——提示技术的完整指南

Art of Asking ChatGPT for High-Quality Answ Engineering Techniques, The – Ibrahim John

本书系统性地介绍了ChatGPT的提问方式，个人觉得，值得一读。 

简介

非常高兴您阅读我的新书《如何向ChatGPT提问并获得高质量的答案——提示技术的完整指南》。

本书是一本综合性的指南，目的是帮助您理解和利用各种提示技术，以便从ChatGPT中获得高质量的答案。

我们将探索如何用不同的提示技术去完成不同的目的。

ChatGPT 是目前最先进的、能够生成类似人类文本的语言模型。

然而，了解向ChatGPT提问的正确方式，以获得我们所期望的高质量答案，是至关重要的。

这就是本书的目的：无论你是一个普通人、研究员、开发者，或者是仅仅想把ChatGPT当成自己工作的个人助理，这本书都适合你。

书中使用通俗易懂的语言解释，并且辅以实例和提问技巧的公式。

通过这本书，你将学会如何使用提示技巧来控制ChatGPT的输出，让其按照你的需求生成文本。

在本书中，我还提供了一些如何综合利用不同提示技巧，以达到特定目的的例子。

希望这本书能给你丰富的信息，希望你在阅读时，能像我写书时那样开心。

 

如何快速、系统入门ChatGPT？

第一章：提示工程技术简介

什么是提示工程？

提示工程 是创建提示、要求或指示的过程，用来引导ChatGPT等语言模型的输出。它允许用户控制模型的输出，生成符合他们特定需求的文本。

ChatGPT是一种最先进的语言模型，能够生成类似人类的文本。它建立在transformer 架构上，这使它能够处理大量的数据并生成高质量的文本。

为了从ChatGPT获得最好的结果，了解如何正确使用提示模型是很重要的。

提示允许用户控制模型的输出，生成相关、准确和高质量的文本。

在使用ChatGPT时，了解它的能力和限制是很重要的。

该模型能够生成类似人类的文本，但如果没有适当的引导，它输出的内容，可能不是我们所期望的。

这就是提示工程的用武之地：通过提供清晰而具体的说明，您可以指导模型输出，确保它是相关的。

提示公式是提示的具体格式，它一般由3个要素组成:

任务：对模型生成内容的清晰、简洁的陈述。

说明：模型生成文本时应遵循的指令。

角色：模型在生成文本时应承担的角色。

在本书中，我们将探讨可用于ChatGPT的各种提示工程技巧。我们将讨论不同类型的提示，以及如何使用这些提示来实现你想要的特定目标。

第二章：说明提示技术（Instructions Prompt Technique）

现在，让我们开始探索 “说明提示技术”，以及如何用它来从ChatGPT生成高质量的文本。

说明提示技术是一种指导ChatGPT输出的方法，它为模型提供具体的指令。这种技术在确保输出内容的相关性、和高质量方面，非常有用。

要使用说明提示技术，你需要为模型提供一个清晰简明的任务，和可以遵循的具体指令。

 举个例子，假如你要生成客服的回答。首先要提供一个任务，如“生成客户咨询的回复（generate responses to customer inquiries）”，以及说明：回答应该是专业的并提供准确的信息（responses should be professional and provide accurate information）

提示（Prompt）公式：”按照这些指示生成[任务]：[说明]”

举例：

生成客服回复:

    • 任务：生成对客户咨询的回复（Generate responses to customer inquiries）
    • 说明：回答应该是专业的并提供准确的信息（responses should be professional and provide accurate information）
 
  • 提示（Prompt）公式：“生成对客户咨询的回复：回答应该是专业的并提供准确的信息”
    （Generate professional and accurate responses to customer inquiries following these instructions: The responses should be professional and provide accurate information）

生成一份法律文件：

  • 任务：生成一份法律文件
  • 说明：该文件应符合相关法律和法规的规定
  • 提示（Prompt）公式：”按照这些指令，生成一份符合相关法律和法规的法律文件：该文件应符合相关法律和法规。”
    （Generate a legal document that is compliant with relevant laws and regulations following these instructions: The document should be in compliance with relevant laws and regulations）

在使用指令提示技术时，重点是：指令应该是清晰、具体的。

这将会确保输出内容具有相关性、和高质量。指令提示技术可以和下一章中将解释的 “角色提示 “和 “种子词提示 “结合起来，提高ChatGPT的输出质量。

第三章：角色提示（role prompting technique）

角色提示技术（role prompting technique），是通过为模型提供特定角色来引导ChatGPT输出的一种方法。这种技术对于生成针对特定环境或受众的文本很有用。

