如何向 ChatGPT 提問以獲得高質(zhì)量答案：提示技巧工程完全指南
介紹
我很高興歡迎您閱讀我的最新書籍《The Art of Asking ChatGPT for High-Quality Answers: A complete Guide to Prompt Engineering Techniques》。本書是一本全面指南，介紹了各種提示技術(shù)，用于從ChatGPT中生成高質(zhì)量的答案。
我們將探討如何使用不同的提示工程技術(shù)來實現(xiàn)不同的目標(biāo)。ChatGPT是一款最先進的語言模型，能夠生成類似人類的文本。然而，理解如何正確地向ChatGPT提問以獲得我們所需的高質(zhì)量輸出非常重要。而這正是本書的目的。
無論您是普通人、研究人員、開發(fā)人員，還是只是想在自己的領(lǐng)域中將ChatGPT作為個人助手的人，本書都是為您編寫的。我使用簡單易懂的語言，提供實用的解釋，并在每個提示技術(shù)中提供了示例和提示公式。通過本書，您將學(xué)習(xí)如何使用提示工程技術(shù)來控制ChatGPT的輸出，并生成符合您特定需求的文本。
在整本書中，我們還提供了如何結(jié)合不同的提示技術(shù)以實現(xiàn)更具體結(jié)果的示例。我希望您能像我寫作時一樣，享受閱讀本書并從中獲得知識。
第一章：Prompt 工程技術(shù)簡介
什么是 Prompt 工程？
Prompt 工程是創(chuàng)建提示或指導(dǎo)像 ChatGPT 這樣的語言模型輸出的過程。它允許用戶控制模型的輸出并生成符合其特定需求的文本。
ChatGPT 是一種先進的語言模型，能夠生成類似于人類的文本。它建立在 Transformer 架構(gòu)上，可以處理大量數(shù)據(jù)并生成高質(zhì)量的文本。
然而，為了從 ChatGPT 中獲得最佳結(jié)果，重要的是要了解如何正確地提示模型。 提示可以讓用戶控制模型的輸出并生成相關(guān)、準(zhǔn)確和高質(zhì)量的文本。 在使用 ChatGPT 時，了解它的能力和限制非常重要。
該模型能夠生成類似于人類的文本，但如果沒有適當(dāng)?shù)闹笇?dǎo)，它可能無法始終產(chǎn)生期望的輸出。
這就是 Prompt 工程的作用，通過提供清晰而具體的指令，您可以引導(dǎo)模型的輸出并確保其相關(guān)。
Prompt 公式是提示的特定格式，通常由三個主要元素組成：
任務(wù)：對提示要求模型生成的內(nèi)容進行清晰而簡潔的陳述。
指令：在生成文本時模型應(yīng)遵循的指令。
角色：模型在生成文本時應(yīng)扮演的角色。
在本書中，我們將探討可用于 ChatGPT 的各種 Prompt 工程技術(shù)。我們將討論不同類型的提示，以及如何使用它們實現(xiàn)您想要的特定目標(biāo)。
第二章：指令提示技術(shù)
現(xiàn)在，讓我們開始探索“指令提示技術(shù)”，以及如何使用它從ChatGPT中生成高質(zhì)量的文本。
指令提示技術(shù)是通過為模型提供具體指令來引導(dǎo)ChatGPT的輸出的一種方法。這種技術(shù)對于確保輸出相關(guān)和高質(zhì)量非常有用。
要使用指令提示技術(shù)，您需要為模型提供清晰簡潔的任務(wù)，以及具體的指令以供模型遵循。
例如，如果您正在生成客戶服務(wù)響應(yīng)，您將提供任務(wù)，例如“生成響應(yīng)客戶查詢”的指令，例如“響應(yīng)應(yīng)該專業(yè)且提供準(zhǔn)確的信息”。
提示公式：“按照以下指示生成[任務(wù)]：[指令]”
示例：
生成客戶服務(wù)響應(yīng)：
任務(wù)：生成響應(yīng)客戶查詢
指令：響應(yīng)應(yīng)該專業(yè)且提供準(zhǔn)確的信息
提示公式：“按照以下指示生成專業(yè)且準(zhǔn)確的客戶查詢響應(yīng)：響應(yīng)應(yīng)該專業(yè)且提供準(zhǔn)確的信息?！?/span>
生成法律文件：
任務(wù)：生成法律文件
指令：文件應(yīng)符合相關(guān)法律法規(guī)
提示公式：“按照以下指示生成符合相關(guān)法律法規(guī)的法律文件：文件應(yīng)符合相關(guān)法律法規(guī)。”
使用指令提示技術(shù)時，重要的是要記住指令應(yīng)該清晰具體。這將有助于確保輸出相關(guān)和高質(zhì)量?？梢詫⒅噶钐崾炯夹g(shù)與下一章節(jié)中解釋的“角色提示”和“種子詞提示”相結(jié)合，以增強ChatGPT的輸出。
第三章：角色提示
角色提示技術(shù)是通過為ChatGPT指定一個特定的角色來引導(dǎo)其輸出的一種方式。這種技術(shù)對于生成針對特定上下文或受眾的文本非常有用。
要使用角色提示技術(shù)，您需要為模型提供一個清晰具體的角色。
例如，如果您正在生成客戶服務(wù)回復(fù)，您可以提供一個角色，如“客戶服務(wù)代表”。
