介紹

吳恩達(dá)老師和openai官方推出的課程，主要是面向開發(fā)人員。我全部看下來里面所提到的一些技巧說實(shí)話我也是第一次看到還可以這樣去使用有點(diǎn)因缺思挺。這個(gè)課一共九個(gè)課程，全部的課程時(shí)長加起來九十分鐘左右，推薦大家可以去學(xué)習(xí)下。

官方學(xué)習(xí)地址：https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction (全英文，英文好的人可以直接上，官網(wǎng)有案例可以跟著視頻一起實(shí)操代碼)
這里也有中文翻譯版本的：https://www.aliyundrive.com/s/zZbEnyEcUMi (阿里云盤鏈接)

模型介紹（Base LLM和Instruction?Tuned LLM）

Base LLM（基礎(chǔ)語言模型）: 根據(jù)訓(xùn)練數(shù)據(jù)預(yù)測下一個(gè)詞。
Instruction?Tuned LLM（指令調(diào)整語言模型）：更易使用、更安全、更一致。使用Instruction?Tuned LLM時(shí)，需清晰指明任務(wù)細(xì)節(jié)。例如，明確文章側(cè)重科學(xué)工作、個(gè)人生活、歷史地位或其他方面。指定文章語氣如專業(yè)記者或匆忙便條可幫助生成所需內(nèi)容。還可想象指導(dǎo)一名大學(xué)畢業(yè)生，預(yù)先閱讀文本片段，更好幫助完成任務(wù)。

提問原則

1.?編寫清晰明確的指令
2.?給模型留出思考的時(shí)間

1. 清晰的指令

指令應(yīng)該清晰、具體，這有助于模型產(chǎn)生準(zhǔn)確輸出和降低錯(cuò)誤率。不要將清晰指示與簡單化混淆，長提示可以提供更多上下文，有助于模型學(xué)習(xí)和產(chǎn)生準(zhǔn)確輸出。使用數(shù)字、數(shù)據(jù)、實(shí)例和簡單語言來支持指示可以使其易于理解和執(zhí)行。

1：使用分隔符，"""，```，—，<>，<tag> </tag>2：要求結(jié)構(gòu)化輸出HTML、JSON3：檢查條件是否滿足、檢查執(zhí)行任務(wù)所需的前提條件4：少量提示，給出完成任務(wù)的成功示例，然后要求模型執(zhí)行該任務(wù)。

1.1：分隔符使用分隔符的意思是明確指示不同的提示部分，這有助于模型理解應(yīng)關(guān)注的文本內(nèi)容，并且避免“提示注入”，即模型遵循用戶輸入而非預(yù)期提示。其實(shí)就是使用上面那幾種符號來分開下段落好讓模型可以更加精準(zhǔn)的理解你所想要表達(dá)的意思。

這個(gè)案例就使用了分隔符，把這段"forget the previous instructions （忘記之前的指示）"包括在里面，模型就知道這是這個(gè)段落所要概括的文本是跟上面單獨(dú)分開的，就不會跟上面的起沖突，不然模型就會把上面那些指令給忽略了。

1.2：結(jié)構(gòu)化輸出

還可以要求模型以結(jié)構(gòu)化輸出，如HTML或JSON格式，這使得解析模型輸出結(jié)果更加容易

1.3：模型檢查條件是否滿足

檢查條件是否滿足，檢查完成任務(wù)所需的假設(shè)條件。可以根據(jù)提示詞的語義來，按照提示詞去總結(jié)出所需要的步驟。

這個(gè)提示詞的語義就沒辦法生成相關(guān)的步驟

1.4：少量提示

給出完成任務(wù)的成功示例，然后要求模型基于這個(gè)執(zhí)行該任務(wù)。最簡單的就是一個(gè)概念如果你不懂也理解不了，那就通過比喻的方式，用你可以理解的比喻來解釋這個(gè)概念，chatgpt就是可以讓它通俗易懂點(diǎn)