要使用角色提示技术，您需要为模型提供一个明确而具体的角色。
例如，如果你正在生成客户服务回应，你将提供一个角色，如 “客户服务代表”。

提示公式：”生成[任务]作为一个[角色]”

举例：

生成客户服务回复：

  • 任务：生成对客户咨询的回复（Generate responses to customer inquiries）
  • 角色：客服
  • 提示公式：”作为客服，生成对客户咨询的答复。”
    （Generate responses to customer inquiries as a customer service representative）

生成一份法律文件：

  • 任务：生成一份法律文件：
  • 角色：律师
  • 提示公式：”作为律师生成一份法律文件。”
    （Generate a legal document as a lawyer）

使用带有指令提示和种子词提示的角色提示技术将增强ChatGPT的输出质量。

下面是一个如何将指令提示、角色提示和种子词提示技术相结合的示例：

  • 任务：为新智能手机生成产品描述。
  • 指令：该描述应具有信息性、说服力，并强调智能手机的独特功能。
  • 角色：营销代表
  • 种子词：”创新”
  • 提示公式：“作为营销代表，生成一个信息量大，有说服力的产品描述，突出新智能手机的创新功能。该智能手机具有以下特点[插入你的特点]”
    （As a marketing representative, generate an informative, persuasive product description that highlights the innovative features of the new smartphone. The smartphone has the following features [insert your features]）

在这个例子中，指令提示被用来确保产品描述具有信息性和说服力，角色提示用于确保以营销代表的角度编写描述，种子词提示用于确保描述侧重于智能手机的创新功能。

第四章：标准提示（Standard Prompts）

标准提示是引导ChatGPT输出的一个简单方法，它提供了一个具体的任务让模型完成。

例如，如果你想生成一篇新闻的摘要，你会提供一个任务，如“总结这篇新闻”。

提示公式：”生成[任务]”（Generate a [task]）

举例：

生成新闻文章摘要：

  • 任务：总结这篇新闻文章
  • 提示公式：”生成这篇新闻文章的摘要”
    （Generate a summary of this news article）

生成产品评论：

  • 任务：撰写有关新智能手机的评论
  • 提示公式：“生成对这款新智能手机的评论”
    （Generate a review of this new smartphone）

此外，标准提示可以与其他技术相结合，如角色提示和种子词提示，以增强ChatGPT的输出质量。

下面是一个如何将指令提示、角色提示和种子词提示技术相结合的示例：

  • 任务：为新笔记本电脑生成产品评论
  • 说明：评论应该是客观的，信息丰富的，并突出笔记本电脑的独特功能
  • 角色：技术专家
  • 种子词：“ 强大的”
  • 提示公式：“作为一名技术专家，生成一份客观且信息丰富的产品评论，突出新笔记本电脑的强大功能。”
    (As a tech expert, generate an objective and informative product review that highlights the powerful features of the new laptop)

在此示例中，使用标准提示技术来确保模型生成产品评论，角色提示技术用于确保评论是从技术专家的角度撰写的，使用种子词提示技术来确保评论集中在笔记本电脑的强大功能上。

第五章：零、单个和小样本提示（Zero, One and Few Shot Prompting）

零提示、单个提示和小样本提示是用于从ChatGPT中生成文本的技术，只有极少或没有示例可以参考。这些技术通常用于下列情况：当前任务的可用数据有限、任务是全新的、任务定义不明确。 

当没有可用于任务的范例时，使用零样本提示技术。

 

当任务只有一个范例可用时，可以使用单样本提示技术。提供了一个范例给模型，模型根据对该范例的理解生成文本。

当可用于任务的范例数量有限时，使用小样本提示技术。提供了少量范例给模型，模型根据对该范例的理解生成文本。

提示公式：”基于[数量]的例子生成文本（Generate text based on [number] examples）”

举例：

为一个新产品生成产品描述，没有可用的例子。

  • 任务：为新智能手机生成产品描述。
  • 提示公式：”为这个新的智能手表生成一个产品描述，没有范例”
    （Generate a product description for this new smartwatch with zero examples）

为这个产品生成产品比较，只有一个范例可用。（Generating a product comparison with one example available）

  • 任务：将一款新的智能手机与最新的iPhone进行比较
  • 提示公式：”生成这个新智能手机的产品比较，有一个例子（最新的iPhone）”
    （Generate a product comparison of this new smartphone with one example (latest iPhone)）

生成一个产品评论，可用的例子很少。

  • 任务：写一篇新电子阅读器的评论
  • 提示公式：“用几个例子（其他 3 个电子阅读器）生成对这个新电子阅读器的评论”
    （Generate a review of this new e-reader with few examples (3 other e-readers)）

