如何通俗的理解GPT？GPT到底是什么？prompt是什么？

GPT

GPT通俗点来理解就是「顺口溜」，当你背过很多古诗后，别人说「锄禾日当__ 」时，你可以直接说「午」，甚至接上「汗滴禾下土」。GPT里的数据训练可以理解我们大脑的知识库，而GPT生成出来的数据可以理解为人检索大脑中的数据说出来的话。

核心原理：每次输出下一个字，都由前面用户的输入 + GPT 已经输出的内容来决定。

1. 先得有训练好的数据，作为知识库
2. 基于训练好的数据，将输入的数据转化成输出数据

GPT的整个转换过程更像是老师在检查我们背古诗，古诗背熟了当然能够对答如流，没背熟当然就会说错啦。

• 在系统内数存储数据==大脑在学习知识（背古诗）
• 大模型对数据进行训练==老师告诉我们「锄禾日当午」后面接「汗滴禾下土」才是正确的

Chat GPT

Chat GPT只是GPT的一种表现形式，通过聊天的方式来回答你的内容。

prompt

如何让计算机更好的帮助我们生成数据，解决问题呢？
于是prompt来了，prompt顾名思义提示词，你只有更明确的描述你的需求后，计算机才能更好的回答你，知道你想问什么。最早接触 Prompt engineering 时,学到的 Prompt 技巧都是

你是一个 XX 角色…
你是一个有着 X 年经验的 XX 角色…
你会 XX,不要 YY.
对于你不会的东西,不要瞎说!
直接给个模板，按规范生成我想要的数据

从上面的 Prompt 中最直观的感受就是 结构化，将各种想要的,不想要的,都清晰明确地 表述在设计好的框架结构中:
语法 这个结构支持 Markdown 语法,也支持 YAML 语法,甚至纯文本手动敲空格和回车都可以o结构 结构中的信息,可以根据自己需要进行增减,从中总结的常用模块包括:

• Role: :指定角色会让 GPT 聚焦在对应领域进行信息输出
• Profile author/version/description : Credit 和 迭代版本记录
• Goals:一句话描述 Prompt 目标,让 GPT Attention 聚焦起来
• Constrains: 描述限制条件,其实是在帮 GPT 进行剪枝,减少不必要分支的计算
• Skills: 描述技能项,强化对应领域的信息权重
• Workflow: 重点中的重点,你希望 Prompt 按什么方式来对话和输出
• Initialization: 冷启动时的对白,也是一个强调需注意重点的机会

---

相关文章：

1. ChatGPT 中，G、P、T 分别是什么意思？
2. 李继刚：结构化的 prompt方法论