶服務回復

1）任務：生成對客戶咨詢的回復

2）角色：客服

3）提示公式：作為客服，生成對客戶咨詢的答復。

2、生成一份法律文件

1）任務：生成一份法律文件

2）角色：律師

3）提示公式：作為律師生成一份法律文件。使用帶有指令提示和種子詞提示的角色提示技術將增強ChatGPT的輸出質量。

3、下面是一個如何將指令提示、角色提示和種子詞提示技術相結合的示例

1）任務：為新智能手機生成產(chǎn)品描述。

2）指令：該描述應具有信息性、說服力，并強調智能手機的獨特功能。

3）角色：營銷代表

4）種子詞：創(chuàng)新

5）提示公式：作為營銷代表，生成一個信息量大，有說服力的產(chǎn)品描述，突出新智能手機的創(chuàng)新功能。該智能手機具有以下特點[插入你的特點]

標準提示

一、什么是標準提示？

標準提示是一種簡單的方法，用于引導ChatGPT生成特定任務的輸出。例如，如果您需要生成一篇新聞文章的摘要，您可以使用提示公式：“生成這篇新聞文章的摘要”。類似地，如果您需要生成一篇產(chǎn)品評論，您可以使用提示公式：“生成對這款新智能手機的評論”。標準提示還可以與其他技術相結合，如角色提示和種子詞提示，以提高輸出質量。

二、舉例

1、生成新聞文章摘要

1）任務：總結這篇新聞文章

2）提示公式：生成這篇新聞文章的摘要

2、生成產(chǎn)品評論

1）任務：撰寫有關新智能手機的評論

2）提示公式：生成對這款新智能手機的評論

此外，標準提示可以與其他技術相結合，如角色提示和種子詞提示，以增強ChatGPT的輸出質量。

下面是一個如何將指令提示、角色提示和種子詞提示技術相結合的示例：

1）任務：為新筆記本電腦生成產(chǎn)品評論

2）說明：評論應該是客觀的，信息豐富的，并突出筆記本電腦的獨特功能

3）角色：技術專家

4）種子詞：強大的

5）提示公式：作為一名技術專家，生成一份客觀且信息豐富的產(chǎn)品評論，突出新筆記本電腦的強大功能。

在此示例中，使用標準提示技術來確保模型生成產(chǎn)品評論，角色提示技術用于確保評論是從技術專家的角度撰寫的，使用種子詞提示技術來確保評論集中在筆記本電腦的強大功能上。

零、單個和小樣本提示

一、什么是零提示、單個提示和小樣本提示？

零提示、單個提示和小樣本提示是用于從ChatGPT中生成文本的技術。它們通常用于以下情況：當前任務的可用數(shù)據(jù)有限、任務是全新的、任務定義不明確。當沒有可用于任務的范例時，使用零樣本提示技術。當任務只有一個范例可用時，可以使用單樣本提示技術。當可用于任務的范例數(shù)量有限時，使用小樣本提示技術。這些提示公式可以幫助模型根據(jù)對任務或所提供范例的理解來生成文本。

二、舉例

1、為一個新產(chǎn)品生成產(chǎn)品描述，沒有可用的例子

1）任務：為新智能手機生成產(chǎn)品描述。

2）提示公式：為這個新的智能手表生成一個產(chǎn)品描述，沒有范例

2、為這個產(chǎn)品生成產(chǎn)品比較，只有一個范例可用

1）任務：將一款新的智能手機與最新的iPhone進行比較

2）提示公式：生成這個新智能手機的產(chǎn)品比較，有一個例子（最新的iPhone）

3、生成一個產(chǎn)品評論，可用的例子很少

1）任務：寫一篇新電子閱讀器的評論

2）提示公式：用幾個例子（其他 3 個電子閱讀器）生成對這個新電子閱讀器的評論

“讓我們思考這個”提示

一、什么是“讓我們思考這個”提示？

“讓我們思考這個”提示是一種鼓勵ChatGPT生成反思性、沉思性文本的技術。這種技術對于寫作散文、詩歌或創(chuàng)造性寫作等任務很有用。使用方法很簡單，只需要確定您要討論的主題或想法，制定一個提示，清楚地說明主題或想法，并在提示前面加上“讓我們思考”或“讓我們討論”，表明您正在發(fā)起對話或討論。接著，模型將使用其訓練數(shù)據(jù)和算法生成與提示相關的響應，并以連貫的方式繼續(xù)對話。這個獨特的提示，幫助ChatGPT以不同的視角和角度給出答案，從而產(chǎn)生更具動態(tài)性和信息性的段落。