这些技术可用于：根据模型对任务或所提供范例的理解来生成文本。

第六章：“让我们思考这个”提示（”Let’s think about this” prompt）

“让我们思考这个”提示是一种用于鼓励ChatGPT生成反思性、沉思性文本的技术。这种技术对于写作散文，诗歌或创造性写作等任务很有用。

使用方法：Let’s think about this：主题

举例：

生成一篇反思性文章：

  • 任务：写一篇关于个人成长主题的反思性文章
  • 提示公式：“让我们思考这个：个人成长”
    （”Let’s think about this: personal growth）

生成一首诗：

  • 任务：写一首关于季节变化的诗
  • 提示公式：“让我们想想这个：不断变化的季节”
    （Let’s think about this: the changing seasons）

此提示要求就特定主题或想法进行对话或讨论。演讲者邀请ChatGPT就手头的主题进行对话。

该模型提供了一个提示，作为对话或文本生成的起点。

然后，该模型使用其训练数据和算法来生成与提示相关的响应。该技术允许ChatGPT基于提供的提示生成上下文适当且连贯的文本。

要在ChatGPT中使用“让我们思考这个”技术，您可以按照以下步骤操作：

1.确定您要讨论的主题或想法。

2.制定一个提示，清楚地说明主题或想法，并开始对话或文本生成。

3.在提示前面加上“让我们思考”或“让我们讨论” ，表明您正在发起对话或讨论。

以下是使用此技术的一些提示示例：

  • 提示：“让我们思考一下气候变化对农业的影响”
  • 提示：“让我们讨论一下人工智能的现状”
  • 提示：“让我们谈谈远程工作的好处和缺点”

您还可以添加一个开放式问题、语句或一段文本，希望模型继续或构建。

提供提示后，模型将使用其训练数据和算法生成与提示相关的响应，并以连贯的方式继续对话。

这个独特的提示，帮助ChatGPT以不同的视角和角度给出答案，从而产生更具动态性和信息性的段落。

使用提示的步骤很简单，易于遵循，它可以真正改变你的写作。自己试试看

第七章：自我一致性提示（Self-Consistency Prompt）

自我一致性提示是一种技术，用于确保ChatGPT的输出与提供的输入一致。这种技术对于诸如事实核查、数据验证或文本生成中的一致性检查等任务很有用。

自我一致性提示的提示公式是输入文本后，说明“请确保以下文本是自我一致的（Please ensure the following text is self-consistent）”。

或者，可以提示模型生成与提供的输入一致的文本。

提示示例及其公式：

示例1：文本生成

  • 任务：生成产品评论：
  • 指令：评论应与输入中提供的产品信息一致
  • 提示公式：”生成与以下产品信息[插入产品信息]一致的产品评论”
    （Generate a product review that is consistent with the following product information [insert product information]）

示例2：文本摘要

  • 任务：总结这篇新闻文章
  • 指令：摘要应与本条所提供的信息保持一致
  • 提示公式：”以符合所提供信息的方式，总结以下新闻文章[插入新闻文章]
    （Summarize the following news article in a way that is consistent with the information provided [insert news article]）”

示例3：文本完成（Text Completion）

  • 任务：写一个句子
  • 指令：完成的句子，应与输入中提供的背景相一致
  • 提示公式：”以符合所提供上下文的方式完成以下句子[插入句子]” （Complete the following sentence in a way that is consistent with the context provided [insert sentence]）

示例4：

1.事实核查：

  • 任务：检查某篇新闻文章的一致性
  • 输入文本:“这篇文章说这个城市的人口是500万，但后来，它说人口是700万。
  • 提示公式：”请确保下面的文字是自洽的。（Please ensure the following text is self-consistent）文章说该城市的人口是500万，但后来又说人口是700万”。

2.数据验证：

  • 任务：检查给定数据集中的一致性
  • 输入文本:“数据显示， 7月份的平均气温为30度，但最低气温记录为20度。
  • 提示公式：”请确保下面的文字是自洽的（Please ensure the following text is self-consistent）：数据显示， 7月份的平均气温为30度，但最低气温记录为20度。

第8章：种子词提示（Seed-word Prompt）

种子词提示是一种技术，通过为ChatGPT提供特定的种子词或短语，来控制ChatGPT的输出。

种子词提示的提示公式是： “请根据以下种子词生成文本” 的指令后跟着种子词或短语。

举例：

文本生成:

  • 任务：生成一个关于龙的故事
  • 种子词：”龙”
  • 提示公式：“请根据以下种子词生成文本（Please generate text based on the following seed-word）:龙”

语言翻译：

  • 任务：将句子从英语翻译成西班牙语
  • 种子词：”您好”
  • 提示公式：“请根据以下种子词生成文本（Please generate text based on the following seed-word）:您好”

这种技术允许模型生成与种子词相关的文本并对其进行扩展。

这是一种控制模型生成的文本，与某个主题或上下文相关的方法。

种子词提示可以与角色提示和指令提示相结合，以创建更具体、更有针对性的文本。

通过提供种子词或短语，模型可以生成与该种子词或短语相关的文本，并且通过提供关于期望的输出和角色的信息，模型可以生成与角色或指令一致的特定风格或语气的文本。这允许对生成的文本进行更多的控制，并且有更广泛的应用。

以下是提示示例及其公式：

举例：文本生成

  • 任务：生成一首诗：
  • 指令：诗要与种子词 “爱” 有关，要以十四行诗的风格来写。
  • 角色：诗人
  • 提示公式：“作为诗人，生成一首与种子词’爱’相关的十四行诗”
    （Generate a sonnet related to the seed word ‘love’ as a poet）

举例：文本完成

  • 任务：完成一个句子
  • 指令：句子应与种子词 “科学” 有关，应以研究论文的风格撰写
  • 角色：研究员
  • 提示公式：“以与种子词’科学’相关的方式，和作为研究人员的研究论文的风格完成以下句子（Complete the following sentence in a way that is related to the seed word ‘science’ and in the style of a research paper as a researcher）：[插入句子] “

举例：文本摘要

  • 任务：总结这篇新闻文章
  • 指令：摘要应与种子词“政治”相关，并应以中立和公正的语气书写
  • 角色：记者
  • 提示公式：“作为一名记者，以中立和公正的语气总结以下与种子词’政治’有关的新闻文章（Summarize the following news article in away that is related to the seed word ‘politics’ in a neutral and unbiased tone as a journalist）：[插入新闻文章] “

第9章：知识生成提示（Knowledge Generation prompt）

知识生成提示：是一种用于从ChatGPT中获取新信息和原始信息的技术。

知识生成提示的提示公式是：“请生成有关X的新的、原始的信息（Please generate new and original information about X）” ，其中X是你感兴趣的主题。

这是一种使用模型里预先存在的知识，来生成新信息或问题回答的技术。

要在ChatGPT中使用这种提示技术，模型应提供问题或主题作为输入，以及指定生成文本的任务或目标的提示。提示应包括期望输出的信息，例如要生成的文本类型，以及其它特定要求或限制。

以下是提示示例及其公式：

举例1：知识生成

  • 任务：生成有关特定主题的新信息
  • 指令：生成的信息应准确且与主题相关
  • 提示公式：”生成有关[特定主题]的新的和准确的信息”
    （Generate new and accurate information about [specific topic] ）

举例2：问答

  • 任务：回答一个问题
  • 指令：答案应准确且与问题相关
  • 提示公式：”回答以下问题：[插入句子] “

举例3：知识整合

  • 任务：将新信息与现有知识相结合
  • 指令：整合应准确且与主题相关
  • 提示公式：”将以下信息与关于[特定专题]的现有知识相结合：[插入新信息] “
    （Generate new and accurate information about [specific topic] : [insert new information] ）

举例4：数据分析：

  • 任务：从给定数据集生成有关客户行为的见解
  • 提示公式：”请从此数据集生成有关客户行为的新信息和原始信息” (Please generate new and original information about customer behavior from this dataset)

第10章：知识整合提示(Knowledge Integration prompts)

这种技术使用模型里现有的知识，来整合新信息或连接不同的信息。

它有助于将现有知识与新信息相结合，以更全面地了解特定主题。

如何与ChatGPT一起使用：

应该向这个模型提供新信息和现有知识作为输入，并指定生成文本的任务或目标。提示应包括所需输出的信息，例如要生成的文本类型，以及任何特定要求或限制。

提示示例及其公式：

举例 1：知识整合

  • 任务：将新信息与现有知识相结合
  • 指令：整合应准确且与主题相关
  • 提示词公式：” 将以下信息与有关 [特定主题] 的现有知识相结合：[插入新信息] “
    （Integrate the following information with the existing knowledge about [specific topic]: [insert new information] ）

举例 2：连接信息片段

  • 任务：连接不同的信息
  • 指令：连接应该是相关和合乎逻辑的
  • 提示公式：”以相关和合乎逻辑的方式连接以下信息：[插入信息1] [插入信息2] “
    （Connect the following pieces of information in a way that is relevant and logical: [insert information 1] [insert information 2]）