提示公式：“作為[角色]生成[任務(wù)]”
示例：
生成客戶服務(wù)回復(fù)：
任務(wù)：生成對客戶查詢的回復(fù)
角色：客戶服務(wù)代表
提示公式：“作為客戶服務(wù)代表，生成對客戶查詢的回復(fù)?！?/span>
生成法律文件：
任務(wù)：生成法律文件
角色：律師
提示公式：“作為律師，生成法律文件?！?/span>
將角色提示技術(shù)與指令提示和種子詞提示結(jié)合使用可以增強ChatGPT的輸出。
下面是一個示例，展示了如何將指令提示、角色提示和種子詞提示技術(shù)結(jié)合使用：
任務(wù)：為新智能手機生成產(chǎn)品描述
指令：描述應(yīng)該是有信息量的，具有說服力，并突出智能手機的獨特功能
角色：市場代表 種子詞：“創(chuàng)新的”
提示公式：“作為市場代表，生成一個有信息量的、有說服力的產(chǎn)品描述，突出新智能手機的創(chuàng)新功能。該智能手機具有以下功能[插入您的功能]”
在這個示例中，指令提示用于確保產(chǎn)品描述具有信息量和說服力。角色提示用于確保描述是從市場代表的角度書寫的。而種子詞提示則用于確保描述側(cè)重于智能手機的創(chuàng)新功能。
第四章：標(biāo)準(zhǔn)提示
標(biāo)準(zhǔn)提示是一種簡單的方法，通過為模型提供一個特定的任務(wù)來引導(dǎo)ChatGPT的輸出。例如，如果您想生成一篇新聞文章的摘要，您可以提供一個任務(wù)，如“總結(jié)這篇新聞文章”。
提示公式：“生成一個[任務(wù)]”
例如：
生成新聞文章的摘要：
任務(wù)：總結(jié)這篇新聞文章
提示公式：“生成這篇新聞文章的摘要”
生成一篇產(chǎn)品評論：
任務(wù)：為一款新智能手機撰寫評論
提示公式：“生成這款新智能手機的評論”
此外，標(biāo)準(zhǔn)提示可以與其他技術(shù)（如角色提示和種子詞提示）結(jié)合使用，以增強ChatGPT的輸出。
以下是如何將標(biāo)準(zhǔn)提示、角色提示和種子詞提示技術(shù)結(jié)合使用的示例：
任務(wù)：為一臺新筆記本電腦撰寫產(chǎn)品評論
說明：評論應(yīng)客觀、信息豐富，強調(diào)筆記本電腦的獨特特點
角色：技術(shù)專家
種子詞：“強大的”
提示公式：“作為一名技術(shù)專家，生成一個客觀而且信息豐富的產(chǎn)品評論，強調(diào)新筆記本電腦的強大特點?！?/span>
在這個示例中，標(biāo)準(zhǔn)提示技術(shù)用于確保模型生成產(chǎn)品評論。角色提示用于確保評論是從技術(shù)專家的角度寫的。而種子詞提示用于確保評論側(cè)重于筆記本電腦的強大特點。
第五章：零、一和少樣本提示
零樣本、一樣本和少樣本提示是用于從ChatGPT生成文本的技術(shù)，最少或沒有任何示例。當(dāng)特定任務(wù)的數(shù)據(jù)有限或任務(wù)是新的且未定義時，這些技術(shù)非常有用。
當(dāng)任務(wù)沒有可用的示例時，使用零樣本提示技術(shù)。模型提供一個通用任務(wù)，根據(jù)對任務(wù)的理解生成文本。
當(dāng)任務(wù)只有一個示例可用時，使用一樣本提示技術(shù)。模型提供示例，并根據(jù)對示例的理解生成文本。
當(dāng)任務(wù)只有有限數(shù)量的示例可用時，使用少樣本提示技術(shù)。模型提供示例，并根據(jù)對示例的理解生成文本。
提示公式：“基于[數(shù)量]個示例生成文本”
例如：
為沒有可用示例的新產(chǎn)品編寫產(chǎn)品描述：
任務(wù)：為新的智能手表編寫產(chǎn)品描述
提示公式：“基于零個示例為這款新智能手表生成產(chǎn)品描述”
使用一個示例生成產(chǎn)品比較：
任務(wù)：將新款智能手機與最新的iPhone進行比較
提示公式：“使用一個示例（最新的iPhone）為這款新智能手機生成產(chǎn)品比較”
使用少量示例生成產(chǎn)品評論：
任務(wù)：為新的電子閱讀器撰寫評論
提示公式：“使用少量示例（3個其他電子閱讀器）為這款新電子閱讀器生成評論”
這些技術(shù)可用于根據(jù)模型對任務(wù)或提供的示例的理解生成文本。
第六章：“讓我們思考一下”提示
“讓我們思考一下”提示是一種技巧，可鼓勵ChatGPT生成反思和思考性的文本。這種技術(shù)適用于撰寫論文、詩歌或創(chuàng)意寫作等任務(wù)。
“讓我們思考一下”提示的公式非常簡單，即“讓我們思考一下”后跟一個主題或問題。
例如：
生成一篇反思性論文：
任務(wù)：就個人成長主題寫一篇反思性論文
提示公式：“讓我們思考一下：個人成長”
生成一首詩：
任務(wù)：寫一首關(guān)于季節(jié)變化的詩
提示公式：“讓我們思考一下：季節(jié)變化”
這個提示要求對特定主題或想法展開對話或討論。發(fā)言者邀請ChatGPT參與討論相關(guān)主題。
模型提供了一個提示，作為對話或文本生成的起點。