二、舉例

1、生成一篇反思性文章

1）任務：寫一篇關于個人成長主題的反思性文章

2）提示公式：讓我們思考這個：個人成長

2、生成一首詩

1）任務：寫一首關于季節(jié)變化的詩

2）提示公式：讓我們想想這個：不斷變化的季節(jié)

此提示要求就特定主題或想法進行對話或討論。演講者邀請ChatGPT就手頭的主題進行對話。該模型提供了一個提示，作為對話或文本生成的起點。然后，該模型使用其訓練數(shù)據(jù)和算法來生成與提示相關的響應。該技術允許ChatGPT基于提供的提示生成上下文適當且連貫的文本。

自我一致性提示

一、什么是自我一致性提示？

自我一致性提示是一種技術，用于確保ChatGPT的輸出與提供的輸入一致。這種技術對于諸如事實核查、數(shù)據(jù)驗證或文本生成中的一致性檢查等任務很有用。自我一致性提示的提示公式是輸入文本后，說明“請確保以下文本是自我一致的（Please ensure the following text is self-consistent）”?；蛘?，可以提示模型生成與提供的輸入一致的文本。提示示例及其公式。

二、舉例

1、文本生成任務：生成產(chǎn)品評論

1）指令：評論應與輸入中提供的產(chǎn)品信息一致

2）提示公式：生成與以下產(chǎn)品信息[插入產(chǎn)品信息]一致的產(chǎn)品評論

2、文本摘要任務：總結這篇新聞文章

1）指令：摘要應與本條所提供的信息保持一致

2）提示公式：以符合所提供信息的方式，總結以下新聞文章[插入新聞文章]

3、文本完成（Text Completion）任務：寫一個句子

1）指令：完成的句子，應與輸入中提供的背景相一致

2）提示公式：以符合所提供上下文的方式完成以下句子[插入句子]

4、事實核查

1）任務：檢查某篇新聞文章的一致性

2）輸入文本:“這篇文章說這個城市的人口是500萬，但后來，它說人口是700萬。

3）提示公式：請確保下面的文字是自洽的。文章說該城市的人口是500萬，但后來又說人口是700萬。

5、數(shù)據(jù)驗證

1）任務：檢查給定數(shù)據(jù)集中的一致性

2）輸入文本:“數(shù)據(jù)顯示， 7月份的平均氣溫為30度，但最低氣溫記錄為20度。

3）提示公式：請確保下面的文字是自洽的：數(shù)據(jù)顯示， 7月份的平均氣溫為30度，但最低氣溫記錄為20度。

種子詞提示

一、什么是種子詞提示？

種子詞提示是一種技術，通過為ChatGPT提供特定的種子詞或短語，來控制ChatGPT的輸出。種子詞提示的提示公式是： “請根據(jù)以下種子詞生成文本” 的指令后跟著種子詞或短語。

二、舉例

1、文本生成

1）任務：生成一個關于龍的故事

2）種子詞：龍

3）提示公式：請根據(jù)以下種子詞生成文本:龍

2、語言翻譯

1）任務：將句子從英語翻譯成西班牙語

2）種子詞：您好

3）提示公式：請根據(jù)以下種子詞生成文本：您好

這種技術可以讓模型根據(jù)給定的種子詞生成相關的文本，并且可以通過角色提示和指令提示來進一步控制生成的文本。這種方法可以使生成的文本更具有針對性和相關性，與特定的主題或上下文相關。

通過提供種子詞或短語，模型可以生成與之相關的文本，而通過提供期望輸出和角色信息，模型可以生成具有特定風格或語氣的文本。這種技術可以更好地控制生成的文本，并且具有廣泛的應用。

