人工智能 ChatGPT 的多种应用：如何更好地提问

简介

ChatGPT 的主要优点之一是它能够理解和响应自然语言输入。在日常生活中，沟通本来就是很重要的一门课程，沟通的过程中表达的越清晰，给到的信息越多，那么沟通就越顺畅。

和 ChatGPT 沟通也是同样的道理，如果想要 ChatGPT 给到的信息越准确，越清晰，和它的沟通就至关重要。

如何能和 ChatGPT 建立一个良好的沟通方式呢？其实就是靠提示词 Prompt。

价值

在这里插入图片描述

可能很多同学疑惑的点在于，提示词还需要另外去学吗？这个看起来貌似有手就行的操作，只要会打字就能够立刻上手吧？

但是会和用的好是两回事。我们可以把 ChatGPT 想象成孙悟空的金箍棒，本身它是一个非常强大的法器，但是如果不会使用，它也不过是一根铁棍而已。提示词用的越好，ChatGPT 就越强大。

而且对于有编程基础的人来说，后续如果想要基于 LLM 或大语言模型快速构建、开发一些应用软件或者功能。不掌握 prompt 的基本原理和使用技巧，是无法达到很好的效果的。

在最后的相关资料里面，也添加了由微软和 OpenAI 所出的，针对于开发者的提示词的教程。我们的课程同样在后面也会带来基于 prompt 的应用开发实践。

提示词的原则与技巧

而写一个好的提示词，有以下的技巧可以使用。

写清楚需求：GPT 模型无法读懂您的想法，因此在提供需求时尽可能具体是很重要的。这包括在您的查询中包含详细信息，要求模型采用角色，以及使用定界符清楚地指示输入的不同部分。
提供参考文本：如果可以，请提供与您希望模型生成的内容相似的参考文本。这将有助于模型了解您要查找的内容并生成更准确的结果。
将复杂的任务拆分为更简单的子任务：如果您试图让模型做一些复杂的事情，将任务分解为更小、更易于管理的子任务会很有帮助。这将使模型更容易理解您的要求并生成更准确的结果。
角色扮演：这个技巧的作用是告诉 ChatGPT 在对话中扮演一个特定的角色或人物。这对于创造更有吸引力和沉浸感的对话，或模拟真实世界的场景特别有用。
系统地测试变化: 对需求或参考文本进行更改时，重要的是系统地测试结果以了解它们如何影响模型的输出。这将帮助您确定对改进结果最有效的更改。

写清楚需求
编写有效的 ChatGPT 的难点之一是表达含糊不清。为了避免这个问题，有以下几个问题需要注意：

定义任何专业术语或技术术语。

避免使用模棱两可的语言。

使用清晰或简明的语言

错误的案例：“你是我的哈基米吗？”

哈基米属于网络用语，而且诞生在 2023 年，ChatGPT 是无法理解这个词的语意的。

好的案例：“请帮我提供在深圳市宝安区所有的咖啡馆”

简明扼要说清楚自己的需求，无需多言，ChatGPT 便很好理解了。

提供参考文本
对于文本比较短的引用，可以直接贴到提问里面即可：如果你有一段法律条款，并希望模型使用这段条款来解释某个概念，你可以这样提问：“根据以下的法律条款，什么是知识产权？”然后附上法律条款的内容。

网页链接的引用：也可以直接将网页链接里面的内容提供给 GPT 来作为引用文本。比如可以直接给它一个链接地址，让它总结文章内的内容。（注意这个功能需要使用 web 插件）

拆解复杂任务
作为一个厨师，在做饭的时候需要完成这些步骤：准备食材、清理食材、处理食材、开始烹饪、摆盘。

在这个过程中，其实厨师就是把一个复杂的任务，拆解成了多个简单的任务。其实在编程的过程中，也是同样的道理。也会把一个复杂需求，拆解为 N 个简单的子需求。

如果需要 ChatGPT 帮助我们完成一个复杂的任务，那么，我们需要预先帮它把任务拆分。这样做的优点是：

更好理解每一个操作步骤。

不被上下文限制影响。

方便调整。

例如我们提出了一个如下的复杂任务：

提示词：作为一个测试工程师，我即将进行述职答辩，我想编写一个述职报告，述职报告需要包含我今年的成绩、我明年的目标、以及我在今年的工作过程中碰到的问题

ChatGPT 虽然给到了相应的回复，但是还有问题：

工作成绩没有清晰的数据也没有说服力，看着比较干瘪。报告内容没有图表。

内容太过简单空洞。

格式不够优雅。

如果我们把提问的方式做进一步优化，把这个复杂问题一步步进行拆解，并给 ChatGPT 一定的修改反馈，则产生的内容会更加符合我们的需求，比如我们可以把问题分解为：

提示词：作为一个测试工程师，我即将进行述职答辩，我想编写一个述职报告。述职报告需要包含我今年的成绩，我今年带领测试团队将 bug 的逃逸率降低了 10%的比例。并且我希望有一个通过 echarts 绘制的折线图。请将我的述职报告做进一步优化。