然后，模型使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)。這種技術(shù)允許ChatGPT根據(jù)提供的提示生成上下文適當(dāng)且連貫的文本。
要使用“讓我們思考一下提示”技術(shù)與ChatGPT，您可以遵循以下步驟：
確定您要討論的主題或想法。
制定一個明確表達(dá)主題或想法的提示，并開始對話或文本生成。
用“讓我們思考”或“讓我們討論”開頭的提示，表明您正在啟動對話或討論。
以下是使用此技術(shù)的一些提示示例：
提示：“讓我們思考?xì)夂蜃兓瘜r(nóng)業(yè)的影響”
提示：“讓我們討論人工智能的當(dāng)前狀態(tài)”
提示：“讓我們談?wù)勥h(yuǎn)程工作的好處和缺點” 您還可以添加開放式問題、陳述或一段您希望模型繼續(xù)或擴展的文本。
提供提示后，模型將使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)，并以連貫的方式繼續(xù)對話。
這種獨特的提示有助于ChatGPT以不同的視角和角度給出答案，從而產(chǎn)生更具動態(tài)性和信息性的段落。
使用提示的步驟簡單易行，可以真正提高您的寫作水平。嘗試一下，看看效果如何吧。
第七章：自洽提示
自洽提示是一種技術(shù)，用于確保ChatGPT的輸出與提供的輸入一致。這種技術(shù)對于事實核查、數(shù)據(jù)驗證或文本生成中的一致性檢查等任務(wù)非常有用。
自洽提示的提示公式是輸入文本后跟著指令“請確保以下文本是自洽的”。
或者，可以提示模型生成與提供的輸入一致的文本。
提示示例及其公式：
示例1：文本生成
任務(wù)：生成產(chǎn)品評論
指令：評論應(yīng)與輸入中提供的產(chǎn)品信息一致
提示公式：“生成與以下產(chǎn)品信息一致的產(chǎn)品評論[插入產(chǎn)品信息]”
示例2：文本摘要
任務(wù)：概括一篇新聞文章
指令：摘要應(yīng)與文章中提供的信息一致
提示公式：“用與提供的信息一致的方式概括以下新聞文章[插入新聞文章]”
示例3：文本完成
任務(wù)：完成一個句子
指令：完成應(yīng)與輸入中提供的上下文一致
提示公式：“以與提供的上下文一致的方式完成以下句子[插入句子]”
示例4：
事實核查：
任務(wù)：檢查給定新聞文章的一致性
輸入文本：“文章中陳述該城市的人口為500萬，但后來又說該城市的人口為700萬?！?
提示公式：“請確保以下文本是自洽的：文章中陳述該城市的人口為500萬，但后來又說該城市的人口為700萬?！?/span>
數(shù)據(jù)驗證：
任務(wù)：檢查給定數(shù)據(jù)集的一致性
輸入文本：“數(shù)據(jù)顯示7月份的平均溫度為30度，但最低溫度記錄為20度。”
提示公式：“請確保以下文本是自洽的：數(shù)據(jù)顯示7月份的平均溫度為30度，但最低溫度記錄為20度?！?/span>
第八章：種子詞提示
種子詞提示是一種通過提供特定的種子詞或短語來控制ChatGPT輸出的技術(shù)。
種子詞提示的提示公式是種子詞或短語，后跟指令“請根據(jù)以下種子詞生成文本”。
示例：
文本生成：
任務(wù)：編寫一篇有關(guān)龍的故事
種子詞：“龍”
提示公式：“請根據(jù)以下種子詞生成文本：龍”
語言翻譯：
任務(wù)：將一句話從英語翻譯成西班牙語
種子詞：“你好”
提示公式：“請根據(jù)以下種子詞生成文本：你好”
這種技術(shù)允許模型生成與種子詞相關(guān)的文本并對其進行擴展。這是一種控制模型生成文本與某個特定主題或背景相關(guān)的方式。
種子詞提示可以與角色提示和指令提示相結(jié)合，以創(chuàng)建更具體和有針對性的生成文本。通過提供種子詞或短語，模型可以生成與該種子詞或短語相關(guān)的文本，并通過提供有關(guān)期望輸出和角色的信息，模型可以以特定于角色或指令的風(fēng)格或語氣生成文本。這樣可以更好地控制生成的文本，并可用于各種應(yīng)用程序。
以下是提示示例及其公式：
示例1：文本生成
任務(wù)：編寫一首詩
指令：詩應(yīng)與種子詞“愛”相關(guān)，并以十四行詩的形式書寫。
角色：詩人
提示公式：“作為詩人，根據(jù)以下種子詞生成與“愛”相關(guān)的十四行詩：”
示例2：文本完成
任務(wù)：完成一句話
指令：完成應(yīng)與種子詞“科學(xué)”相關(guān)，并以研究論文的形式書寫。
角色：研究員
提示公式：“作為研究員，請在與種子詞“科學(xué)”相關(guān)且以研究論文的形式書寫的情況下完成以下句子：[插入句子]”
示例3：文本摘要
任務(wù)：摘要一篇新聞文章
指令：摘要應(yīng)與種子詞“政治”相關(guān)，并以中立和公正的語氣書寫。
角色：記者
提示公式：“作為記者，請以中立和公正的語氣摘要以下新聞文章，與種子詞“政治”相關(guān)：[插入新聞文章]”
第九章：知識生成提示
