ChatGPT 实操指南(断人财路版)

最新推荐文章于 2024-09-08 13:03:15 发布

Fong灵

最新推荐文章于 2024-09-08 13:03:15 发布

阅读量1.1k

点赞数 14

文章标签： chatgpt 人工智能 ai

本文链接：https://blog.csdn.net/weixin_45987569/article/details/136738158

版权

前言

ChatGPT 的横空出世，让很多人焦虑不已，不过，你完全不需要为此焦虑，因为比 AI 更强大永远是驾驭 AI 为自己所用的人类。

而且 GPT 远没有各大商家炒作的那么玄乎，它应用逻辑也非常简单，你完全没必要为此去花钱报各种班学习。今天我就用一篇文章带你掌握 GPT 的用法，本文无废话，全程干货，全部都是实操，纯小白也能看懂。只要你能认真读完本文，确保能让你对 GPT 的应用能力，超越 90% 的人!

关于 GPT 的基本面介绍，以及怎么注册，这些搜索引擎一搜一大把的东西，我们这里不浪费口舌。

所以，我们这里就直接围绕着最关键的部分，也就是：你拿到 GPT 之后的两大痛点开始讲起…

为什么AI无法为你所用？
很多同学拿到 GPT 后的第一个痛点就是：用的不好。也就是说，你经常会感觉到 ChatGPT 回答的好空，没有太多参考价值…
无处可用
有了 GPT 之后，发现自己好像并没有什么好问的，不知道可以用 GPT 来干嘛。所以，在这两个痛点的影响下，当你折腾完账号，闲聊天的新鲜期过去之后，GPT 也就跟着躺平吃灰了，你的生活、工作依旧一成不变。

可以说，我现在工作流的一切，基本上都被 AI 接管或者辅助了，它对工作效率的提升还是比较明显的。

其实，用同样的工具，我之所以能用它创造出实际的价值，而你却陷入了【回答好空，不知道用来干嘛】尴尬情况的核心原因在于:

就是因为你缺少了这么两点~

1.没有掌握 AI 的使用方法。
2.无法让 AI 与自身的应用场景关联起来，最后屠龙刀只能当烧火棍用。

可以说，几乎所有无法用AI创造出实在生产力的同学，都死在了这两关上。
在这里插入图片描述

如何使用?

用一句话概括：

GPT 生成的答案质量，完全取决于你『问它』，以及『引导它』的方式。如果你能问得好，引导的好，那么它就会帮你生成让你惊喜的答案，反之则无价值，空大。

而这里『问它的方式』指的是：与AI沟通的语言，而『引导它的方式』，则就是训练AI的方法。

可以说：只要你搞懂了这两点，那么你就掌握了挥动AI这把屠龙刀的能力。

究其原理在于, 目前人类的技术对自然语言（人说的话）处理的技术还不完美，所以导致目前 AI 生成内容的质量，非常依赖于提示词（Prompts）

废话不多说, 先来一段才艺, 后面再说具体原理。

在这里插入图片描述
相信你也看到了, 问题具象化后在GPT中产生了不同的化学反应; 相比前者, 问题具象化后得到的结果质量相差是比较大的。

其实很好理解: 如果你给AI的提示词质量不好，或者不到位，那么 AI 给到你的，往往就是那种 “像是一堆正确的废话堆积而成” 的文字垃圾。

这些东西和你用搜索引擎搜出来的那些拼凑而成的口水文，没有本质区别，对你毫无启发性。所以，想要获得 AI 高质量回答的第一步，就是先学会与 AI 沟通的语言，也就是学会写提示词(具体描述)。

你可能会问有没有基础的阐述模版可以参考? 答案是有的(非官网)。

通用"提示词"模版

在这里插入图片描述
主要分为四部分:

【立角色】指的是：引导AI进入具体场景，为 AI 赋予行家身份。
【述问题】指的是：告诉AI你的困惑，你的问题，以及为AI补充问题所需要的背景信息。
【定目标】指的是：告诉AI你的需求，你希望它为你做到什么。
【补要求】指的是：告诉AI，它的回答需要注意什么，或者你想让它以什么形式来回复你。

