在chatgpt大火的时候,出现了一波学习chatgpt提示词的热潮,互联网出现很多了使用的学习提示词的课程。其中我觉得斯坦福大学教授吴恩达博士推出prompt engineer课最全面。接下来总结他课程中正确使用提示词工程的方法。
1. 明确目标
- 明确你希望ChatGPT完成的任务: 无论是获取信息、解决问题、生成文本,还是进行对话,清晰的目标有助于引导模型给出更合适的回应。
2. 提供详细背景、设定角色
- 提供足够的背景信息: 让模型了解更多上下文,可以帮助它生成更相关和准确的回答。
- 示例:
- 不明确的提示: “写一个关于机器学习的文章。”
- 更好的提示: 你是人工智能方面的专家,请写一篇关于机器学习的文章,重点介绍监督学习和无监督学习的区别,并提供实际应用的例子。”
3. 使用具体问题
- 提出具体问题: 具体的问题可以引导模型给出更精确的答案。
- 示例:
- 不明确的提示: “告诉我关于太空的事情。”
- 更好的提示: “什么是国际空间站,它有什么重要性?”
4. 分步骤提问
- 分步骤提问: 对于复杂的问题,分解成多个简单的问题,这样模型可以逐步回答,每一步都更容易理解和处理。
- 示例:
- 不明确的提示: “ 解释量子力学。”
- 更好的提示: “首先,什么是量子力学?接下来,量子力学中的叠加原理是什么?”
5. 请求具体格式
- 请求特定格式:如果你需要模型生成特定格式的输出,比如列表、表格或代码段,明确说明。
- 示例:
- 不明确的提示: “给我一些学习Python的建议。”
- 更好的提示: “请列出5个学习Python的建议,用列表格式。”
6. 控制回应长度
- 控制回应长度: 你可以请求简短或详细的回答,根据你的需要调整模型的回答长度。
- 示例:
- 简短回答: “简短描述一下机器学习。”
- 详细回答: “详细解释一下机器学习的基本概念和主要类型,文字不要超过100字。”
7. 反馈和调整
- 提供反馈并调整问题: 如果模型的回答不完全符合预期,提供反馈并重新提问,可以逐步调整问题,得到更满意的回答。
- 示例:
- 初次提问: “解释一下深度学习。”
- 提供反馈: “你回答的第二点,我还不太明白,请详细讲一下深度学习的层级结构。”
8. 多轮对话
- 进行多轮对话: 利用对话的连续性,逐步深入探索某个话题,每轮对话都建立在前一轮的基础上。
- 示例:
- 第一次提问: “什么是神经网络?”
- 第二次提问: “神经网络中的层级结构是怎样的?”
9. 避免歧义
- 避免歧义和模糊: 使用明确和具体的词汇,避免使用含义不明确的词语或短语。
- 示例:
- 不明确的提示: “告诉我它是什么样的。”
- 更好的提示: “描述一下太阳系中地球的特征。”
10. 复查和调整
- 复查和调整输出: 根据需要对模型的回答进行复查和调整,确保其符合你的需求和期望。
- 示例:
- 初步输出: “天干都有哪些,他们的阴阳五行属性都是什么。”
- 复查和调整: 假设chatgpt把乙的阴阳属性搞错了,回答成阳了,“乙的阴阳属性是阴,请重新回答我,并用列表形式展示出来。”