你一直以來都用錯了ChatGPT！掌握這3大提示技巧，讓你秒變GPT達人！_NAI

為什么提示工程如此重要？

提示工程的目標是通過提供清晰、簡潔且結構良好的輸入來提高語言模型的性能，這些輸入需要針對模型所用于的特定任務或應用進行定制。可以將提示工程比喻成與人交流時使用清晰明了的語言，讓對方更容易理解你的意圖，從而做出更滿意的回應。

那么接下來，我們將依次介紹OpenAI提供的提示工程最佳實踐，FushionAI的自動生成功能，以及讓GPT進行自我反思。我們還會提供一個額外的實用小技巧，請多留心！

OpenAI的官方最佳提示技巧

1.使用最新的模型

為了獲得最佳效果，我們建議使用最新、性能最強大的模型。截至2022年11月，文本生成方面的最佳選擇是“text-davinci-003”模型，代碼生成方面的最佳選擇是“code-davinci-002”模型。能使用GPT-4當然會比ChatGPT要更好。

2.將指令放在提示的開頭，并用###或"""將指令與文本分開

效果不佳?：

將下面的文本摘要成一個關鍵要點的項目列表。

{輸入文本}

更好的選擇?：

將下面的文本摘要成一個關鍵要點的項目列表。

波場TRON生態RWA產品stUSDT質押總量已超過3億USDT:據官方消息，官網數據顯示，stUSDT質押總量已超過3億USDT。stUSDT是波場TRON生態中首個RWA（真實世界資產）賽道產品，于7月3日正式上線，現已通過去中心化平臺JustLend運行。stUSDT平臺致力于通過智能合約在個人與機構投資者、加密世界與現實世界之間架設橋梁，提供面向所有人的更公平的RWA投資渠道。[2023/7/18 11:02:41]

文本：

"""{輸入文本}"""

3.對所需的上下文、結果、長度、格式、風格等盡可能具體、詳細和描述性

效果不佳?：

寫一首關于OpenAI的詩。

更好的選擇?：

寫一首關于OpenAI的短篇勵志詩，重點描述DALL-E產品發布，風格仿照{著名詩人}。

4.通過示例明確所需輸出格式

效果不佳?：

從下面的文本中提取實體。提取以下4種實體類型：公司名稱、人名、特定主題和主題。

文本：{文本}

更好的選擇?：

從下面的文本中提取重要實體。首先提取所有公司名稱，然后提取所有人名，然后提取與內容相關的特定主題，最后提取總體主題。

王慧文宣布進軍人工智能，稱將打造中國的 OpenAI:金色財經報道，2月13日，原美團聯合創始人王慧文在社交平臺發文宣布進軍人工智能領域，稱將打造中國的OpenAI。其發文中透露，將成立北京光年之外科技有限公司，王慧文出資5000萬美元，估值2億美元，并表示，他個人不占股份，資金占股25%，75%的股份用于邀請頂級研發人才，下輪融資已有頂級VC認購2.3億美元。

兩天前，王慧文在其微信朋友圈發文稱，“自己將入局人工智能賽道，同時表示個人還將拿出5000萬美元（約合人民幣3.4億元）‘帶資入組’，不介意薪資和崗位”。（鳳凰網科技）[2023/2/13 12:03:37]

期望格式：

公司名稱：<逗號分隔的公司名稱列表>?

人名：-||-?

特定主題：-||-?

