你一定要知道的ChatGPT4个提示使用方法让你的提问回答得更准确

我们大多数人在使用 ChatGPT 时都犯了错误。

• 我们没有在提示中包含示例。

• 我们忽略了我们可以通过角色来控制 ChatGPT 的行为。

• 我们让 ChatGPT 猜测一些信息，而不是提供它一些信息。

这是因为我们大多时候使用的是一些标准提示，这些提示可能帮助我们一次完成工作，但并不总是有效。比如有时候答非所问，或者是跑题千里。

我们需要学习如何创建高质量的提示以获得更好的结果。这就要求我们学习提示工程！在本指南中，将学习提示工程中使用的 4 种技巧，这些技巧可以让 GPT 能够回答得更加精准。

1. Few Shot 标准提示，为提示添加例子

Few Shot 标准提示是我们之前见过的标准提示再加上举例，但其中包含任务的举例。

例子可以让我们的提问更加有相对性，ChatGPT 可以根据例子来生成回答。

Few Shot 标准提示包括 任务描述、示例和提示。在这种情况下，提示的开头是任务描述，接下来是示例，最后才是具体的提示。

以下是一个标准提示 Few Shot 的组成部分。

现在让我们创建一个提示。假设我们想从文本“我要从奥兰多飞往波士顿”中提取机场代码。

这是大多数人会使用的标准提示：

从文本“我要从奥兰多飞往波士顿”中提取机场代码。

这可能可以完成工作，但有时可能回答得不够准确。在这种情况下，必须使用 Few Shot 标准提示。

从文本“我要从洛杉矶飞往迈阿密”中提取机场代码：

机场代码：LAX，MIA

从文本“我要从纳什维尔飞往堪萨斯城”中提取机场代码：

机场代码：BNA，MCI

从文本“我要从奥兰多飞往波士顿”中提取机场代码：

机场代码：

如果我们在 ChatGPT 上尝试这个提示，GPT 将会按照 例子中指定的格式（MCO、BOS）获得机场代码。

请记住，研究发现，实例中的是否是真实的答案并不重要，但存在实例的标签空间很重要。标签空间是给定任务的所有可能标签（比如 机场代码：BNA，MCI）。你甚至可以通过提供来自标签空间的随机标签来改进提示的结果。

如果您在 ChatGPT 上尝试随机更改 机场代码标签，您仍将获得正确的机场代码 MCO 和 BOS。

无论您的实例答案是否正确，比如只是包括来自标签空间的随机标签。都将有助于改进结果，并指导模型如何格式化提示的答案。

注意：如果读者在输入提示不能正确出现结果，可以在开头加入“Airport codes = 机场代码，我需要知道机场代码。”这样的提示。

2. 角色提示

有时，ChatGPT 的默认行为无法满足您的需求。这时您需要为 ChatGPT 设置一个角色。

比如您想为面试做准备。通过告诉 ChatGPT“扮 演招聘经理”的角色，并在提示中添加更多细节，您将能够为任何职位模拟面试。

角色扮演

正如您所见，ChatGPT 表现得像他在为我面试工作职位。

同样，您可以将 ChatGPT 编程语言导师，以练习像西班牙语这样的外语，或变成电影评论家来分析您想观看的任何电影。在本文中，我将深入探讨如何将 ChatGPT 变成您的语言导师或语言伙伴。

您只需要以“扮演…”开头，然后添加尽可能多的细节即可将 ChatGPT 转变成所需的角色。

3. 为您的提示添加个性并生成知识

这两种提示方法在生成电子邮件、博客、故事、文章等文本方面非常有效。

首先，通过“为我们的提示添加个性 ”是指添加风格和描述。添加风格可以帮助我们的文本 获得特定的语气、形式、作者领域等特点，从而更具个性化。

以拥有 10 年以上经验的 [领域] 专家的风格撰写[主题]。

为了更进一步地自定义输出，我们可以添加描述词。描述词是您可以添加以微调提示的形容词。

比如，如果您想要写一篇 500 字博客文章，探讨人工智能将如何取代人类。如果您使用标准提示词“写一篇 500 字的博客文章，探讨人工智能将如何取代人类”，那么您可能会得到一个非常普通的博客文章。

但是，如果您添加一些形容词，例如鼓舞人心的、讽刺的、有趣的等，输出结果将会显著改变。

让我们为我们之前的提示添加一些描述词。

以拥有 10 年以上人工智能领域经验的专家风格，机智地撰写一篇 500 字的博客文章，论述为什么人工智能不会取代人类。请使用幽默的例子进行解释。

在我们的例子中，拥有人工智能专家风格和添加机智和有趣等形容词，为 ChatGPT 生成的文本增添了不同的风格。这样做的一个副作用是，我们的文本将很难被 AI 检测器检测到（在本文中，我展示了欺骗 AI 检测器的其他方法）。

最后，我们可以使用生成的知识方法来改进博客文章。这包括在生成最终响应之前，先生成有关主题的潜在有用信息。

例如，在使用上一个提示生成帖子之前，我们可以先生成知识，然后再撰写帖子。

生成关于“人工智能不会取代人类”的 5 个事实。

一旦我们有了这 5 个事实，就可以将这些信息提供给其他提示，以撰写更好的文章。

# 事实 1

# 事实 2

# 事实 3

# 事实 4

# 事实 5

使用上述事实，以拥有 10 年以上人工智能领域经验的专家风格，机智地撰写一篇 500 字的博客文章，论述为什么人工智能不会取代人类。请使用幽默的例子进行解释。

4. 链式思维提示

与标准提示不同的是，在链式思维提示中，模型会在给出最终问题答案之前生成中间推理步骤。换句话说，模型将解释其推理过程，而不是直接给出问题答案。

为什么推理很重要？推理的解释通常会导致更准确的结果。

要使用链式思维提示，我们必须提供少量示例，其中推理过程在同一实例中得到解释。这样，在回答提示时也会显示推理过程。

下面是标准提示和链式思维提示之间的比较。

没有链式思维的问答：

Q: Roger 有 5 个网球。他买了 2 罐网球。每罐网球有 3 个。他现在有多少个网球？

A: 答案是 11。

Q: 食堂有 23 个苹果。如果他们用了 20 个来做午餐，并再买了 6 个，他们现在有多少个苹果？

A: 现在他们有 9 个苹果。（这一行是 ChatGPT 回答）

带链式思维的问答（将上面提示的第一个 A 更改为如下的语句，然后 ChatGPT 会生成链式思维答案）：

A：食堂一开始有 23 个苹果。用了 20 个后还剩 3 个。加上购买的 6 个，他们现在有

正如我们所看到的，通过诱导模型解释其推理过程以解决这个数学问题，链式思维提示导致了更准确的结果。

需要注意的是，在算术、常识和符号推理任务中，链式思维提示对提高结果有效。