当然，这套模板，看着会感觉比较复杂，但它操作起来还是简单的。

示例1

旅游攻略

在这里插入图片描述
当然，看过这个例子你可能会说，对于模板中的 “述问题、定目标、补要求” 这些部分都很好理解，这就是我们平常提问的语言模式。

到这里你可能会问: 为什么这里要加上一个 立角色 的动作，这个动作是不是有些多此一举，直接上提问，不是更干脆直接吗？
我的回答是: 这个动作并不多余，而且很重要!

往下看，加角色和没加角色的问题，GPT 最后返回给你的答案究竟差异有多大…
在这里插入图片描述
通过这个对比图，可以看到在完全一样询问方式以及内容的情况下，后者仅仅多了【假如你是导游】这六个字, 产生的收益是不同的。

你会发现 - 加了专家角色的提问，AI返回的结果会更具体，更具可实操性，而且回答的语气也更有人情味。

其实，之所以会造成这种差异的原因也很好理解，我们不妨拿金庸老爷子的武侠小说来解释。

如AI 所掌握的知识类似于《天龙八部》的王语嫣一样，她虽然记下了天下武学的知识; 但是她所掌握的武学知识较为宽泛又相互干扰，虽然能给出建议，却无法给出针对性的建议。

在这里插入图片描述

但是，当我们为 AI 加上了专家角色之后，它就不再是只会死读书的王语嫣了，而是真正化身为领域内的实战派专家来给出答案。

也就是说，专家角色可以帮助 AI 指定场景，清晰问题范围，以及补充问题所需的背景信息。

因为一个领域专家，本身就代表某个领域的知识体系以及最高的行业标准，这个动作就相当于给王语嫣叠加了一个 Buff 一样。

那么，在掌握了天下武学知识的王语嫣基础上，又为其叠加了一个个代表该领域最高成就的身份 buff，它的回答，当然会和前面只会死读书的书呆子的答案，存在很大差异。

在这里插入图片描述
所以说，如果你的问题需要一定深度，你想要更得到更专业的回答，而不是类似于搜索引擎式的回答，那么向 AI 提问的第一步，先给它叠加上专家的 buff，完成了这个动作之后，再告诉它你想要它做什么，以及对它的补充要求。

想必你已经清楚了叠加专家 buff 的意义了, 那么该如何为它叠加上这个Buff呢？

其实思路很简单，经过我的测试，你用以下这几个提示词都可以

你现在是[xx]
请你扮演[XX]
假如你是 [XX]
请你以 [XX] 的角度/身份/语气…

根据我的实操经验，这些提示词都是可以被 AI 所接受和理解，你这里挑选一款符合自身语言习惯的表达风格就行。

好了，当你掌握了写提示词的方法之后，再去和你过去的提问方式对比，AI所给你的回答质量，就会呈现我们前面的那种对比了~

在这里插入图片描述
这套写提示词的思路是通用的，几乎所有的场景，你都可以用这套方法来为其设计提示词~

示例2

课程大纲

在这里插入图片描述
AI所生成的效果：

示例3

模拟面试
在这里插入图片描述
AI所生成的效果：

示例4

辅助工作
在这里插入图片描述

示例5

AI绘画
在这里插入图片描述
AI所生成的效果：

总之，模板通用，例子举不胜举，只要你按照这套 SOP 模版写出的提示词，那么一般 GPT 给的答案都不会太差。

当然，以上是一套标准的 SOP 模版，如果你的问题需求非常简单，你是不需要全部按照这一套来的，对于一些简单的问题，你可根据实际场景需求灵活变化。
在这里插入图片描述
通过以上，相信你已经掌握了写提示词的方法了。不过虽然可以通过这套思路设计出优质的提示词并获得 AI 高质量的答案。