知識生成提示是一種從ChatGPT中引出新的、原創(chuàng)的信息的技術(shù)。
知識生成提示的公式是“請生成關(guān)于X的新的和原創(chuàng)的信息”，其中X是感興趣的主題。
這是一種利用模型預(yù)先存在的知識來生成新的信息或回答問題的技術(shù)。
要將此提示與ChatGPT一起使用，需要將問題或主題作為輸入提供給模型，以及指定所生成文本的任務(wù)或目標(biāo)的提示。
提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
以下是提示示例及其公式：
示例1：知識生成
任務(wù)：生成有關(guān)特定主題的新信息
說明：生成的信息應(yīng)準(zhǔn)確且與主題相關(guān)
提示公式：“生成有關(guān)[特定主題]的新的準(zhǔn)確信息”
示例2：問答
任務(wù)：回答問題
說明：答案應(yīng)準(zhǔn)確且與問題相關(guān)
提示公式：“回答以下問題：[插入問題]”
示例3：知識整合
任務(wù)：將新信息與現(xiàn)有知識整合
說明：整合應(yīng)準(zhǔn)確且與主題相關(guān)
提示公式：“將以下信息與有關(guān)[特定主題]的現(xiàn)有知識整合：[插入新信息]”
示例4：數(shù)據(jù)分析
任務(wù)：從給定的數(shù)據(jù)集中生成有關(guān)客戶行為的見解
提示公式：“請從這個數(shù)據(jù)集中生成有關(guān)客戶行為的新的和原創(chuàng)的信息”
第十章：知識整合提示
這種技術(shù)利用模型的現(xiàn)有知識來整合新信息或連接不同的信息片段。
這種技術(shù)對于將現(xiàn)有知識與新信息相結(jié)合，以生成更全面的特定主題的理解非常有用。
如何與ChatGPT一起使用：
模型應(yīng)該提供新信息和現(xiàn)有知識作為輸入，以及指定生成文本的任務(wù)或目標(biāo)的提示。
提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
提示示例及其公式：
示例1：知識整合
任務(wù)：將新信息與現(xiàn)有知識整合
說明：整合應(yīng)準(zhǔn)確且與主題相關(guān)
提示公式：“將以下信息與關(guān)于[具體主題]的現(xiàn)有知識整合：[插入新信息]”
示例2：連接信息片段
任務(wù)：連接不同的信息片段
說明：連接應(yīng)相關(guān)且邏輯清晰
提示公式：“以相關(guān)且邏輯清晰的方式連接以下信息片段：[插入信息1] [插入信息2]”
示例3：更新現(xiàn)有知識
任務(wù)：使用新信息更新現(xiàn)有知識
說明：更新的信息應(yīng)準(zhǔn)確且相關(guān)
提示公式：“使用以下信息更新[具體主題]的現(xiàn)有知識：[插入新信息]”
第十一章：多項選擇提示
這種技術(shù)向模型提供一個問題或任務(wù)以及一組預(yù)定義的選項作為潛在答案。
該技術(shù)對于生成僅限于特定選項集的文本非常有用，可用于問答、文本完成和其他任務(wù)。模型可以生成僅限于預(yù)定義選項的文本。
要使用ChatGPT的多項選擇提示，需要向模型提供一個問題或任務(wù)作為輸入，以及一組預(yù)定義的選項作為潛在答案。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定要求或限制。
提示示例及其公式：
示例1：問答
任務(wù)：回答一個多項選擇題
說明：答案應(yīng)該是預(yù)定義的選項之一
提示公式：“通過選擇以下選項之一回答以下問題：[插入問題] [插入選項1] [插入選項2] [插入選項3]”
示例2：文本完成
任務(wù)：使用預(yù)定義選項之一完成句子
說明：完成應(yīng)該是預(yù)定義的選項之一
提示公式：“通過選擇以下選項之一完成以下句子：[插入句子] [插入選項1] [插入選項2] [插入選項3]”
示例3：情感分析
任務(wù)：將文本分類為積極、中立或消極
說明：分類應(yīng)該是預(yù)定義的選項之一
提示公式：“通過選擇以下選項之一，將以下文本分類為積極、中立或消極：[插入文本] [積極] [中立] [消極]”
第十二章：可解釋的軟提示
可解釋的軟提示是一種技術(shù)，可以在提供一定的靈活性的同時控制模型生成的文本。它通過提供一組受控輸入和關(guān)于所需輸出的附加信息來實現(xiàn)。這種技術(shù)可以生成更具解釋性和可控性的生成文本。
提示示例及其公式：
示例1：文本生成
任務(wù)：生成一個故事
指令：故事應(yīng)基于一組給定的角色和特定的主題
提示公式：“基于以下角色生成故事：[插入角色]和主題：[插入主題]”
示例2：文本完成
任務(wù)：完成一句話
指令：完成應(yīng)以特定作者的風(fēng)格為基礎(chǔ)
提示公式：“以[特定作者]的風(fēng)格完成以下句子：[插入句子]”
示例3：語言建模
任務(wù)：以特定風(fēng)格生成文本