三、以下是提示示例及其公式：

1、文本生成

1）任務：生成一首詩：

2）指令：詩要與種子詞 “愛” 有關，要以十四行詩的風格來寫。

3）角色：詩人

4）提示公式：作為詩人，生成一首與種子詞’愛’相關的十四行詩

2、文本完成

1）任務：完成一個句子

2）指令：句子應與種子詞 “科學” 有關，應以研究論文的風格撰寫

3）角色：研究員

4）提示公式：以與種子詞’科學’相關的方式，和作為研究人員的研究論文的風格完成以下句子。

3、文本摘要

1）任務：總結這篇新聞文章

2）指令：摘要應與種子詞“政治”相關，并應以中立和公正的語氣書寫

3）角色：記者

4）提示公式：作為一名記者，以中立和公正的語氣總結以下與種子詞’政治’有關的新聞文章

知識生成提示

一、什么是知識生成提示？

知識生成提示是一種技術，用于從ChatGPT中獲取新信息和原始信息。該技術使用模型里預先存在的知識，來生成新信息或問題回答。要使用這種提示技術，模型應提供問題或主題作為輸入，并指定生成文本的任務或目標的提示。提示應包括期望輸出的信息，例如要生成的文本類型，以及其它特定要求或限制。舉例來說，可以使用提示公式“生成有關特定主題的新的和準確的信息”，來生成有關特定主題的新信息。此外，還可以使用提示技術來回答問題、整合新信息與現(xiàn)有知識、以及從給定數(shù)據(jù)集中生成見解。

二、舉例

1、知識生成

1）任務：生成有關特定主題的新信息

2）指令：生成的信息應準確且與主題相關

3）提示公式：生成有關[特定主題]的新的和準確的信息

2、問答

1）任務：回答一個問題

2）指令：答案應準確且與問題相關

3）提示公式：回答以下問題：[插入句子]

3、知識整合

1）任務：將新信息與現(xiàn)有知識相結合

2）指令：整合應準確且與主題相關

3）提示公式：將以下信息與關于[特定專題]的現(xiàn)有知識相結合：[插入新信息]

4、數(shù)據(jù)分析

1）任務：從給定數(shù)據(jù)集生成有關客戶行為的見解

2）提示公式：請從此數(shù)據(jù)集生成有關客戶行為的新信息和原始信息

知識整合提示

一、什么是知識整合提示？

這種技術使用現(xiàn)有知識來整合新信息或連接不同的信息，有助于更全面地了解特定主題。使用ChatGPT時，應向模型提供新信息和現(xiàn)有知識，并指定生成文本的任務或目標。提示應包括所需輸出的信息和任何特定要求或限制。

二、舉例

1、知識整合

1）任務：將新信息與現(xiàn)有知識相結合

2）指令：整合應準確且與主題相關

3）提示詞公式：將以下信息與有關 [特定主題] 的現(xiàn)有知識相結合：[插入新信息]

2、連接信息片段

1）任務：連接不同的信息

2）指令：連接應該是相關和合乎邏輯的

3）提示公式：以相關和合乎邏輯的方式連接以下信息：[插入信息1] [插入信息2]

3、更新現(xiàn)有知識

1）任務：用新信息更新現(xiàn)有知識

2）指令：更新后的信息應準確且相關

3）提示公式：用以下信息更新關于[特定主題]的現(xiàn)有知識：[插入新信息]

多項選擇提示

一、什么是多項選擇提示？

這種技術提供了一個模型，其中包含問題、任務和一組預定義選項作為潛在答案。它適用于生成文本，該文本限制于特定選項，并可用于問答、文本完成和其他任務。該模型可以生成限于預定義選項的文本。使用 ChatGPT 的多項選擇提示時，只需輸入問題或任務以及預定義選項，即可生成文本。提示還應包含期望輸出的信息，例如文本類型和任何特定要求或約束。

二、舉例

1、問答題

1）任務：回答一個多項選擇問題

2）說明：答案應該是預定義選項中的一個

3）提示公式：通過選擇以下選項來回答問題：[插入問題] [插入備選案文1] [插入備選案文2] [插入備選案文3]

2、文本完成

1）任務：使用預定義選項之一完成句子

2）說明：完成的句子應該是預定義的選項之一

3）提示公式：選擇以下選項之一，完成下面的句子：[插入句子] [插入備選案文1] [插入備選案文2] [插入備選案文3]

