了解ChatGPT-深度剖析Prompt

这是我们的第113篇原创文章

平时经常会在社交媒体刷到“超实用的30条 ChatGPT 提示词”“ChatGPT 论文润色 Prompt 大全”等文章，可以看出，想要熟练使用 ChatGPT 帮自己提高效率，了解 Prompt 的使用方式很重要，今天就来通过分析 ChatGPT 的思维模式，深度剖析 Prompt 的重要性以及 Prompt 的设计指南，熟练掌握后，我们自己也可以设定出好用的Prompt。

同样，ChatGPT 并不能猜出人类的想法，如果你不能去准确描述你的需求，那么 ChatGPT 是没办法去准确猜出你的想法然后给你解答的。

同样，ChatGPT是没有办法主动“反思”的，在人类的思维模式里，思考过程中可能存在反思的概念，会在过程里思考这样做对不对，而 ChatGPT 是通过你的问题，不断生成预测下一个单词，最终生成为一个预测最准确的答案，在这个过程里，是无法主动对上面的内容进行反思和调整的。

基于这种思考模式，我们要怎么去运用 ChatGPT 呢？

答案就是 Prompt 的制定，Prompt 的存在，是为了对于 ChatGPT 的思考做出限制和要求，从而让它的回答更准确有价值。

1.写下清晰的指示
a.写下清晰的说明，尽量提供重要信息和上下文流转
b.让模型“角色扮演”
c.使用分隔符清楚的指示输入的不同部分，引号，标题，节标题等
d.指示完成任务所需的步骤（有些任务最好指定为系列步骤，明确地写出这些步骤可以使模型更容易遵循它们）
e.提供例子
f.制定所需输出长度

2.提供参考文字
a.提供与当前查询有关的可信信息，让模型依据我们提供的信息来组成其答案。
b.指引模型通过引用参考文本来回答问题

3.将复杂的任务拆分为更简单的子任务
a.使用意图分类来识别与用户查询最相关的指令
b.对于需要很长时间的对话应用，总结或过滤之前的对话
c.分段总结长文档并递归构建完整总结

4.给模型时间“思考”
a.在模型得出结论之前，先让他验证自己的结论是否正确
b.多次对话，隐藏模型的推理过程，避免无用信息的干扰
c.长问答过程里，询问模型是否在之前的过程里有遗漏

5.使用外部工具
a.使用一些插件等第三方工具活的稳定的结果
b.使用代码执行进行更准确的计算或调用
c.给模型提供特定的功能，通过API请求的方式，传递一系列特定的描述

6.系统的测试变更
a.主要帮助开发者判断更改Promot是否使系统更好或更差

Prompt engineering的内容里，普通用户可以主要了解前四条，方便我们基于自己需求去设定 Prompt，后两条更多是提供给开发者参考，在官网中，官方还提供了一些案例方便大家理解，可以前往阅读查看。

官网链接：https://platform.openai.com/docs/guides/prompt-engineering

任务背景
关于你正在编写材料的特定情境或环境的描述。
例如，这可能是一个技术研讨会，或者是一次工作总结等

任务目标
这是关于你希望GPT输出的具体材料的描述。
例如，这可能是一份产品介绍，一份调研报告等

特殊限制
有哪些特殊限制，例如：时间 / 字数 / 格式 / 行业限制...
我们思考方式里，想需求的时候，也许脑海里最初只是“蹦哒”出一句话，但实际上，我们在脑海里是有一定的限定情况的，Prompt的拆分逻辑，就是为了辅助我们找到针对这个诉求的其他影响点，输出给 ChatGPT，让它帮我们寻找答案。
通过这种方式，我们可以很好的去拆解我们的需求，以下举两个案例作为参考

案例一：想要开一家咖啡馆
咖啡馆的选址，可能被预算，风格，受众，环境等多个元素综合影响，这种时候就要筛选出对自己来说选址时需要面对的问题，总结成 Prompt。

参考如下：

参考如下：

但是要注意，本文的案例只是为了让大家能更快速的理解 Prompt 的拆分，所以只是进行了单一的问答，实际的运用情况中，越复杂的需求，越需要进行多次拆分和询问，将需求不断分解为更细颗粒度的内容，切不可想要“一口吃个胖子”，在拆分问题询问 ChatGPT 的过程里，也是对自己逻辑的一种整理，可以帮助我们更好的理解需要做的事情和努力的方向。

大家可以尝试在与 ChatGPT 的对话中，不断进行调整和优化，相信会使用的越来越熟练。