指令：文本應(yīng)以特定時期的風(fēng)格為基礎(chǔ)
提示公式：“以[特定時期]的風(fēng)格生成文本：[插入上下文]”
第十三章：控制生成提示
控制生成提示是一種技術(shù)，可讓模型在生成文本時對輸出進行高度控制。
這可以通過提供一組特定的輸入來實現(xiàn)，例如模板、特定詞匯或一組約束條件，這些輸入可用于指導(dǎo)生成過程。
以下是一些示例和它們的公式：
示例1：文本生成
任務(wù)：生成一個故事
說明：該故事應(yīng)基于特定的模板
提示公式：“根據(jù)以下模板生成故事：[插入模板]”
示例2：文本補全
任務(wù)：完成一句話
說明：完成應(yīng)使用特定的詞匯
提示公式：“使用以下詞匯完成以下句子：[插入詞匯]：[插入句子]”
示例3：語言建模
任務(wù)：以特定風(fēng)格生成文本
說明：文本應(yīng)遵循一組特定的語法規(guī)則
提示公式：“生成遵循以下語法規(guī)則的文本：[插入規(guī)則]：[插入上下文]”
通過提供一組特定的輸入來指導(dǎo)生成過程，控制生成提示使得生成的文本更具可控性和可預(yù)測性。
第十四章：問答提示
問答提示是一種技術(shù)，可以讓模型生成回答特定問題或任務(wù)的文本。通過將問題或任務(wù)與可能與問題或任務(wù)相關(guān)的任何其他信息一起作為輸入提供給模型來實現(xiàn)此目的。
一些提示示例及其公式如下：
示例1：事實問題回答
任務(wù)：回答一個事實性問題
說明：答案應(yīng)準(zhǔn)確且相關(guān)
提示公式：“回答以下事實問題：[插入問題]”
示例2：定義
任務(wù)：提供一個詞的定義
說明：定義應(yīng)準(zhǔn)確
提示公式：“定義以下詞匯：[插入單詞]”
示例3：信息檢索
任務(wù)：從特定來源檢索信息
說明：檢索到的信息應(yīng)相關(guān)
提示公式：“從以下來源檢索有關(guān)[特定主題]的信息：[插入來源]” 這對于問答和信息檢索等任務(wù)非常有用。
第十五章：概述提示
概述提示是一種技術(shù)，允許模型在保留其主要思想和信息的同時生成給定文本的較短版本。
這可以通過將較長的文本作為輸入提供給模型并要求其生成該文本的摘要來實現(xiàn)。
這種技術(shù)對于文本概述和信息壓縮等任務(wù)非常有用。
如何在ChatGPT中使用：
應(yīng)該向模型提供較長的文本作為輸入，并要求其生成該文本的摘要。
提示還應(yīng)包括有關(guān)所需輸出的信息，例如摘要的所需長度和任何特定要求或限制。
提示示例及其公式：
示例1：文章概述
任務(wù)：概述新聞文章
說明：摘要應(yīng)是文章主要觀點的簡要概述
提示公式：“用一句簡短的話概括以下新聞文章：[插入文章]”
示例2：會議記錄
任務(wù)：概括會議記錄
說明：摘要應(yīng)突出會議的主要決策和行動
提示公式：“通過列出主要決策和行動來總結(jié)以下會議記錄：[插入記錄]”
示例3：書籍摘要
任務(wù)：總結(jié)一本書
說明：摘要應(yīng)是書的主要觀點的簡要概述
提示公式：“用一段簡短的段落總結(jié)以下書籍：[插入書名]”
第十六章：對話提示
對話提示是一種技術(shù)，允許模型生成模擬兩個或更多實體之間對話的文本。通過為模型提供一個上下文和一組角色或?qū)嶓w，以及它們的角色和背景，并要求模型在它們之間生成對話。
因此，應(yīng)為模型提供上下文和一組角色或?qū)嶓w，以及它們的角色和背景。還應(yīng)向模型提供有關(guān)所需輸出的信息，例如對話或交談的類型以及任何特定的要求或限制。
提示示例及其公式：
示例1：對話生成
任務(wù)：生成兩個角色之間的對話
說明：對話應(yīng)自然且與給定上下文相關(guān)
提示公式：“在以下情境中生成以下角色之間的對話[插入角色]”
示例2：故事寫作
任務(wù)：在故事中生成對話
說明：對話應(yīng)與故事的角色和事件一致
提示公式：“在以下故事中生成以下角色之間的對話[插入故事]”
示例3：聊天機器人開發(fā)
任務(wù)：為客服聊天機器人生成對話
說明：對話應(yīng)專業(yè)且提供準(zhǔn)確的信息
提示公式：“在客戶詢問[插入主題]時，為客服聊天機器人生成專業(yè)和準(zhǔn)確的對話”
因此，這種技術(shù)對于對話生成、故事寫作和聊天機器人開發(fā)等任務(wù)非常有用。
第十七章：對抗性提示
對抗性提示是一種技術(shù)，它允許模型生成抵抗某些類型的攻擊或偏見的文本。這種技術(shù)可用于訓(xùn)練更為穩(wěn)健和抵抗某些類型攻擊或偏見的模型。
要在ChatGPT中使用對抗性提示，需要為模型提供一個提示，該提示旨在使模型難以生成符合期望輸出的文本。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型和任何特定要求或約束。
提示示例及其公式：
示例1：用于文本分類的對抗性提示
任務(wù)：生成被分類為特定標(biāo)簽的文本