3、情感分析

1、任務：將一段文本分類為積極、中性或消極

2、說明：分類應該是預定義選項之一

3、提示公式：通過選擇以下選項之一，將下面的文本分類為正面、中性或負面：[插入文字] [正面] [中性] [負面]

可解釋軟提示

一、什么是可解釋軟提示？

可解釋的軟提示是一種技術，它可以在提供一定靈活性的同時，控制模型生成的文本。這種技術允許更多可解釋和可控制地生成文本。在輸入時，向模型提供一組控制信息，并添加期望輸出內(nèi)容的附加信息。舉例來說，可以使用提示公式來生成故事、完成句子或者以特定風格生成文本。這些提示公式包括角色、主題、作者、時期等信息，以幫助模型生成更加符合要求的文本。

二、舉例

1、文本生成

1）任務：生成一個故事：

2）說明：故事應基于給定的角色和特定主題

3）提示公式：根據(jù)以下角色生成故事：[插入角色]和主題：[插入主題]

2、文本完成

1）任務：完成一個句子

2）說明：完成的句子應該是某個特定作者的風格

3）提示公式：以[特定作者]的風格完成以下句子：[插入句子]

3、語言建模

1）任務：以特定風格生成文本

2）說明：文本應該是某個特定時期的風格

3）提示公式：以[特定時期]的樣式生成文本：[插入上下文]

受控生成提示

一、什么是受控生成提示？

受控生成提示是一種技術，可以在輸出文本時對生成的文本進行高度控制。這是通過向模型提供一組特定的輸入實現(xiàn)的，例如模板、特定詞匯或一組約束條件，可以用來指導生成過程。舉例來說，可以使用模板來生成一個故事，使用特定詞匯表來補全一個句子，或者使用一組特定的語法規(guī)則來生成文本。通過向模型提供這些輸入，可以使生成的文本更可控和可預測。

二、舉例

1、文本生成

1）任務：生成一個故事

2）說明：故事應該基于特定的模板

3）提示公式：根據(jù)以下模板生成一個故事：[插入主題]

2、文本補全

1）任務：補全一個句子

2）說明：補全應使用特定詞匯表

3）提示公式：使用下面的詞匯表完成以下句子：[插入詞匯] ：[插入句子]

3、語言模型

1）任務：以特定風格生成文本

2）說明：文本應該遵循一組特定的語法規(guī)則

3）提示詞參考：生成遵循以下語法規(guī)則的文本：[插入規(guī)則] ：[插入上下文]

問答提示

一、什么是問答提示？

問答提示技術可以幫助模型生成回答特定問題或任務的文本。這是通過向模型提供問題或任務作為輸入以及其他相關信息來實現(xiàn)的。例如，可以使用該技術回答事實性問題、提供單詞定義或從特定來源檢索信息。這對于問答和信息檢索等任務非常有用。

二、舉例

1、事實問答

1）任務：回答一個事實性問題

2）說明：答案應該是準確和相關的

2）提示公式：回答以下事實性問題：[插入問題]

2、定義

1）任務：提供一個詞的定義

2）說明：定義應該準確

3）提示公式：定義以下單詞：[插入單詞]

3、信息檢索

1）任務：從特定來源檢索信息

2）說明：檢索到的信息應該與主題相關

3）提示公式：從以下來源檢索有關[特定主題]的信息:[插入來源]

摘要提示

一、什么是摘要提示？

摘要提示技術可以幫助模型生成一個較短的版本，保留給定文本的主要思想和信息。在ChatGPT中使用該技術時，需要提供一個較長的文本作為輸入，并指定所需輸出的信息，如摘要的長度和特定要求或限制。示例應用包括文章摘要、會議記錄和圖書摘要等任務。

二、舉例

1、文章摘要

1）任務：總結新聞文章

2）說明：摘要應該是這篇文章要點的簡要概述。

3）提示公式：用一句簡短的話概括以下新聞文章：[插入來源]

2、會議記錄

1）任務：總結會議記錄

2）說明：摘要應突出會議的主要決定和行動

3）提示公式：通過列出主要決策和行動總結以下會議記錄：[插入記錄]

3、圖書摘要

1）任務：總結一本書

2）說明：摘要應該是書籍主要觀點的簡要概述

3）提示公式：用一個簡短的段落概括下面的書：[插入書名]