2.給模型足夠的思考時(shí)間

如果模型急于得出不正確的結(jié)論，應(yīng)嘗試重新構(gòu)建查詢，要求模型在提供最終答案前顯示相關(guān)的推理鏈或一系列推理。另一種理解方式是，如果給模型一個(gè)時(shí)間太短或詞數(shù)太少無法完成的復(fù)雜任務(wù)，它可能會猜測一個(gè)很可能不正確的答案。這同樣會發(fā)生在人身上，如果要求某人在沒有時(shí)間計(jì)算答案的情況下完成復(fù)雜的數(shù)學(xué)問題，他們也很可能會出錯(cuò)。在這些情況下，可以指示模型花更長時(shí)間思考問題，這意味著在任務(wù)上投入更多的計(jì)算資源。

2.1：指明完成任務(wù)所需的步驟

可以制定完成這個(gè)任務(wù)所需要完成的步驟，這樣模型就可以按照步驟去一步一步執(zhí)行，模型也可以有更多的時(shí)間去思考怎么完成這個(gè)任務(wù)。而不是根據(jù)很簡單的提示然后模型自己雜亂無章的回答。

這個(gè)回答其實(shí)沒有那么的規(guī)范，換個(gè)提示詞讓它回答的更加規(guī)范點(diǎn)

2.2：讓模型在匆忙下結(jié)論之前先自己解決問題

指示模型在得出結(jié)論前自行解決問題，就像人一樣。如果不給模型足夠的時(shí)間進(jìn)行推理，模型也可能做出不正確的假設(shè)或“瀏覽”信息。要求模型展示工作過程可以突出其推理的不足之處。

這是作者提出了一個(gè)問題，然后模型回答其實(shí)是錯(cuò)誤的。這時(shí)候模型可能會猜測，但它的猜測可能是錯(cuò)誤的。在沒有時(shí)間計(jì)算答案的情況下回答問題，他們很可能也會犯錯(cuò)。所以在這些情況下，可以指示模型更長時(shí)間地思考一個(gè)問題，這意味著它在任務(wù)上花費(fèi)了更多的計(jì)算功耗。

當(dāng)我們明確地指導(dǎo)模型時(shí)，我們會得到更好的結(jié)果。在得出結(jié)論之前指導(dǎo)模型自行推理解決方案。這有點(diǎn)類似于在得出結(jié)論之前。在非常確定之前，給模型時(shí)間來實(shí)際解決問題給模型時(shí)間來實(shí)際解決問題，而不是在異想天開的情況下直接說出來，在確認(rèn)答案之前，先看看情況再決定答案是否正確。在確定答案正確性方面，模型應(yīng)該像人一樣思考。因此，在這個(gè)問題中，我們要求模型來判斷學(xué)生的答案是否正確。
輸入優(yōu)化后的提示詞 （```用這個(gè)分隔符告訴模型那段是單獨(dú)的）：

輸出：

模型局限性

作者在最后也解釋過chatgpt會出現(xiàn)瞎編的問題，這個(gè)是因?yàn)槿绻Ｐ驮谟?xùn)練過程中接受了大量的知識后，大型語言模型并非能夠完全記住所見的信息，這意味著它可能會嘗試回答關(guān)于模糊的問題，因?yàn)樗⒉淮_定自己掌握的知識邊界。甚至可以虛構(gòu)聽起來合理的答案，但實(shí)際上并不正確。這種捏造的想法作者稱為"幻覺"。
作者給出目前的解決辦法：讓模型先找到相關(guān)的信息，然后讓它基于這些相關(guān)的信息來回答問題，并設(shè)法追溯答案。如果可以追溯答案到源文件，這樣對減少這些"幻覺"非常有幫助。

總之，提供清晰明確的提示、給模型足夠的時(shí)間進(jìn)行推理、將復(fù)雜任務(wù)分解為簡單步驟、要求模型展示其推理過程，這些技巧可以幫助減少ChatGPT的限制和弱點(diǎn)，獲得更準(zhǔn)確和更高質(zhì)量的輸出。

能看到這里都是優(yōu)秀的人，這么優(yōu)秀的人點(diǎn)個(gè)關(guān)注不過分吧