總體主題：-||-

文本：{文本}

5.從零次學習開始，然后進行少次學習，如果這些方法都不起作用，那么進行微調

?零次學習

從下面的文本中提取關鍵詞。

文本：{文本}

關鍵詞：

?少次學習-提供幾個示例

從下面的文本中提取關鍵詞。

央行數研所聯手清華大學推出DASHING協議，解決區塊鏈共識算法四方難題:金色財經消息，近日，中國人民銀行數字貨幣研究所聯合清華大學在2022中國（北京）數字金融論壇上公開發布了可解決共識算法四方難題的DASHING協議。

一直以來，傳統共識算法無法解決金融科技場景下高安全、高延展、高吞吐和低延遲同時滿足的四方難題，共識算法創新成為推動聯盟鏈在金融科技應用的關鍵。

中國人民銀行數字貨幣研究所和清華大學王小云院士團隊共同創新攻關，在可證明安全條件下創新出區塊鏈f+1投票理論，研發出具有國際領先水平的DASHING協議。該協議是聯盟鏈中一種全新的可變門限鏈狀共識協議，兼顧安全性和效率，填補了符合金融場景“三高一低”的共識協議空白，在實際測試的不同場景中，比現有國際主流區塊鏈共識算法性能最多提升15倍以上。在落地應用中，DASHING協議既能作為單獨模塊樂高式替換現有聯盟鏈中共識算法，又能助力構建多方協同安全高效的新型金融基礎設施。（金融界）[2022/9/10 13:21:46]

文本1：Stripe為Web開發人員提供了API，以便他們將支付處理集成到自己的網站和移動應用程序中。

關鍵詞1：Stripe，支付處理，API，Web開發人員，網站，移動應用程序

文本2：OpenAI已經訓練出了處理和生成文本方面非常優秀的語言模型。我們的API可以讓您使用這些模型，解決幾乎任何涉及處理語言的任務。

ETH礦工收入達到1個月高點:金色財經報道，Glassnode數據顯示，ETH礦工收入剛剛達到1,891,688.09美元的1個月高點，2022年7月20日之前觀察到的1個月高點為1,621,802.88美元。[2022/8/11 12:17:09]

關鍵詞2：OpenAI，語言模型，文本處理，API。

文本3：{文本}?

關鍵詞3：

?微調：請參閱參考文獻里的微調最佳實踐指南。

6.減少模糊和不精確的描述

效果不佳?：

這個產品的描述應該比較簡短，只有幾句話，不要太多。

更好的選擇?：

用3至5句話的段落來描述這個產品。

7.不僅要說不做什么，更應該說做什么

效果不佳?：

以下是代理和客戶之間的對話。不要詢問用戶名或密碼。不要重復。

客戶：我無法登錄我的賬戶。代理：

更好的選擇?：

以下是代理和客戶之間的對話。代理將嘗試診斷問題并提出解決方案，同時避免詢問任何與個人身份信息有關的問題。不要詢問用戶名或密碼，而是引導用戶查閱幫助文章www.samplewebsite.com/help/faq

MachineFi Lab完成5000萬美元A輪融資，Hashkey Capital等參投:金色財經報道，物聯網區塊鏈平臺 IoTeX 核心開發商MachineFi Lab 宣布完成 5000 萬美元 A 輪融資，Hashkey Capital、IOSG、Escape Velocity、Jump Crypto、Goodwater Capital、Xoogler Ventures、Wemade、Hanwha Impact、Alpha Grep、DHVC、Vista Lab、NewBuild VC 等參投，據該公司聯合創始人 Jung Sun 透露，本輪融資將有助于顯著擴大 MachineFi Lab 團隊。據此前相關報道，MachineFi Lab 在 6 月初以 1 億美元估值完成 1000 萬美元種子輪融資，由 Samsung Next、Draper Dragon Fund 以及 Jump Capital 共同領投。（indiatimes）[2022/6/20 4:40:45]