對話提示

一、什么是對話提示？

對話提示是一種技術，可以讓模型生成模擬兩個或多個實體之間對話的文本。為了讓模型生成自然的對話，需要提供上下文、角色和背景信息。同時，還需要告訴模型所需輸出的信息，例如對話類型和特定要求或限制。這種技術適用于對話生成、故事創(chuàng)作和聊天機器人開發(fā)等任務。

二、舉例

1、對話生成

1）任務：生成兩個角色之間的對話

2）說明：對話應該是自然的，并且與給定的上下文相關

3）提示公式：在下面的[插入上下文]中，生成以下角色之間的對話 [插入角色]

2、故事創(chuàng)作

1）任務：在故事中生成對話

2）說明：對話應該與故事的角色和事件一致

3）提示公式：在以下故事[插入故事]中，生成以下角色之間的對話 [插入角色]

3、聊天機器人開發(fā)

1）任務：為客戶服務聊天機器人生成對話

2）說明：對話應該專業(yè)，提供準確的信息

3）提示公式：當客戶詢問[插入主題]時，為客戶服務聊天機器人生成專業(yè)且準確的對話

對抗性提示

一、什么是對抗性提示？

對抗性提示是一種技術，可以讓模型生成的文本對某些類型的攻擊或偏見具有抵抗力。這種技術可以用于訓練更強大、更具抵抗力的模型。要在ChatGPT中使用對抗性提示，需要為模型提供一個設計良好的提示，以使模型難以生成與所需輸出一致的文本。提示還應包括有關所需輸出的信息，例如要生成的文本類型和任何特定的要求或約束。

二、舉例

1、文本分類的對抗性提示

1）任務：生成被分類為特定標簽的文本

2）說明：生成的文本應難以分類為特定標簽

3）提示公式：生成難以分類為[插入標簽]的文本

2、情感分析的對抗性提示

1）任務：生成難以被分類為特定情感的文本

2）說明：生成的文本應難以分類為特定情感

3）提示公式：生成難以被分類為具有[插入情感]情感的文本

3、語言翻譯的對抗性提示

1）任務：生成難以翻譯的文本

2）說明：生成的文本應難以翻譯為目標語言

3）提示公式：生成難以翻譯為[插入目標語言]的文本

聚類提示

一、什么是聚類提示？

聚類提示是一種技術，可以將相似的數(shù)據(jù)點分組在一起。這對于數(shù)據(jù)分析、機器學習和自然語言處理等任務非常有用。在ChatGPT中使用聚類提示時，需要提供一組數(shù)據(jù)點，并指定分組的特征和要求的輸出信息。例如，可以根據(jù)情感將客戶評價分組，根據(jù)主題將新聞文章分組，或根據(jù)研究領域將科學論文分組。

二、舉例

1、客戶評價的聚類

1）任務：將相似的客戶評價分組在一起

2）說明：評價應基于情感進行分組。

3）提示公式：根據(jù)情感將以下客戶評價分組成簇：[插入評價]）

2、新聞文章的聚類

1）任務：將相似的新聞文章分組在一起

2）說明：文章應根據(jù)主題進行分組

3）提示公式：將以下新聞文章根據(jù)主題分組成簇：[插入文章]

3、科學論文的聚類

1）任務：將相似的科學論文分組在一起

2）說明：論文應基于研究領域進行分組

3）提示公式：根據(jù)研究領域將以下科學論文分組：[插入論文]

強化學習提示

一、什么是強化學習提示？

強化學習提示是一種技術，可以讓模型從其過去的行動中學習，并隨著時間的推移改善其性能。要在ChatGPT中使用強化學習提示，應該向模型提供一組輸入和獎勵，并允許其根據(jù)所接收的獎勵調整其行為。提示還應包括有關所需輸出的信息，例如要完成的任務和任何特定要求或約束。這種技術對于決策制定、游戲和自然語言生成等任務非常有用。

二、示例

1、文本生成的強化學習

1）任務：生成符合特定風格的文本

2）說明：模型應根據(jù)生成符合特定風格的文本所獲得的獎勵，調整其行為

3）提示公式：使用強化學習生成符合以下風格的文本[插入風格]

