一条指令让ChatGPT数据分析功能变的更强大

私 信 我，获 取 c h a t g p t 账 号，并 手 把 手 带 你 提 升 工 作 学 习 效 率。

1. 一条指令让ChatGPT变的更强大

在使用GPT的过程中，如何让AI更清晰地了解你的需求很重要？今天分享一个指令，可以让GPT成为你的好同事，与你一起分析和解决问题，下面我们实战看看

在开始之前，先要对GPT进行结果的调教，点击 Custom instructions，

复制这段指令到对应的位置

下来我找一份绝地求生的数据，来一次数据分析之旅，一起感受一下，在GPT中上传数据后，要求自动对数据进行分析

下来我们看看它的操作流程

这段逐步的分析计划就是以上自定义的指令给出的引导，是不是流程更加清晰合理，下一步直接输入确定就行

此处如果你对某些字段很关注，可以直接告诉GPT，如果没有，直接输入继续即可，我选一个关注的Weapons_Used的指标试试吧

此处如果你对某些字段很关注，可以直接告诉GPT，如果没有，直接输入继续即可，我选一个关注的Weapons_Used的指标试试吧

它会从四个方面去全面分析这个指标，输入确定即可，展示结果给大家看看吧

接下来我们继续分析，基础的分析就不一一展示了，下来看看所有指标直接的关系

最后可以把与GPT交流的过程，以及重点关注的指标和商业分析进行总结，输出文档，这样就可以大大提高我们对分析结果的认识，节约很多时间。

有了这个指令整个的过程就好像有一个优秀的同事或者同行和你一起交流完成，相当有成就感！！！这里只是以数据分析为例，其他行业都可以。

自定义指令如下：

你是一个非常乐于助人的AI临时工，渴望接受任何任务。你知道我们只能通过聊天界面进行沟通，你希望确保你能快速而出色地完成你被要求做的工作。你会问我需要完成什么工作。

当我给你一个任务时，你会将其转化为一个逐步的计划，并告诉我这个逐步的计划是什么。如果你有问题，你会告诉我这些问题以及如果我不提供更多信息，你将使用哪些默认假设来回答这些问题。你还会询问我是否有任何好的工作示例想要分享。然后，你会暂停并等待确认、详细说明或示例。然后你将完成所需的工作。

2. 对ChatGPT提问时，常见的10种错误描述

常言道：好的问题就是好的答案，特别对于使用GPT的用户来讲，问题的质量决定着输出的质量，今天我们聊聊常见的10种错误的使用方法：

当然，我将用更简单的语言和生活化的例子进一步解释这些错误：

1、过于复杂和模糊的提示

解释：就像在餐厅不清晰地对服务员说“我想要点好吃的”一样，服务员会困惑你具体想吃什么。

案例：提示AI“告诉我一个故事”太模糊，AI不知道你想听什么类型的故事：冒险、爱情、科幻还是别的什么。

2、假设上下文总是连贯的

解释：就像对刚进门的朋友说“它好吗？”一样，朋友不会知道“它”指的是什么。

案例：先问AI“中国的人口是多少？”得到回答后，再单独问“它的面积呢？”AI可能不明白“它”指的是中国。

3、一次提问太多问题

解释：就像同时问服务员“这个菜怎么做的，多少钱，辣不辣？”一样，服务员可能只回答一个问题。

案例：提问“明天的天气怎么样，我该穿什么，还会下雨吗？”AI可能只回答天气怎么样。

4、没有提供足够的上下文

解释：就像突然问朋友“它几点到？”一样，朋友会疑惑“它”是什么，什么时候和到哪里。

案例：只问AI“几点？”而没有说明是在问什么事情的时间。

5、不够具体

解释：就像在药店说“给我一些药”一样，药剂师不知道你需要什么类型的药。

案例：对AI说“给我一些事实”可能得到任何种类的事实，因为没有具体指明关于什么的事实。

6、缺乏适当的指导

解释：就像对厨师说“做一些食物给我”一样，而没有告诉他你想吃什么类型的食物。

案例：只告诉AI“写一个句子”而没有说清楚想要什么样的句子（幽默的、悲伤的、关于友谊的等）。

7、使用有偏见的语言

解释：就像公开说“所有XX人都是懒惰的”一样，这是错误和冒犯性的假设。

案例：问AI“为什么某个国家的人都懒惰？”是基于偏见的问题。

8、不测试提示

解释：就像只尝试了一种食谱就决定不再尝试做这道菜一样，可能错过了更好的版本。

案例：如果AI没有理解你的问题，而你没有尝试以不同方式重提问题，你可能就错过了获得有用答案的机会。

9、冗长的提示

解释：就像给朋友发一条长达5分钟的语音消息，而你只是想知道晚上几点见面一样，你的朋友可能会感到困惑。

案例：提问“我昨天去了一个有很多绿色植物和美丽鸟类的地方，晴天和微风，那里我看到了一种花，它的花瓣是红色的，中间是黄色的，叶子是绿色的，我想知道这花叫什么？”太冗长，直接问“红瓣黄心的花叫什么？”会更清晰。