但是我们也知道，目前的 AI 还没有进化到逆天的程度，对于一些稍微复杂的问题，AI 的一次回答往往并不那么到位。所以，如果我们想要获得更牛逼，更深度，更有价值的回答，那么我们就需要对它进行训练。

训练方法

其实这个『训练的方法和原理』都很好理解。GPT 之所以牛逼，就是因为思维链技术（Chain of Thought）让它具备了，多轮对话以及理解&结合上下文语境的能力。也就是说在该技术的加持下，AI 会记住我们前面的会话内容，在前面内容的基础上，去针对性的回答我们后面的内容，实现类似于真人之间沟通的对话效果。

所以，基于 AI 的这个机制，我们可以通过不断的对其 “喂数据”&“投指令”的方式对 AI 进行训练。通过不断引导 AI 来帮助我们获得更具体、更深度、更有价值的回答，或者其他效果。

在这里插入图片描述
好了，这里你知道了训练 AI 的机制之后，那么具体该如何训练 AI，才能让它达到你想要的效果呢？

其实想要达到效果，需要用到两个指令:

继续指令

继续指令其本质作用就是为了帮助你突破 AI 厂商的输出限制，让 AI 的回答得以充分发挥所存在的。

关于这一点的解释:

我们也都知道，AI 大模型的训练成本是非常高的。可能是基于算力成本的考量，包括 OpenAI 在内的各大 AI 厂商都会尽可能控制 AI 所生成的篇幅，以及尽可能的通过概括文本内容，让内容变得简练。

以ChatGPT为例，它的单次最大输出是不会超过2048个字符的，只要超过这个字符值，AI的回答会被强制截断停止。
在这里插入图片描述
所以，在厂商的篇幅限制以及篇幅概括这两个限制条件下，AI 所给我们的一次性内容，就会经常让我们感觉到内容不够或者深度不够。

那么，这个时候继续指令就可以帮助我们突破这两点限制。也就是让超过 2048 字符的回答继续回答完毕，或者让第一次回答不充分的地方，继续详细展开。

拿我们上述的【旅行攻略】举例; AI 到此位置就超越了它所规定的字符后便停止下来，我们可以通过继续指令，让它把话说完。

在这里插入图片描述
同样的道理，即使它把话说完了，我们也还可以通过继续指令让它对回答不够深入，不够具体的地方，继续展开补充 …

当然，文中的实例只是继续指令最基础的用法，除此之外，它还有进一步的追问用法…

拿上述提到的【课程大纲】来举例子~
在这里插入图片描述
可以用进一步的继续指令，对其进行追问

而且在进行继续追问的过程中，也可以把前面的【补要求】的提示词给用上。

比如：

请用小孩子都能听懂的例子进行解释
请提供不小于 5 个例子
请从XX领域里选例子
请你用活泼口语化的方式进行回答
请扩写…
请概括…

…
在这里插入图片描述
理论上，你可以一直按照“继续”的套路对它进行持续的追问深挖。

还是拿上述的【课程大纲】举例，也就是说你只需按照 GPT 最开始所提供的那个大纲框架。然后持续对这个大纲里面的内容进行追问，不停的套娃，最后再把每一个点追问的结果，填充到最初的大框架中，这样你就可以得到一篇，基本完全属于GPT 所生成的内容。

你最后要做的只是把GPT所生成的语言换成自身的语言风格，做好逻辑的拼接，以及最后的润色。
在这里插入图片描述
当然，在使用继续指令以及延伸用法的时候，这里有两点注意事项需要注意：

- 事项一：注意指令的模糊性
如果你的追问过长或者套娃层级太多的时候，你的继续指令就可能会让 AI 产生歧义呈现答非所问的情况。所以在展开追问多层级里面内容的时候，请你一定要明确对象。