說明：生成的文本應(yīng)難以分類為特定標(biāo)簽
提示公式：“生成難以分類為[插入標(biāo)簽]的文本”
示例2：用于情感分析的對抗性提示
任務(wù)：生成難以分類為特定情感的文本
說明：生成的文本應(yīng)難以分類為特定情感
提示公式：“生成難以分類為具有[插入情感]情感的文本”
示例3：用于語言翻譯的對抗性提示
任務(wù)：生成難以翻譯的文本
說明：生成的文本應(yīng)難以翻譯為目標(biāo)語言
提示公式：“生成難以翻譯為[插入目標(biāo)語言]的文本”
第十八章：聚類提示
聚類提示是一種技術(shù)，它可以讓模型根據(jù)某些特征或特點將相似的數(shù)據(jù)點分組在一起。
通過提供一組數(shù)據(jù)點并要求模型根據(jù)某些特征或特點將它們分組成簇，可以實現(xiàn)這一目標(biāo)。
這種技術(shù)在數(shù)據(jù)分析、機器學(xué)習(xí)和自然語言處理等任務(wù)中非常有用。
如何在ChatGPT中使用：
應(yīng)該向模型提供一組數(shù)據(jù)點，并要求它根據(jù)某些特征或特點將它們分組成簇。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的簇數(shù)和任何特定的要求或約束。
提示示例及其公式：
示例1：客戶評論的聚類
任務(wù)：將相似的客戶評論分組在一起
說明：應(yīng)根據(jù)情感將評論分組
提示公式：“將以下客戶評論根據(jù)情感分組成簇：[插入評論]”
示例2：新聞文章的聚類
任務(wù)：將相似的新聞文章分組在一起
說明：應(yīng)根據(jù)主題將文章分組
提示公式：“將以下新聞文章根據(jù)主題分組成簇：[插入文章]”
示例3：科學(xué)論文的聚類
任務(wù)：將相似的科學(xué)論文分組在一起
說明：應(yīng)根據(jù)研究領(lǐng)域?qū)⒄撐姆纸M
提示公式：“將以下科學(xué)論文根據(jù)研究領(lǐng)域分組成簇：[插入論文]”
第十九章：強化學(xué)習(xí)提示
強化學(xué)習(xí)提示是一種技術(shù)，可以使模型從過去的行動中學(xué)習(xí)，并隨著時間的推移提高其性能。要在ChatGPT中使用強化學(xué)習(xí)提示，需要為模型提供一組輸入和獎勵，并允許其根據(jù)接收到的獎勵調(diào)整其行為。提示還應(yīng)包括有關(guān)期望輸出的信息，例如要完成的任務(wù)以及任何特定要求或限制。這種技術(shù)對于決策制定、游戲玩法和自然語言生成等任務(wù)非常有用。
提示示例及其公式：
示例1：用于文本生成的強化學(xué)習(xí)
任務(wù)：生成與特定風(fēng)格一致的文本
說明：模型應(yīng)根據(jù)為生成與特定風(fēng)格一致的文本而接收到的獎勵來調(diào)整其行為
提示公式：“使用強化學(xué)習(xí)來生成與以下風(fēng)格一致的文本[插入風(fēng)格]”
示例2：用于語言翻譯的強化學(xué)習(xí)
任務(wù)：將文本從一種語言翻譯成另一種語言
說明：模型應(yīng)根據(jù)為生成準(zhǔn)確翻譯而接收到的獎勵來調(diào)整其行為
提示公式：“使用強化學(xué)習(xí)將以下文本[插入文本]從[插入語言]翻譯成[插入語言]”
示例3：用于問答的強化學(xué)習(xí)
任務(wù)：回答問題
說明：模型應(yīng)根據(jù)為生成準(zhǔn)確答案而接收到的獎勵來調(diào)整其行為
提示公式：“使用強化學(xué)習(xí)來回答以下問題[插入問題]”
第二十章：課程學(xué)習(xí)提示
課程學(xué)習(xí)是一種技術(shù)，允許模型通過先訓(xùn)練簡單任務(wù)，逐漸增加難度來學(xué)習(xí)復(fù)雜任務(wù)。
要在ChatGPT中使用課程學(xué)習(xí)提示，模型應(yīng)該提供一系列任務(wù)，這些任務(wù)逐漸增加難度。
提示還應(yīng)包括有關(guān)期望輸出的信息，例如要完成的最終任務(wù)以及任何特定要求或約束條件。
此技術(shù)對自然語言處理、圖像識別和機器學(xué)習(xí)等任務(wù)非常有用。
提示示例及其公式：
示例1：用于文本生成的課程學(xué)習(xí)
任務(wù)：生成與特定風(fēng)格一致的文本
說明：模型應(yīng)該在移動到更復(fù)雜的風(fēng)格之前先在簡單的風(fēng)格上進行訓(xùn)練。
提示公式：“使用課程學(xué)習(xí)來生成與以下風(fēng)格[插入風(fēng)格]一致的文本，按照以下順序[插入順序]。”
示例2：用于語言翻譯的課程學(xué)習(xí)
任務(wù)：將文本從一種語言翻譯成另一種語言
說明：模型應(yīng)該在移動到更復(fù)雜的語言之前先在簡單的語言上進行訓(xùn)練。
提示公式：“使用課程學(xué)習(xí)將以下語言[插入語言]的文本翻譯成以下順序[插入順序]?！?