举例 3：更新现有知识

  • 任务：用新信息更新现有知识
  • 指令：更新后的信息应准确且相关
  • 提示公式：”用以下信息更新关于[特定主题]的现有知识：[插入新信息] “
    （Update the existing knowledge about [specific topic] with the following information: [insert new information] ）

第11章：多项选择提示（Multiple Choice prompts）

这种技术提供了一个模型，其中包含问题、任务以及一组预定义的选项作为潜在答案。

这种技术适用于生成文本，该文本限制于一组特定选项，并可用于问答、文本完成和其他任务。该模型可以生成限于预定义选项的文本。

要使用 ChatGPT 的多项选择提示，应该为模型提供一个问题或任务作为输入，以及一组预定义选项作为潜在答案。提示还应包含期望输出的信息，例如要生成的文本类型以及任何特定要求或约束。

提示示例及其公式：

举例1：问答题

  • 任务：回答一个多项选择问题
  • 说明：答案应该是预定义选项中的一个
  • 提示公式：”通过选择以下选项来回答问题：[插入问题] [插入备选案文1] [插入备选案文2] [插入备选案文3] “
    （Answer the following question by selecting one of the following options:[insert question] [insert option 1] [insert option 2] [insert option 3]）

举例：文本完成

  • 任务：使用预定义选项之一完成句子
  • 说明：完成的句子应该是预定义的选项之一
  • 提示公式：”选择以下选项之一，完成下面的句子：[插入句子] [插入备选案文1] [插入备选案文2] [插入备选案文3] “
    （Complete the following sentence by selecting one of the following options: [insert sentence] [insert option 1] [insert option 2] [insert option 3]）

举例 3：情感分析

  • 任务：将一段文本分类为积极、中性或消极
  • 说明：分类应该是预定义选项之一
  • 提示公式：”通过选择以下选项之一，将下面的文本分类为正面、中性或负面：[插入文字] [正面] [中性] [负面] “
    （Classify the following text as positive, neutral or negative by selecting one of the following options: [insert text] [positive] [neutral] [negative]）

第12章：可解释软提示（Interpretable Soft Prompts）

可解释的软提示是一种技术，它可以在提供一定灵活性的同时，控制模型生成的文本。

输入的时候，向模型提供一组控制信息，并且添加期望输出内容的附加信息。 这种技术允许更多可解释和可控制地生成文本。

提示示例及其公式：

举例 1：文本生成:

  • 任务：生成一个故事：
  • 说明：故事应基于给定的角色和特定主题
  • 提示公式：“根据以下角色生成故事：[插入角色]和主题：[插入主题] “
    （Generate a story based on the following characters: [insert characters] and the theme: [insert theme]）

举例 2：文本完成

  • 任务：完成一个句子
  • 说明：完成的句子应该是某个特定作者的风格
  • 提示公式：”以[特定作者]的风格完成以下句子：[插入句子] ” （Complete the following sentence in the style of [specific author]: [insert sentence]）

举例 3：语言建模

  • 任务：以特定风格生成文本
  • 说明：文本应该是某个特定时期的风格
  • 提示公式：“以[特定时期]的样式生成文本：[插入上下文]”
    （Generate text in the style of [specific period]:[insert context]）

第13章：受控生成提示（Controlled Generation prompts）

受控生成提示是一种技术，可以在输出文本时，对生成的文本进行高度控制。

这是通过向模型提供一组特定的输入实现的，例如模板、特定词汇或一组约束条件，可以用来指导生成过程。

以下是提示示例及其公式：

举例 1：文本生成:

  • 任务：生成一个故事：
  • 说明：故事应该基于特定的模板
  • 提示公式：“根据以下模板生成一个故事：[插入主题] “（Generate a story based on the following template: [insert template]）

举例 2：文本补全

  • 任务：补全一个句子
  • 说明：补全应使用特定词汇表
  • 提示公式：”使用下面的词汇表完成以下句子：[插入词汇] ：[插入句子] ” （Complete the following sentence using the following vocabulary: [insert vocabulary]: [insert sentence]）

举例 3：语言模型

  • 任务：以特定风格生成文本
  • 说明：文本应该遵循一组特定的语法规则
  • 提示词参考：”生成遵循以下语法规则的文本：[插入规则] ：[插入上下文] “（Generate text that follows the following grammatical rules: [insert rules]: [insert context]）

