【打卡】高效使用ChatGPT：构建有效的Prompt

本篇笔记是参与Coggle 30 Days of ML（23年8月）活动的打卡记录。在这个活动中，我学习了如何编写有效的prompt，以最大程度地利用ChatGPT的潜力。

本月学习资料

本月学习内容包括：

• 了解GPT模型的基本原理和工作方式。
• 探索ChatGPT在自然语言处理和人工智能领域的应用。
• 理解prompt在使用ChatGPT时的重要性，以及对生成结果的影响。
• 分析优秀和低效prompt的案例，从中学习如何设计更有效的prompt。

背景介绍

ChatGPT是一个基于OpenAI的GPT（Generative Pre-trained Transformer）模型的变种，它是一个强大的自然语言处理（NLP）工具。GPT系列模型的主要特点是预训练和生成能力，能够根据输入的文本生成具有连贯性和合理性的输出文本。ChatGPT特别针对对话式应用进行了优化。它经过在大规模文本数据上进行预训练，并通过阅读大量的对话数据来学习对话风格和语言表达。因此，它可以用于许多自然语言处理任务，如对话生成、问答系统、文本摘要、语言翻译等。

Prompt是用户向模型提供任务指导和输入信息的方式，它直接影响了模型生成的回答或结果的质量和准确性。一个好的prompt可以引导模型产生有用、合理且符合预期的回答，而一个不合适或模糊的prompt可能导致模型输出错误、无关或混乱的内容。

打卡任务

任务名称	所需技能
初识ChatGPT	Python
ChatGPT编写正则	Python
ChatGPT自动EDA	Python
ChatGPT文本分类	Python
ChatGPT实体抽取	Python
ChatGPT关系抽取	Python
ChatGPT渲染表格	Python
ChatGPT文本匹配	Python
ChatGPT创意设计	Python

 各个任务的打卡笔记如下：

任务1：初识ChatGPT 

任务2：ChatGPT编写正则 

任务3：ChatGPT自动EDA 

任务4：ChatGPT文本分类 

任务5：ChatGPT实体抽取 

任务6：ChatGPT关系抽取 

任务7：ChatGPT渲染表格 

任务8：ChatGPT文本匹配