比如把：【请具体介绍下第二点】，换成【请具体介绍下提纲中的第二点】这样更具体的描述，这样 AI 就不会给你搞混淆。

在这里插入图片描述
- 事项二：注意上下文语境的关联性
AI 具有强大的多轮对话，以及联系上下文的能力。如果我们在同一个对话框内穿插多个不同的话题场景，那么 AI 的回答就有可能受到前面内容的影响，而出现乱答的情况。所以在与 GPT 的互动中，如果我们想在一个对话框内，问多个不同的话题，那么我建议你在一个新话题开启的时候，初始化一下 GPT。也就是把前面的对话清空后再开始新的话题，这样就可以避免 AI 的回答受前面内容的干扰。

请你忽略前面所有的对话内容, 并用简体中文来回答我接下来的所有问题。

具体重置 ChatGPT 提示词的操作是这样的：
在这里插入图片描述
到此讲完了训练 AI 的继续指令

虽然说该指令可以让 AI 的回答更加丰富多彩，但是受制于语言传递信息的局限性，AI 的每一次回答，可能并不总是如意，甚至聊着聊着还有跑偏的现象发生。这样，就会让我们获得想要的效果的时候出现很多不必要的麻烦。

面对这种情况就需要用到训练 AI 的第二个指令，这个指令可以帮助你，设计具有“套路属性”&“模版类”任务的时候，有着神奇的效果。

奖惩指令

其实这个所谓**“奖惩指令”**有监督学习的作用，它就像是我们教育孩子一样。

如果你希望孩子达到你理想的行为标准，那么你就需要对他进行教育，如果孩子做得好，我们就需要及时的夸奖，鼓励他变得更好，而如果孩子做的差劲，我们就需要对他进行惩罚，让孩子知道你的底线。于是就是通过这样不断的棒槌 + 奖励的反复纠正下，孩子自然就会形成一套我们所期望的行为标准。

在这里插入图片描述
既然基于神经网络的 AI 具备思维链的能力，我们当然也可以按照教育孩子的这种思路让 AI 变得越来越听话。

至于这个奖惩指令的实操思路很简单，这里不妨拿我训练的【出题小助手】举例子。这一点我成长圈社群的同学应该都知道，每周我都会给我社群的同学出一道思考题。所以，在ChatGPT出现之后，我就在思考，能不能让 AI 自动或者辅助我生成思维题，以分担掉我这部分的工作负担。

于是，在这种目标的指引下，我就开启了对AI的训练…

训练思路很简单：

首先，先投喂我之前的思维题，然后让它学习和分析我出题的格式，然后让它生成答案模式。对于这些AI生成的内容，如果碰到符合我要求的地方，我就会用肯定词汇，比如：非常好，请继续保持这种形式。对于不符合我要求的地方，我就会用否定词汇，比方说：不对，你错了，请重新，要求 XXX。（一般 GPT 马上会向你道歉，并纠正其错误）

类似于你看到的这样…
在这里插入图片描述
于是经过重复的投喂，一轮轮的训练，最后它就成了辅助我出题的小助手了~

嗯，如果我不提前告诉你，你能分清楚那一个是 AI 出的题么…
在这里插入图片描述
所以，不妨思考下你工作中场景，看看有哪些是比较偏模式化的任务，对于这些比较模式化的目标你都可以通过奖惩指令对 AI 进行训练。

在训练的过程中，对于那些符合你要求的地方进行鼓励，对于不符合要求的地方进行惩罚。最后通过这样来回的奖惩之中，AI 就会达到你理想的行为标准，生成你符合你想要内容的能力，成为你工作中某个场景下的长期助手。

好了，到这里我们就讲完了关于【训练AI】的方法了~

但是我们也都知道，无论是知识还是技术，还是工具，它们最终的目的都是为了帮助我们创造实际的生存力所存在的。如果达不成这个目标，那么即使你掌握了屠龙术，但是没有龙可屠，那么这个屠龙术也是和你没有毛关系的。

很多同学之所以拿到了 GPT，也掌握了 GPT 的使用方法，却仍然使用的频次很低，甚至完全用不起来的核心原因，就是因为你没有把 AI 与你所需要的应用场景关联起来。