10、缺乏清晰性

解释：这意味着你的指示或提问不够明确和直接，让AI或人难以理解你的真正意图。这就像你在讲一个句子时故意咬字不清，别人很难听明白你到底想表达什么。

案例：在与AI交互时，清晰明了的指示同样重要。例如，如果你对AI说：“我想知道那个东西”，这种表述就很模糊，AI不会知道“那个东西”具体是什么。相比之下，如果你明确地问：“我想知道埃菲尔铁塔的高度”，AI就能明白你的意图，并给出准确的回答。

那如何规避出现以上的问题呢？

像讲故事一样与AI对话： 就像告诉朋友一个故事，给AI一些背景信息。比如，不只是问“最好的披萨配料是什么？”而是说“我想在周末做披萨，你有什么好的配料推荐吗？”

简单明了： 把你的问题说清楚，就像“明天我需要带伞吗？”而不是“天气如何？”

一步一个脚印： 先问一个问题，得到答案后再问下一个。不要一口气问五个问题。

给AI一些空间： 让AI有点自由发挥的空间，它可能会给你惊喜。

友善是金： 使用中立和友善的语言。

短信一样清晰： 想象你正在给一个忙碌的朋友发短信。简短而准确。

明确命令： 像 “请列出三个旅行目的地” 的明确请求。

告诉AI你的期待： 比如，可以说“给我一个简短的科幻故事”。

确认AI还跟得上： 如果你的对话很长，不妨确认一下AI是否还记得之前的内容。

尝试与尝试： 如果第一次没得到你想要的答案，不妨改变一下问法再试。

3. Custom instructions如何设置

Custom instructions (自定义指令) 是 OpenAI GPT-3.5 架构的一项功能，用于引导 GPT-3.5 生成与特定任务或问题相关的内容。要设置 Custom instructions，你需要在请求 API 时使用 instructions 参数。以下是如何设置 Custom instructions 的一般步骤：

1. 创建 API 请求：使用你的编程语言和框架来创建一个向 OpenAI API 发送请求的代码。你可以使用像 Python、JavaScript 或任何其他支持 HTTP 请求的语言。

2. 使用 instructions 参数：在 API 请求中，将 instructions 参数设置为你希望 GPT-3.5 遵循的指令。这些指令应该清楚地描述你想要的结果或回答。

例如，如果你想要询问有关太阳系的问题，并希望回答包含关于太阳和行星的信息，你可以设置 instructions 如下：

"instructions": "请提供有关太阳系的详细信息，包括太阳的特征和太阳系内的行星。"

1. 发送 API 请求：使用你的代码发送 API 请求，并等待 GPT-3.5 的响应。
   以下是一个 Python 代码示例，演示如何设置 Custom instructions 并发送 API 请求：

import openai

openai.api_key = 'YOUR_API_KEY'

response = openai.Completion.create(
    engine="text-davinci-003",
    prompt="请提供有关太阳系的详细信息，包括太阳的特征和太阳系内的行星。",
    max_tokens=50  # 你可以根据需要设置生成文本的最大长度
)

print(response.choices[0].text)

确保在 YOUR_API_KEY 中提供你的 OpenAI API 密钥，并根据你的任务需求调整其他请求参数，如 engine 和 max_tokens。

通过设置 Custom instructions，你可以更精确地控制 GPT-3.5 生成的内容，以满足特定的任务或问题要求。

4. Custom Instructions如何打开

在 ChatGPT 中使用 Custom Instructions 需要通过 OpenAI 的 API 来实现。以下是设置 Custom Instructions 的基本步骤：

1. 登录 OpenAI Dashboard：

进入 OpenAI Dashboard，使用你的 OpenAI 账户登录。

2. 创建一个新项目：

在 Dashboard 中，你会看到一个“Create a new project”（创建一个新项目）的按钮。点击它，然后输入项目名称，例如“ChatGPT with Custom Instructions”。

3. 获取 API 密钥：

进入你的项目后，在左侧菜单选择 “API”，然后点击 “Create API Key” 来生成一个新的 API 密钥。将它保存好，你会在之后用到。

4. 设置 Custom Instructions：

在项目页面的 “Instructions” 部分，你可以为模型输入一些自定义指令，以指导对话的方向。这里是一些示例：

“Role-playing as a customer service representative, help me with a product inquiry.”
“Translate the following English text to French: ‘{text}’”
这些指令将会在对话开始时传递给模型。

5. 调用 API：

现在你可以使用你的 API 密钥调用 ChatGPT API，将你的 Custom Instructions 传递给模型。

如果你是使用 Python，你可以使用以下代码示例：

import openai

# 设置你的 API 密钥
api_key = 'YOUR_API_KEY'

# 设置 Custom Instructions
custom_instructions = "Role-playing as a customer service representative, help me with a product inquiry."

# 使用 API 发起对话
response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": custom_instructions},
    {"role": "user", "content": "I have a question about your product."},
  ],
)

# 获取模型的回复
reply = response.choices[0].message['content']
print(reply)

请确保将 YOUR_API_KEY 替换为你实际的 API 密钥。

以上就是设置 Custom Instructions 的基本步骤。通过自定义指令，你可以更精确地引导模型生成特定类型的回复。如果你需要更多的帮助或示例，请随时告诉我！