通过向模型提供一组特定的输入，可以用来指导生成过程，受控生成提示使生成的文本更可控和可预测。

第14章：问答提示（Question-answering prompts）

问答提示是一种技术，可以使模型生成回答特定问题或任务的文本。

这是通过向模型提供一个问题或任务作为输入，以及可能与问题或任务相关的任何其他信息来实现的。

以下是一些示例和应用公式：

示例1：事实问答

  • 任务:回答一个事实性问题
  • 说明：答案应该是准确和相关的
  • 提示公式:
    ”回答以下事实性问题：[插入问题]”
    （Answer the following factual question: [insert question]）

示例2：定义

  • 任务:提供一个词的定义
  • 说明：定义应该准确
  • 提示公式:
    “定义以下单词：[插入单词]”
    （Define the following word: [insert word]）

示例3：信息检索

  • 任务:从特定来源检索信息
  • 说明：检索到的信息应该与主题相关
  • 提示公式:
    从以下来源检索有关[特定主题]的信息:[插入来源]“
    （Retrieve information about [specific topic] from the following source: [insert source]）

这对于问答和信息检索等任务非常有用。

第15章：摘要提示（Summarization prompts）

摘要提示是一种技术，允许模型在保留给定文本的主要思想和信息的同时，生成一个较短的版本。

这是通过将长文本作为输入提供给模型，并要求其生成该文本的摘要来实现的。

这种技术对于文本摘要和信息压缩等任务非常有用。

如何在ChatGPT中使用它：

应该向模型提供一个较长的文本作为输入，并要求其生成该文本的摘要。
提示还应包括关于所需输出的信息，例如摘要的所需长度，和任何特定要求或限制。

以下是一些示例和应用公式：

示例1：文章摘要

  • 任务: 总结新闻文章
  • 说明：摘要应该是这篇文章要点的简要概述。
  • 提示公式: ”用一句简短的话概括以下新闻文章：[插入来源]“ （Summarize the following news article in one short sentence: [insert article]）

示例2：会议记录

  • 任务:总结会议记录
  • 说明：摘要应突出会议的主要决定和行动
  • 提示公式:”通过列出主要决策和行动总结以下会议记录：[插入记录]”
    （Summarize the following meeting transcript by listing the main decisions and actions taken: [insert transcript]）

示例3：图书摘要

  • 任务:总结一本书
  • 说明：摘要应该是书籍主要观点的简要概述
  • 提示公式:”用一个简短的段落概括下面的书：[插入书名]”
    (Summarize the following book in one short paragraph: [insert book title])

第16章：对话提示（Dialogue prompts）

对话提示是一种技术，可以使模型生成模拟两个或多个实体之间对话的文本。
通过向模型提供一个上下文、一组角色或实体以及它们的背景，并要求模型在它们之间生成对话。

因此，应该为模型提供上下文、一组角色或实体，以及它们的角色和背景。
还应向模型提供有关所需输出的信息，例如对话或对话的类型以及任何特定要求或限制。

以下是一些示例和应用公式：

示例1：对话生成

  • 任务:生成两个角色之间的对话
  • 说明：对话应该是自然的，并且与给定的上下文相关
  • 提示公式:“在下面的[插入上下文]中，生成以下角色之间的对话 [插入角色]”
    （Generate a conversation between the following characters [insert characters] in the following context [insert context]）

示例2：故事创作

  • 任务:在故事中生成对话
  • 说明：对话应该与故事的角色和事件一致
  • 提示公式:“在以下故事[插入故事]中，生成以下角色之间的对话 [插入角色]”
    （Generate a dialogue between the following characters [insert characters] in the following story [insert story]）

示例3：聊天机器人开发

  • 任务:为客户服务聊天机器人生成对话
  • 说明：对话应该专业，提供准确的信息
  • 提示公式:当客户询问[插入主题]时，为客户服务聊天机器人生成专业且准确的对话
    (Generate a professional and accurate dialogue for a customer service chatbot, when the customer asks about [insert topic])

因此，这种技术适用于对话生成、故事创作和聊天机器人开发等任务。

第17章：对抗性提示（Adversarial prompts）

对抗性提示是一种技术，可以让模型生成的文本对某些类型的攻击或偏见具有抵抗力。这种技术可以用于训练更强大、更具抵抗力的模型。

要在ChatGPT中使用对抗性提示，需要为模型提供一个设计良好的提示，以使模型难以生成与所需输出一致的文本。
提示还应包括有关所需输出的信息，例如要生成的文本类型和任何特定的要求或约束。