在这里插入图片描述

当然我们从这张图片中可以看出折线图无法展示，我们可以进一步给 GPT 提示信息，让它直接给到报表的源码。

提示词：echarts 折线图没有展示出来

在这里插入图片描述

然后 GPT 就会解释原因，并且给到解决方案。由此可见，将问题拆解，我们可以随时调整 GPT 的返回信息，让其更加贴近我们的需求。

借助外部工具
作为一个大语言生成模型，GPT4 并不擅长各种数学计算。比如下面的问题(来自官方 GPT 最佳指南中的示例问题)：

提示词：查找以下多项式的所有实值根：3x^5 - 5x^4 - 3x^3 - 7x - 10

如果直接提问的话，通常没法直接给出答案，如下图所示，虽然借助 Python，给出了运算过程，但是其实 ChatGPT 无法像人类数学家一样，给出直接的推导过程：

在这里插入图片描述

所以可以将提示词改为：

提示词：查找以下多项式的所有实值根：3x^5 - 5x^4 - 3x^3 - 7x - 10 ，使用 Python 实现。

在后续碰到 ChatGPT 无法直接解决的问题时，不妨继续尝试这种曲线救国的方式。

角色扮演
角色扮演的过程就更为简单了，我们在编写提示词的时候，只需要给它加上一些角色的设定。

比如这个例子：

提示词：请用鲁迅的口吻，写一篇文章，叫做我的妈妈，要求字数在 800 字以内。

除了扮演其他作家之外，ChatGPT 甚至可以扮演领导，面试官，浏览器的 console 插件等各种各样我们可以想象到的角色：

提示词：我希望你作为一个 javascript 控制台。我将输入命令，你回复 javascript 控制台应显示的内容。我希望您只在一个唯一的代码块内回复终端输出，而不是其他任何内容。不要写解释。我的第一个命令是 console.log(“Hello World”);

在这里插入图片描述

系统的测试变化
正如人在回复信息的时候，也无法保证所有的回复都是正确的，ChatGPT 也无法保证每次给到的信息都是“靠谱的”或者是满足需求的。

所以 ChatGPT 的每一次回复，在确认没有问题之后，再使用。如果有问题的话，可以进一步进行提问，ChatGPT 会根据提示词不停的纠正回复。以达到一个满意的效果。

在这里插入图片描述

比如这个示例：

提示词：请问 App 的产品在测试的过程中需要注意什么

在测试一个 App 产品的过程中，有一些重要的注意事项可以帮助确保产品质量和用户体验。以下是一些你应该注意的方面：
1. **功能性测试：** 确保所有的功能都能正常工作，包括用户界面、交互和后台操作。测试每个功能的不同用例和场景，以确保没有错误或异常情况。
2. **兼容性测试：** 测试 App 在不同设备、操作系统版本和屏幕尺寸上的兼容性。这有助于确保用户在各种环境中都能正常使用 App。
3. **性能测试：** 测试 App 的性能，包括加载速度、响应时间和资源占用等。确保 App 在各种条件下都能保持良好的性能。
...省略...
11. **更新和升级测试：** 在发布新版本或更新时，确保之前的功能仍然正常，没有引入新的问题。
12. **法律和隐私合规性：** 确保 App 遵守相关的法律法规和隐私政策，特别是涉及用户数据和隐私的方面。
总之，测试是确保你的 App 产品质量和用户满意度的关键步骤。细致的测试流程和综合的测试策略可以帮助你尽早发现和解决问题，提供优秀的用户体验。

提示词：请针对兼容性测试再做一些补充。

当进行兼容性测试时，你需要关注不同设备、操作系统版本、浏览器以及屏幕尺寸之间的兼容性。以下是一些针对兼容性测试的补充建议：
1. **设备兼容性测试：** 确保你的 App 在各种不同品牌、型号和操作系统的移动设备上都能正常运行。考虑测试不同的手机和平板设备。
2. **操作系统版本兼容性测试：** 测试 App 在不同操作系统版本上的兼容性，包括最新版本和一些较旧的版本。一些用户可能还在使用较老的操作系统。
...省略...
11. **更新和升级兼容性测试：** 当你发布新版本或更新时，确保之前的功能仍然正常，没有引入新的兼容性问题。
12. **错误处理和提示信息：** 在不兼容的设备或环境下，确保 App 能够提供适当的错误提示，引导用户解决问题。
通过兼容性测试，你可以确保你的 App 在不同的环境中都能够提供一致的用户体验，减少用户因设备或环境不同而遇到的问题，从而提高用户满意度。

通过不停的测试以及纠正 ChatGPT 的回复，即可最终获得一个满意的回复。

总结
在学习 AIGC 的过程中，需要打破的往常的认知，不能再将 AI 作为简单的程序看待，反而要把它当作一个“人”来看待。

就像和人沟通一样，需要注意措辞、语气、沟通方式，才能够真正做到学会与 AI 对话，发挥它强大的作用。

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。