示例3：用于問題回答的課程學(xué)習(xí)
任務(wù)：回答問題
說明：模型應(yīng)該在移動到更復(fù)雜的問題之前先在簡單的問題上進行訓(xùn)練。
提示公式：“使用課程學(xué)習(xí)來回答以下問題[插入問題]，按照以下順序[插入順序]生成答案?！?/span>
第二十一章：情感分析提示
情感分析是一種技術(shù)，允許模型確定文本的情緒色彩或態(tài)度，例如它是積極的、消極的還是中立的。
要在ChatGPT中使用情感分析提示，模型應(yīng)該提供一段文本并要求根據(jù)其情感分類。
提示還應(yīng)包括關(guān)于所需輸出的信息，例如要檢測的情感類型（例如積極的、消極的、中立的）和任何特定要求或約束條件。
提示示例及其公式：
示例1：客戶評論的情感分析
任務(wù)：確定客戶評論的情感
說明：模型應(yīng)該將評論分類為積極的、消極的或中立的
提示公式：“對以下客戶評論進行情感分析[插入評論]，并將它們分類為積極的、消極的或中立的?！?/span>
示例2：推文的情感分析
任務(wù)：確定推文的情感
說明：模型應(yīng)該將推文分類為積極的、消極的或中立的
提示公式：“對以下推文進行情感分析[插入推文]，并將它們分類為積極的、消極的或中立的。”
示例3：產(chǎn)品評論的情感分析
任務(wù)：確定產(chǎn)品評論的情感
說明：模型應(yīng)該將評論分類為積極的、消極的或中立的
提示公式：“對以下產(chǎn)品評論進行情感分析[插入評論]，并將它們分類為積極的、消極的或中立的?！?/span>
這種技術(shù)對自然語言處理、客戶服務(wù)和市場研究等任務(wù)非常有用。
第二十二章：命名實體識別提示
命名實體識別（NER）是一種技術(shù)，它可以使模型識別和分類文本中的命名實體，例如人名、組織機構(gòu)、地點和日期等。
要在ChatGPT中使用命名實體識別提示，需要向模型提供一段文本，并要求它識別和分類文本中的命名實體。
提示還應(yīng)包括有關(guān)所需輸出的信息，例如要識別的命名實體類型（例如人名、組織機構(gòu)、地點、日期）以及任何特定要求或約束條件。
提示示例及其公式：
示例1：新聞文章中的命名實體識別
任務(wù)：在新聞文章中識別和分類命名實體
說明：模型應(yīng)識別和分類人名、組織機構(gòu)、地點和日期
提示公式：“在以下新聞文章[插入文章]上執(zhí)行命名實體識別，并識別和分類人名、組織機構(gòu)、地點和日期?！?/span>
示例2：法律文件中的命名實體識別
任務(wù)：在法律文件中識別和分類命名實體
說明：模型應(yīng)識別和分類人名、組織機構(gòu)、地點和日期
提示公式：“在以下法律文件[插入文件]上執(zhí)行命名實體識別，并識別和分類人名、組織機構(gòu)、地點和日期?！?/span>
示例3：研究論文中的命名實體識別
任務(wù)：在研究論文中識別和分類命名實體
說明：模型應(yīng)識別和分類人名、組織機構(gòu)、地點和日期
提示公式：“在以下研究論文[插入論文]上執(zhí)行命名實體識別，并識別和分類人名、組織機構(gòu)、地點和日期?！?/span>
第二十三章：文本分類提示
文本分類是一種技術(shù)，它可以讓模型將文本分成不同的類別。這種技術(shù)對于自然語言處理、文本分析和情感分析等任務(wù)非常有用。
需要注意的是，文本分類和情感分析是不同的。情感分析特別關(guān)注于確定文本中表達(dá)的情感或情緒。這可能包括確定文本表達(dá)了積極、消極還是中性的情感。情感分析通常用于客戶評論、社交媒體帖子和其他需要表達(dá)情感的文本。
要在ChatGPT中使用文本分類提示，模型需要提供一段文本，并要求它根據(jù)預(yù)定義的類別或標(biāo)簽進行分類。提示還應(yīng)包括有關(guān)所需輸出的信息，例如類別或標(biāo)簽的數(shù)量以及任何特定的要求或約束。
提示示例及其公式：
示例1：對客戶評論進行文本分類
任務(wù)：將客戶評論分類為不同的類別，例如電子產(chǎn)品、服裝和家具
說明：模型應(yīng)根據(jù)評論的內(nèi)容對其進行分類
提示公式：“對以下客戶評論 [插入評論] 進行文本分類，并根據(jù)其內(nèi)容將其分類為不同的類別，例如電子產(chǎn)品、服裝和家具?！?/span>
示例2：對新聞文章進行文本分類
任務(wù)：將新聞文章分類為不同的類別，例如體育、政治和娛樂
說明：模型應(yīng)根據(jù)文章的內(nèi)容對其進行分類
提示公式：“對以下新聞文章 [插入文章] 進行文本分類，并根據(jù)其內(nèi)容將其分類為不同的類別，例如體育、政治和娛樂?！?/span>
示例3：對電子郵件進行文本分類
任務(wù)：將電子郵件分類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件
說明：模型應(yīng)根據(jù)電子郵件的內(nèi)容和發(fā)件人對其進行分類