2、語言翻譯的強化學習

1）任務：將一種語言的文本翻譯成另一種語言

2）說明：模型應根據(jù)生成準確翻譯所獲得的獎勵調整其行為

3）提示公式：”使用強化學習將以下文本[插入文本]從[插入語言]翻譯為[插入語言] “

3、問題回答的強化學習

1）任務：回答一個問題

2）說明：模型應根據(jù)生成準確答案所獲得的獎勵調整其行為

3）提示公式：使用強化學習回答以下問題[插入問題]

課程學習提示

一、什么是課程學習提示？

強化學習提示是一種技術，可以讓模型從其過去的行動中學習，并隨著時間的推移改善其性能。要在ChatGPT中使用強化學習提示，應該向模型提供一組輸入和獎勵，并允許其根據(jù)所接收的獎勵調整其行為。提示還應包括有關所需輸出的信息，例如要完成的任務和任何特定要求或約束。這種技術對于決策制定、游戲和自然語言生成等任務非常有用。

二、舉例

1、文本生成的課程學習

1）任務：生成符合特定風格的文本

2）說明：模型應在進入更復雜的風格之前，先在簡單的風格上進行訓練

3）提示公式：使用課程學習生成符合以下風格的文本[插入風格]，按以下順序[插入順序]

2、語言翻譯的課程學習

1）任務：將一種語言的文本翻譯成另一種語言

2）說明：模型應在進入更復雜的語言之前先在簡單的語言上進行訓練

3）提示公式：使用課程學習將以下語言的文本[插入語言]，按以下順序[插入順序]翻譯為以下語言[插入語言]

3、回答問題的課程學習

1）任務：回答一個問題

2）說明：模型應在進入更復雜的問題之前，先在簡單的問題上進行訓練

3）提示公式：使用課程學習回答以下問題[插入問題]，按以下順序[插入順序]

情緒分析提示

一、什么是情緒分析提示？

情感分析是一種技術，可以幫助模型確定一段文本的情感色彩或態(tài)度，例如是否為積極、消極或中立。要使用ChatGPT的情緒分析提示，只需提供一段文本，并要求對其進行情感分類。提示還應包括有關所需輸出的信息，例如要檢測的情感類型和任何特定的要求或限制。這種技術對于自然語言處理、客戶服務和市場研究等任務非常有用。以下是一些示例和應用公式：客戶評論的情緒分析任務、推文的情緒分析任務和產(chǎn)品評論的情感分析任務。

二、舉例

1、客戶評論的情緒分析

1）任務：確定客戶評論的情緒

2）說明：模型應將評論分類為積極、消極或中立

3）提示公式：對以下客戶評論進行情感分析[插入評論]，并將其分類為積極、消極或中立。

2、推文的情緒分析

1）任務：確定推文的情感色彩

2）說明：模型應將推文分類為積極、消極或中立

3）提示公式：對以下推文進行情感分析[插入推文]，并將其分類為積極、消極或中立。

3、產(chǎn)品評論的情感分析

1）任務：確定產(chǎn)品評論的情感色彩

2）說明：模型應將評論分類為積極、消極或中立

3）提示公式：對以下產(chǎn)品評論進行情感分析[插入評論]，并將其分類為積極、消極或中立。

命名實體識別提示

一、什么是命名實體識別提示？

命名實體識別（NER）是一種技術，可以識別和分類文本中的命名實體，如人物、組織、地點和日期。使用ChatGPT的NER提示，需要提供文本，并指定要識別的命名實體類型和其他要求。例如，可以在新聞文章、法律文件和研究論文中使用NER。