客戶：我無法登錄我的賬戶。代理：

8.代碼生成-使用“引導詞”引導模型生成特定模式

效果不佳?：

編寫一個簡單的Python函數

1.詢問我一個以英里為單位的數字

2.將英里換算成公里

在下面的代碼示例中，添加“import”提示模型應該以Python語言開始編寫。

更好的選擇?：

編寫一個簡單的Python函數

1.詢問我一個以英里為單位的數字

2.將英里換算成公里

import

FusionAI,自動生成更好的提示

FusionAI是一個可以自動生成更適合GPT提示并生成相應文章的AI軟件，我會建議新手期時將它當作學習提示工程的教程來使用。

例如，當我給出提示：“Iwanttohaveablogofpromptengineering“FusionAI會修改此提示為

可以看出來這樣生成出來的提示對照了前文提到的第3和第6條技巧，規定了輸入長度，要求變得更精確了，讓AI聚焦于提示工程的好處和挑戰，并且舉出相應例子。

讓我們用中文輸入挑戰一下FusionAI。給出提示：“給我一篇關于提示工程的博客”。FusionAI修改提示為：

可以看出來這個提示是有嚴重偏差的，詞不達意，無法使用。這其實給我們提了個醒，語言和指令在轉譯的時候是會有信息損失的，轉譯的次數越多信息差就越大，直到不可辨別。因此我們要盡量接觸和使用一手信息，在AI上也適用。

我們不建議使用各種模版或者類似FusionAI的工具來生成內容，因為噪音太大。當然，在你還不了解提示工程的時候可以參考它們來學習，這是可以的。

GPT，你得學會自我反思

在EricJang的一篇最新的博客《CanLLMsCritiqueandIterateonTheirOwnOutputs?》里，他提到LLM可以在沒有任何基礎反饋的情況下自我糾正，并嘗試將這樣的自我反思作為一種提示工程的技巧。

你可以把這種情況想象成某人向你發送了一條短信，然后迅速“取消發送”，再發送一條新的短信。

讓我們舉個例子，當我們讓GPT-4寫出一首不押韻的詩：”canyouwriteapoemthatdoesnotrhyme?thinkcarefullyabouttheassignment“，GPT-4給出的回答是：

很明顯，節選的小詩是押韻的，這并不符合我們的要求。那么我們給出進一步的指令讓GPT-4進行自我反思：“didthepoemmeettheassignment?”，那么GPT-4會回答：

可以看出來，這次GPT-4生成的小詩確實是不押韻的，在沒有給出任何額外反饋的前提下GPT-4完成了自我的提示工程。筆者猜想這可能跟LLM的無監督學習有關，但為什么GPT-4擁有此功能而GPT-3.5卻沒有，就不得而知了。

當然，這樣的能力也是有局限的。如果你愿意，你可以要求GPT-4隨機給出兩個五位數并且求出它們的乘積。接下來你會發現，無論你讓GPT-4怎么反思，它都無法給出正確的答案。GPT-4只會不斷客氣地胡說八道而已。對于想深入研究的讀者，可以從文末鏈接閱讀Eric的博客和一篇最新的預印版論文《Reflection》

Onemorething

有心的讀者可能已經發現了，作者在使用LLM一般都選擇英文作為提示語言。這是因為作為預訓練模型，其表現的優異程序與預訓練時的數據集有關系，一般來說數據越多則被訓練得越好。而英語作為全球第一的使用語言，數據量是遠超中文的。所以除非你需要輸出與中文語境強相關的文章，否則我會建議使用英文來作為提示語言。

總結

在這篇文章里我們介紹了三種提示工程的方法。分別是OpenAI推薦的前置提示工程，AI自動生成，以及以反思為主的后置提示工程。同時，我們也建議非英語母語者嘗試使用英語作為與LLM交互的語言。

歡迎關注Multigis掌握更多前沿區塊鏈，人工智能，代筆經濟學知識。

參考文獻:

https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api

https://docs.google.com/document/d/1h-GTjNDDKPKU_Rsd0t1lXCAnHltaXTAzQ8K2HRhQf9U/edit#

https://fusion.tiiny.site/home.html

https://evjang.com/2023/03/26/self-reflection.html

https://arxiv.org/pdf/2303.11366.pdf

Tags：NAIGPTPENOPENSNAILGGPT幣BabyPenguinsOpenLeverage

Fil