在这里插入图片描述
所以，想要让 AI 为你创造出实际的生产力你就必须找到自己的应用场景，只有把AI融入到具体场景之后才会有用武之地。

接下来的部分，我就给你分享，在掌握了操作 AI 方法论的基础上，如何让 AI 与你自己结合起来，带来实际的生产力

如何融合AI创造实在价值？

其实让 AI 和我们自身融合的思路很简单，把整个思路概括下来，无非就是两个步骤。

梳理

其实，这个【梳理】很好理解, 在电商兴起的时，马云曾说过这么一句话：所有生意，都值得用互联网再做一遍。
那么，在 AI 时代，我也想套用同样的话：几乎所有涉及到知识的工作方式，都可以再用 AI 重构一遍。

也就是说, 我们可以通过反思自己的工作场景，把那些可能被 AI 替代或者辅助的部分都给梳理出来，然后找到它们和 AI 可以结合的点，把这些点按照前面所讲解的思路，打造出标准化的工具或者流程出来。

说人话概括就是：梳理你日常所有的工作轨迹找到AI能干的活，然后把AI能干的一律交给它或者让它辅助你来做。从而把你解放出来，去做更有价值，更具有创造力的事情。

这里我们知道了【梳理】的内涵后，那么该如何去做这个梳理呢？

其实这个思路很简单; 你可以围绕人生基本面的万能三维度（学习、工作、生活），根据我们的行为需求，对每一个维度下的场景进行挨个发散梳理。通过这种系统性的思考，把那些可以和AI结合的场景统统给抓出来。
在这里插入图片描述

学习场景

案例1：利用 AI辅助加工知识，解释知识，提供启发

在这里插入图片描述

案例2：利用 AI 实现与大师对话式学习

在这里插入图片描述
当然，在这个场景下，除了与老子对话外，你把思路迁移一下，把它换成孔子、庄子、孟子、毛泽东、拿破仑、苏格拉底…总之任何一个你感兴趣，你想和他对话的伟人。甚至让 GPT 分饰多个角色，让大佬与大佬之间对决，你来观战，从对话中学习，让学习回归到"苏格拉底式的状态"…

案例3 利用 AI 实现辅助阅读，提高理解效率

在这里插入图片描述

案例4：利用AI实现各大领域的入门教练，导师

在这里插入图片描述
而且，同样的道理，除了这个"技术"领域的，你还可以把这个思路迁移出去，用同样的套路，去研究哲学、社会学、产品经理、运营…总之任何你想研究的领域，都可以让AI为你指路。

当然，在学习场景下，除了这些还有 N 多场景，比如，做我的英文教练、辩论教练、学习效果检测师等等…这里受制于篇幅原因，我就不一一给出示例了，如果你对【学习场景】的更多用法有兴趣，改天我再写文单独做专题分享。

好了，这里简单的介绍完学习场景下的梳理和示范，那么同样的套路，在工作场景也是如此。

工作场景

案例 1：利用 AI 当你的工作助理

这个助理场景的案例举不胜举，你可以用它帮助你写招聘信息，写脚本，写工作文案，自媒体文案，写代码，甚至写方案…

比如，我让AI帮我写的这个产品经理的 PRD 文档，看完你是不是觉得，以后这部分工作已经岌岌可危了…
在这里插入图片描述

案例 2：利用 AI 来做数据分析

在这里插入图片描述 #### 案例 3：利用 AI 写会议邀请。

案例 4：利用 AI 写文案标题

在这里插入图片描述

案例 5：利用 AI 排版/筛选整合数据

在这里插入图片描述

生活场景

案例1：用 AI 做健身教练

在这里插入图片描述

案例2：用 AI 做私人营养师

在这里插入图片描述
当然，除了上面的例子外，AI 在我们生活场景中的运用，也是举不胜举。

比如：让它做你的私人律师、私人医生、私人导游等等，各种教练，各种身份，它都可以非常出色的完成！总之，无论是工作、学习、还是生活，这样的例子和场景数不胜数，我也给你举不完，你也学不完。这里放出的场景案例，只是供你开阔思路启发用的，例子本身并不重要，例子场景背后的挖掘思路才是你真正应该学习的。