提示還應包括有關所需輸出的信息，例如要識別的命名實體類型（例如人物、組織、地點、日期）以及任何特定的要求或限制。

二、舉例

1、新聞文章中的命名實體識別

1）任務：在新聞文章中識別和分類命名實體

2）說明：模型應識別和分類人物、組織、地點和日期

3）提示公式：對以下新聞文章進行命名實體識別[插入文章]，并識別和分類人物、組織、地點和日期。

2、法律文檔中的命名實體識別

1）任務：在法律文件中識別和分類命名實體

2）說明：模型應識別和分類人物、組織、地點和日期

3）提示公式：對以下法律文件進行命名實體識別[插入文檔]，并識別和分類人物、組織、地點和日期。

3、研究論文中的命名實體識別

1）任務：在研究論文中識別和分類命名實體

2）說明：模型應識別和分類人物、組織、地點和日期

3）提示公式：對以下研究論文進行命名實體識別[插入論文]，并識別和分類人物、組織、地點和日期。

文本分類提示

一、什么是文本分類提示？

文本分類是一種技術，可以將文本歸類為不同的類別。這種技術對于自然語言處理、文本分析和情感分析等任務非常有用。需要注意的是，文本分類與情感分析不同。情感分析專注于確定文本中表達的情感或情緒。要使用ChatGPT的文本分類提示，應向模型提供一段文本，并要求根據(jù)預定義的類別或標簽對其進行分類。提示還應包括有關所需輸出的信息，例如類別或標簽的數(shù)量以及任何特定的要求或限制。以下是一些示例和應用公式：客戶評論的文本分類任務、新聞文章的文本分類任務和電子郵件的文本分類任務。

二、舉例

1、客戶評論的文本分類

1）任務：將客戶評論歸類為不同的類別，例如電子產(chǎn)品、服裝和家具

2）說明：模型應根據(jù)評論的內(nèi)容對其進行分類

3）提示公式：對以下客戶評論進行文本分類[插入評論]，并根據(jù)其內(nèi)容將其歸類為電子產(chǎn)品、服裝和家具等不同類別。

2、新聞文章的文本分類

1）任務：將新聞文章歸類為不同的類別，例如體育、政治和娛樂

2）說明：模型應根據(jù)文章的內(nèi)容對其進行分類

3）提示公式：對以下新聞文章進行文本分類[插入文章]，并根據(jù)其內(nèi)容將其歸類為體育、政治和娛樂等不同類別。

3、電子郵件的文本分類

1）任務：將電子郵件歸類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件

2）說明：模型應根據(jù)郵件的內(nèi)容和發(fā)送者對其進行分類

3）提示公式：對以下電子郵件進行文本分類[插入郵件]，并根據(jù)其內(nèi)容和發(fā)送者將其歸類為垃圾郵件、重要郵件或緊急郵件等不同類別。

文本生成提示

一、什么是文本生成提示？

文本生成提示與其他提示技術的關系，包括零提示、單個提示和小樣本提示等。在預訓練模型或為特定任務訓練新模型時，可以使用文本生成提示，例如用于故事寫作或語言翻譯等任務。

二、舉例

1、用于故事寫作的文本生成

1）任務：根據(jù)給定提示生成一個故事

2）說明：故事應至少有1000個單詞，并包括一組特定的角色和情節(jié)

3）提示公式：根據(jù)以下提示[插入提示]，生成一個至少有1000個單詞，包括角色[插入角色]和情節(jié)[插入情節(jié)]的故事。

2、用于語言翻譯的文本生成

1）任務：將給定的文本翻譯成另一種語言

2）說明：翻譯應準確并符合習慣用語

3）提示公式：將以下文本[插入文本]翻譯成[插入目標語言]，并確保它準確并符合習慣用語。

結語

在本書中，我們深入探討了提示工程這一強大工具，它可以從語言模型中獲取高質量答案。通過設計各種提示，我們可以引導模型生成符合特定需求和要求的文本。

在第2章中，我們介紹了說明提示的使用，以向模型提供明確和具體的指導。在第3章中，我們探討了角色提示的使用，以生成特定語氣或風格的文本。在第4章中，我們研究了標準提示的使用，作為微調模型性能的起點。

此外，我們還介紹了幾種高級提示技術，如零提示、單個提示和小樣本提示、自一致性、種子詞提示、知識生成提示、知識整合提示、多項選擇提示、可解釋的軟提示、受控生成提示、問答提示、摘要提示、對話提示、對抗提示、聚類提示、強化學習提示、課程學習提示、情感分析提示、命名實體識別提示和文本分類提示。這些技術可以以不同的方式使用，以實現(xiàn)各種不同的結果。

在與ChatGPT和其他語言模型一起工作時，嘗試不同的技術組合，以找到最適合特定用例的方法是值得的。最后，我們還推薦了其他主題的書籍，供讀者參考。感謝您閱讀本書，希望它對您有所幫助。

審核編輯黃宇