提示公式：“對以下電子郵件 [插入電子郵件] 進行文本分類，并根據(jù)其內(nèi)容和發(fā)件人將其分類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件。”
第二十四章：文本生成提示
文本生成提示與本書中提到的其他提示技術(shù)相關(guān)，例如：零、一、幾次提示，受控生成提示，翻譯提示，語言建模提示，句子補全提示等。這些提示都與生成文本有關(guān)，但它們在生成文本的方式和放置在生成文本上的特定要求或限制方面有所不同。文本生成提示可用于微調(diào)預(yù)訓(xùn)練模型或訓(xùn)練新模型以執(zhí)行特定任務(wù)。
提示示例及其公式：
示例1：故事創(chuàng)作的文本生成
任務(wù)：根據(jù)給定的提示生成故事
說明：故事應(yīng)至少包含1000個單詞，并包括一組特定的角色和情節(jié)。
提示公式：“根據(jù)以下提示[插入提示]生成一個至少包含1000個單詞，包括角色[插入角色]和情節(jié)[插入情節(jié)]的故事?！?/span>
示例2：語言翻譯的文本生成
任務(wù)：將給定的文本翻譯成另一種語言
說明：翻譯應(yīng)準(zhǔn)確并符合習(xí)慣用語。
提示公式：“將以下文本[插入文本]翻譯成[插入目標(biāo)語言]，并確保其準(zhǔn)確且符合習(xí)慣用語。”
示例3：文本完成的文本生成
任務(wù)：完成給定的文本
說明：生成的文本應(yīng)與輸入文本連貫一致。
提示公式：“完成以下文本[插入文本]，并確保其連貫一致且符合輸入文本?！?/span>
結(jié)語
正如本書中所探討的那樣，快速工程是一種利用像ChatGPT這樣的語言模型獲得高質(zhì)量答案的強大工具。通過精心設(shè)計各種技巧的提示，我們可以引導(dǎo)模型生成符合我們特定需求和要求的文本。
在第二章中，我們討論了如何使用指令提示向模型提供清晰明確的指導(dǎo)。在第三章中，我們探討了如何使用角色提示生成特定的語音或風(fēng)格的文本。在第四章中，我們研究了如何使用標(biāo)準(zhǔn)提示作為微調(diào)模型性能的起點。我們還研究了幾種高級提示技術(shù)，例如Zero、One和Few Shot Prompting、Self-Consistency、Seed-word Prompt、Knowledge Generation Prompt、Knowledge Integration prompts、Multiple Choice prompts、Interpretable Soft Prompts、Controlled generation prompts、Question-answering prompts、Summarization prompts、Dialogue prompts、Adversarial prompts、Clustering prompts、Reinforcement learning prompts、Curriculum learning prompts、Sentiment analysis prompts、Named entity recognition prompts和Text classification prompts（對應(yīng)章節(jié)的名字）。
這些技術(shù)中的每一種都可以以不同的方式使用，以實現(xiàn)各種不同的結(jié)果。隨著您繼續(xù)使用ChatGPT和其他語言模型，值得嘗試不同的技巧組合，以找到最適合您特定用例的方法。
最后，您可以查看我寫的其他主題的書籍。
感謝您閱讀整本書。期待在我的其他書中與您見面。
(本文翻譯自《The Art of Asking ChatGPT for High-Quality Answers A Complete Guide to Prompt Engineering Techniques》這本書，本文的翻譯全部由ChatGpt完成，我只是把翻譯內(nèi)容給稍微排版了一下。做完了才發(fā)現(xiàn)這個工作早就有人做過了...下面是我以此事件讓New Bing編寫的一個小故事，希望大家喜歡）
他終于畫完了他的畫，心滿意足地把它掛在了墻上。他覺得這是他一生中最偉大的作品，無人能及。他邀請了所有的朋友來欣賞，期待著他們的贊美和驚嘆。 可是當(dāng)他們看到畫時，卻沒有一個人說話。他們只是互相對視，然后低頭咳嗽，或者假裝看手機。他感到很奇怪，難道他們都不懂藝術(shù)嗎？難道他們都沒有眼光嗎？ 他忍不住問其中一個朋友：“你覺得我的畫怎么樣？” 朋友猶豫了一下，說：“嗯……其實……這個畫……我以前在哪里見過。” “見過？你在哪里見過？”他驚訝地問。 “就在……就在那邊啊?！迸笥阎噶酥笁堑囊粋€小框架，“那不就是你上個月買回來的那幅名畫嗎？你怎么把它照抄了一遍？? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?——New Bing