以下是一些示例和应用公式：

示例1：文本分类的对抗性提示

  • 任务:生成被分类为特定标签的文本
  • 说明：生成的文本应难以分类为特定标签
  • 提示公式:”生成难以分类为[插入标签]的文本”
    （Generate text that is difficult to classify as [insert label]）

示例2：情感分析的对抗性提示

  • 任务:生成难以被分类为特定情感的文本
  • 说明：生成的文本应难以分类为特定情感
  • 提示公式:”生成难以被分类为具有[插入情感]情感的文本”
    （Generate text that is difficult to classify as having the sentiment of [insert sentiment]）

示例3：语言翻译的对抗性提示

  • 任务:生成难以翻译的文本
  • 说明：生成的文本应难以翻译为目标语言
  • 提示公式:”生成难以翻译为[插入目标语言]的文本”
    （Generate text that is difficult to translate to [insert target language])

第18章：聚类提示（Clustering prompts）

聚类提示是一种技术，允许模型根据某些特征或特点将相似的数据点分组在一起。

这可以通过提供一组数据点，并要求模型根据某些特征或特点将它们分组成簇来实现。

这种技术对于数据分析、机器学习和自然语言处理等任务非常有用。

如何在ChatGPT中使用它：

应该向模型提供一组数据点，并要求根据某些特征或特点将它们分组成簇。

提示还应包括有关所需输出的信息，例如要生成的簇的数量和任何特定要求或约束。

以下是一些示例和应用公式：

示例1：客户评价的聚类

  • 任务:将相似的客户评价分组在一起
  • 说明：评价应基于情感进行分组。
  • 提示公式:根据情感将以下客户评价分组成簇：[插入评价]
    （Group the following customer reviews into clusters based on sentiment:[insert reviews]）

示例2：新闻文章的聚类

  • 任务:将相似的新闻文章分组在一起
  • 说明：文章应根据主题进行分组
  • 提示公式:将以下新闻文章根据主题分组成簇：[插入文章]
    （Group the following news articles into clusters based on topic:[insert articles]”）

示例3：科学论文的聚类

  • 任务:将相似的科学论文分组在一起
  • 说明：论文应基于研究领域进行分组
  • 提示公式:根据研究领域将以下科学论文分组：[插入论文]
    （Group the following scientific papers into clusters based on research area:[insert papers]）

第19章：强化学习提示（Reinforcement learning prompts）

强化学习提示是一种技术，可以让模型从其过去的行动中学习，并随着时间的推移改善其性能。

要在ChatGPT中使用强化学习提示，应该向模型提供一组输入和奖励，并允许其根据所接收的奖励调整其行为。提示还应包括有关所需输出的信息，例如要完成的任务和任何特定要求或约束。

这种技术对于决策制定、游戏和自然语言生成等任务非常有用。

以下是一些示例和应用公式：

示例1：文本生成的强化学习

  • 任务:生成符合特定风格的文本
  • 说明：模型应根据生成符合特定风格的文本所获得的奖励，调整其行为
  • 提示公式:使用强化学习生成符合以下风格的文本[插入风格]
    （Use reinforcement learning to generate text that is consistent with the following style [insert style]）

示例2：语言翻译的强化学习

  • 任务:将一种语言的文本翻译成另一种语言
  • 说明：模型应根据生成准确翻译所获得的奖励调整其行为
  • 提示公式:”使用强化学习将以下文本[插入文本]从[插入语言]翻译为[插入语言] “
    （Use reinforcement learning to translate the following text [insert text] from [insert language] to [insert language]）

示例3：问题回答的强化学习

  • 任务:回答一个问题
  • 说明：模型应根据生成准确答案所获得的奖励调整其行为
  • 提示公式:使用强化学习回答以下问题[插入问题]
    （Use reinforcement learning to generate an answer to the following question [insert question]）

第20章：课程学习提示（Curriculum learning prompts）

课程学习是一种技术，可以让模型通过先训练简单的任务，并逐渐增加难度来学习复杂的任务。

要在ChatGPT中使用课程学习提示，应该向模型提供一系列逐渐增加难度的任务。提示还应包括有关所需输出的信息，例如要完成的最终任务和任何特定要求或约束。

这种技术对于自然语言处理、图像识别和机器学习等任务非常有用。

以下是一些示例和应用公式：

示例1：文本生成的课程学习

  • 任务:生成符合特定风格的文本
  • 说明：模型应在进入更复杂的风格之前，先在简单的风格上进行训练
  • 提示公式:“ 使用课程学习生成符合以下风格的文本[插入风格]，按以下顺序[插入顺序] ”（Use curriculum learning to generate text that is consistent with the following styles [insert styles] in the following order [insert order]）

