ChatGPT使用技巧总结和原理介绍

指令（Prompt）可以帮助大模型更好地理解用户意图，并输出更准确、有意义的文本内容。

技巧

ChatGPT给出的技巧：

1. 清晰的指令：在与ChatGPT对话之前，先给出一个清晰明确的指令，以帮助模型理解你的意图。例如，你可以说 "告诉我有关人工智能的最新进展" 而不仅仅是 "人工智能"。这样可以更好地引导对话的方向。

2. 限制回答长度：ChatGPT生成的回答可能会非常长，为了得到更简洁的回复，可以在指令中提及期望的回答长度，如 "给我一个简短的答案" 或 "请用一两句话回答"。

3. 提供上下文：在对话中提供足够的上下文信息，特别是当你与模型进行多轮对话时。重复之前的问题或回答，以帮助模型理解对话的背景，并给出更相关和连贯的回复。

4. 追问细节：如果ChatGPT的回答不够详细或不满足你的需求，可以通过追问一些细节来获得更具体的回复。这样可以引导模型提供更具体和详细的信息。

5. 检查结果的准确性：尽管ChatGPT可以提供有用的信息，但它也可能生成不准确或不完全正确的答案。如果结果对你很重要，最好对模型生成的回答进行验证，以确保其准确性。

6. 实验和迭代：ChatGPT的回答是基于其训练数据的模式和统计规律生成的，并不总是完美的。通过尝试不同的指令、提供更多上下文、调整回答风格等方式，不断实验和迭代，可以逐步提高交互的质量。

科大讯飞给出的技巧：

1. 背景（原因和目的） + 具体需求（标准和目标） + 输出要求（风格和格式）。

2. 设定的角色 + 具体需求 + 输出需求。

3. 设定的角色 + 背景信息和上下文 + 指令 + 风格和方式 + 答案的数量。

要点： 

• 要尽量使用简单、直接的文字来提问，避免使用模糊或者过于复杂的词汇

• 不要把所有问题都放到一个问题里

• 在文本过长或有多段文字时，可以用“”、【】等符号将指令和文本分开

迭代式提示开发：

Prompt guidelines：Be clear and specific，Analyze why result does not give desired output，Refine the idea and the prompt，Repeat

Principle 1 - Write clear and specific instructions

Tactic 1：Use delimiters：使用分隔符后，LLM生成的回答更加简洁，有条理。

Tactic 2：Ask for structured output：JSON的输出结果。

Check whether conditions are satisfied：前置条件，后置条件。

Few-shot prompting：在要求模型执行任务之前，提供成功执行任务的示例。

Principle 2 - Give the model time to think

Tactic 1：Specify the steps to complete a task

Tactic 2：instruct the model to work out its own solution before rushing to a conclusion，预处理

Principle 3 - Add more constraints

给ChatGPT提需求，提全面一点，具体一点，变量名，函数名，都可以写清楚了。最好让ChatGPT先提供思路，然后每个思路让他提供Demo。

原理

ChatGPT的原理是基机器学习的语言模型，模型通过学习文本序列的统计规律，尝试预测下一个词的概率分布，并生成最有可能的词或短语。它接收文本作为输入，并根据先前的对话历史生成下一个可能的回答。ChatGPT是基于GPT（Generative Pre-trained Transformer）的对话模型。它使用Transformer架构进行训练，该架构具有自注意力机制，用于理解和生成文本，他的原理是通过句子分词的向量相乘，找出权重最大的可能。通过大规模的无监督学习，模型在海量的互联网文本数据上进行了预训练。模型通过迭代的方式进行训练，利用大量的数据来优化模型的参数。在预训练阶段，模型学习了语言的通用特征，而在微调阶段，模型通过特定任务的有监督学习来调整参数，以适应特定的对话生成任务。