只要你能围绕着【三维度的日常轨迹】去对自己做系统梳理，在梳理的过程中，每一个场景跳出来的时候，都思考下，该场景可以和AI结合的点，有就记录，没有就跳过…

只要你认真完成这个过程，那你一定可以挖出大量有用的场景，以及独到用法，而这些你亲手挖掘出来的场景，才是你真正刚需，且能为你马上解决问题的场景！！

通过以上梳理，挖掘出可以和AI结合的场景之后，我们就可以为这些梳理出来的场景加持上AI，去创造生产力了。

打造

其实，这个所谓的【打造】指的是把我们梳理出来的这些场景中，那些能标准化可重复套用的场景，让它一律的标准化、工具化，形成『场景库』，以供我们需要的时候，直接去调用。比如，我前面训练的思维题小助手，健身教练助手等等…至于为什么要做这个动作的原因也很简单~

除非我们有了一定知名度，数据有被 AI 厂商抓取的价值，否则我们这些个人训练出来的数据，都是无法进入到AI厂商的训练集数据库里的。所以即使你在一个对话框里，把 AI 训练的很听话了，但是当你重新打开一个对话框后，那么 AI 与我们前面所有的互动记忆都会消失…

在这里插入图片描述
所以，对于一些有价值的场景，我们就需要把我们辛苦训练出来的【场景数据】给保存下来，这样它才可以长期的为我们提供服务，而不是一次性的买卖。

比如，就拿我训练出来的【邮件小助手】来举例~当我每次需要发邮件的时候，我只需要告诉邮件的内容就行了。而对于邮件的落款，称呼，格式，写作风格等这些东西，我都不需要重复告诉它，它都会自动读取之前的数据…
在这里插入图片描述
同样的，类似于健身教练，营养师或者其他需要反复互动的场景等等，都是如此只要你训练出这个场景，那么下次你再需要它为你定制方案的时候，它就会自动读取你前面的数据，结合你前面的情况，来给出你当下的最好方案。‍之后的所有互动，你都不需要你再对它反复的交代和补充大量的背景信息…所以，当我们把这些训练好的场景，按照一定规则给保存下来形成场景库之后就可以重复的套用它们，以帮助我们省去大量的时间精力。好了，这里你知道了，打造『场景库』的意义之后，那么具体该如何操作呢？

这里给你分享两种方式:

方式1：直接用 GPT 内置的场景库; 也就是说，你每次在GPT中开启一个新的对话的时候，GPT都会为你自动创建一个对话框（场景）。那么我们就可以把那些有训练价值，可以固定下来的场景给留下来，然后按照我们三维度的方式对它们进行分类命名即可。

当然，用这种方式打造场景库的局限性是比较大的; 因为官方的这个是固定格式的，那么在这种方式的限制下，我们就无法对我们的场景进行分类以及排序。在这种死板格式下，一旦你对话的话题过多，那么这个来回翻找的麻烦劲头，会有一种让你想撞墙的感觉。所以，相对于这种方式，我更推荐你第二种

方式2：在你的外脑系统里（笔记管理软件）;用更灵活的中控页面，对它们进行集中式的管理，做出类似于这样的效果…

其实这种方法的实现原理很简单; 如果你观察仔细，会发现GPT中的每一个对话框（场景），它都是有一个单独的独立网址的。

所以在这种机制下，我们可以把需要场景的链接给拿下来，然后在我们的外脑中，按照我们需要的逻辑给它分类下来。这样在调用每个场景的时候，就不需要打开 GPT网站，然后折腾翻找半天才能开始，而是直接来到我们的中控面板里，点开相应的链接，它立刻就会自动跳到我们相应的场景对话框里…

整个操作的过程会像德芙一样丝滑。