示例2：语言翻译的课程学习

  • 任务:将一种语言的文本翻译成另一种语言
  • 说明：模型应在进入更复杂的语言之前先在简单的语言上进行训练
  • 提示公式:“使用课程学习将以下语言的文本[插入语言]，按以下顺序[插入顺序]翻译为以下语言[插入语言]（Use curriculum learning to translate text from the following languages [insert languages] in the following order [insert order]）”

示例3：回答问题的课程学习

  • 任务:回答一个问题
  • 说明：模型应在进入更复杂的问题之前，先在简单的问题上进行训练
  • 提示公式:“使用课程学习回答以下问题[插入问题]，按以下顺序[插入顺序]（Use curriculum learning to generate answers to the following questions [insert questions] in the following order [insert order]）” 第21章：情绪分析提示（Sentiment analysis prompts）

情感分析是一种技术，允许模型确定一段文本的情感色彩或态度，例如是否为积极、消极或中立。要使用ChatGPT的情绪分析提示，应向模型提供一段文本，并要求根据其情绪对其进行分类。提示还应包括有关所需输出的信息，例如要检测的情感类型（例如积极、消极或中立）和任何特定的要求或限制。

以下是一些示例和应用公式：

示例1：客户评论的情绪分析

  • 任务：确定客户评论的情绪
  • 说明：模型应将评论分类为积极、消极或中立
  • 提示公式：“对以下客户评论进行情感分析[插入评论]，并将其分类为积极、消极或中立。”
    (Perform sentiment analysis on the following customer reviews [insert reviews] and classify them as positive, negative, or neutral.)

示例2：推文的情绪分析

  • 任务：确定推文的情感色彩
  • 说明：模型应将推文分类为积极、消极或中立
  • 提示公式：“对以下推文进行情感分析[插入推文]，并将其分类为积极、消极或中立。”
    (Perform sentiment analysis on the following tweets [insert tweets] and classify them as positive, negative, or neutral)

示例3：产品评论的情感分析

  • 任务：确定产品评论的情感色彩
  • 说明：模型应将评论分类为积极、消极或中立
  • 提示公式：“对以下产品评论进行情感分析[插入评论]，并将其分类为积极、消极或中立。”
    （Perform sentiment analysis on the following product reviews [insert reviews] and classify them as positive, negative, or neutral）

这种技术对于自然语言处理、客户服务和市场研究等任务非常有用。

第22章：命名实体识别提示（Named entity recognition prompts）

命名实体识别（NER）是一种技术，允许模型识别和分类文本中的命名实体，例如人物、组织、地点和日期。

要使用ChatGPT的命名实体识别提示，应该向模型提供一段文本，并要求识别和分类文本中的命名实体。

提示还应包括有关所需输出的信息，例如要识别的命名实体类型（例如人物、组织、地点、日期）以及任何特定的要求或限制。

以下是一些示例和应用公式：

示例1：新闻文章中的命名实体识别

  • 任务:在新闻文章中识别和分类命名实体
  • 说明：模型应识别和分类人物、组织、地点和日期
  • 提示公式:“对以下新闻文章进行命名实体识别[插入文章]，并识别和分类人物、组织、地点和日期。”
    （Perform named entity recognition on the following news article [insert article] and identify and classify people, organizations, locations, and dates）

示例2：法律文档中的命名实体识别

  • 任务:在法律文件中识别和分类命名实体
  • 说明：模型应识别和分类人物、组织、地点和日期
  • 提示公式:“对以下法律文件进行命名实体识别[插入文档]，并识别和分类人物、组织、地点和日期。”
    （Perform named entity recognition on the following legal document [insert document] and identify and classify people, organizations, locations, and dates）

示例3：研究论文中的命名实体识别

  • 任务:在研究论文中识别和分类命名实体
  • 说明：模型应识别和分类人物、组织、地点和日期
  • 提示公式:“对以下研究论文进行命名实体识别[插入论文]，并识别和分类人物、组织、地点和日期。”
    （Perform named entity recognition on the following research paper [insert paper] and identify and classify people, organizations, locations, and dates）

第23章：文本分类提示（Text classification prompts）

文本分类是一种技术，允许模型将文本归类为不同的类别。这种技术对于自然语言处理、文本分析和情感分析等任务非常有用。

需要注意的是，文本分类与情感分析不同。情感分析专注于确定文本中表达的情感或情绪。这可能包括确定文本是否表达了积极、消极或中立的情绪。情感分析通常用于客户评论、社交媒体帖子和其他文本形式，其中表达的情感很重要。