Chat-Gpt Prompt编写技巧_chatgpt + promot 编程

本文翻译自chat-gpt Prompt一书
书中列举了，我们在使用Chat-Gpt时，应该用怎样的技巧和询问方式，才能得到更合理、更准确的结果。

第二章 指令提示技巧

指令提示技巧指的是通过提供特定的介绍给模型，来引导chatgpt的输出的一种方式。该技巧对于保证模型输出的相关性性和高质量是非常有用的。
为了使用指令提示技巧，使用者需要提供清晰、精确的任务，以及足够具体的指令介绍给到模型。

• 生成消费者客服响应

  • 任务：针对客户提问进行相应
  • 介绍：回答应该是专业且准确的
  • 提示公式：针对用户提问生成回答，回答内容需要遵循如下要求：专业且精确

• 生成法律文书

  • 任务：生成一份法律文书
  • 介绍：法律文书需与相关的法律和规章制度保持一致
  • 提示公式： 生成一份法律文书，文书内容需与相关法律和规章制度保持一致

第三章 角色提醒

需要给chatgpt设定一个角色。
例如，如果你需要让chatgpt生成客户服务响应，那么你需要设定chatgpt的角色为客户服务代表。
提示公式：
作为一名xxx，生成一些xxx任务。
例子：

• 生成客户服务响应
  任务：针对顾客提问生成回答
  角色：客户服务代表
  提示公式：作为一名客户服务代表，生成一些客户服务响应任务。

• 如下是一个有关介绍新产品的提示实例，用到了指令提示，角色提示，种子词提示。

  • 任务：针对一款新上市的手机生成一段产品介绍
  • 指令：产品介绍需包含足够的信息，有说服力，指出手机的独特点。
  • 角色：市场销售代表
  • 种子词：创造性
  • 提示公式：作为一名市场销售代表，生成一段具有足够信息量，有说服力的产品介绍，能鲜明指出新手机的代表性特点。新手机具有如下特点:[xxxx].

第四章 标准提示

提示公式：生成一个【任务】

• 正对一些新闻生成总结报告

  • 任务：总结这些新闻报道
  • 提示公式：对这些新闻稿生成总结报告

第五章 零次，一次或者很少例子的提示

零样本，单样本，很少样本提示指的是，让gpt生成一些文字，但不给例子或者很少的例子。
例子：

• 生成一段产品介绍，按照如下例子。
• 生成一段产品介绍，没有实例。

第六章 提示词:“让我们思考一下”

这个提示词比较适合让gpt生成短文随笔，诗歌或者创造性写作等等。

• 编写一篇具有一定深度的随笔

  • 任务：针对个人成长这一主题，编写一篇具有深度的随笔
  • 提示公式：让我们思考一下：个人成长

使用“让我们思考一下”这个提示词时，可以根据如下步骤来操作：

1. 明确你想讨论的主题
2. 确切且清晰地阐述讨论的主题，然后开始文字生成。
3. 前置提示词“让我们思考一下”或者“让我们讨论一下”来表明你在开启一段交谈或讨论。

这种提示词可以让GPT从不同的角度来回答问题，我们可以获得更多具有活力的，信息量更大的短文。

第七章 自洽性的提示词

自洽性提示词指的是，让gpt的输出能和输入保持一致。这项技术针对和事实核实、数据验证、一致性检测相关的任务很有用。

• 文字生成

  • 任务：生成一篇产品评论
  • 指令：评论内容需要与输入中的产品信息保持一致
  • 提示公式：生成一篇产品测评，需要和如下产品信息保持一致性

• 事实核实

  • 任务：对于给定的新闻稿，进行一致性核实
  • 输入：文章中说城市的人口是500万，但是在后续的章节中，它又提到其人口数量是700万
  • 提示公式：请对接下来的一段文字进行一致性核实：文章说城市的人口是500万，但是在后续的章节中，它又提到其人口数量是700万

• 数据验证

  • 校验数据集的一致性
  • 输入文字：数据表明7月份的平均温度是30度，但是在后续的章节中，最低温度记载的是20度。
  • 提示公式：请确保接下里的文字描述是自洽的，前后一致的：数据表明7月份的平均温度是30度，但是在后续的章节中，最低温度记载的是20度。

第八章 关键字提示

例子

• 文字生成

  • 任务：生成一段有关龙的故事

  • 关键字：龙

  • 提示公式：生成一段文字，基于关键字“龙”

  • 任务：生成一首诗

  • 介绍：这首诗的关键字是“爱”，诗的风格应该是商籁诗

  • 角色：诗人

  • 提示公式：作为一名诗人，生成一首以“爱”为关键字的商籁诗

第九章 知识生成提示词

知识生成提示是一种从chatgpt中获取新知识和原始信息的技术方式。通过使用模型现有的知识来生成新的知识或者回答问题。

• 知识生成

  • 任务：针对一个主题生成新的相关信息
  • 介绍：新生成的信息应该是精确的，并且是和主题相关的。
  • 提示词公式：针对一个主题生成新的且精确的信息

• 知识整合

  • 任务：将新信息和已有的知识整合起来
  • 介绍：整合后的内容应该是精确的且跟主题相关的
  • 提示词公式：将信息【插入新信息】和已有的跟【主题】相关知识进行整合

第十章 知识整合提示词

• 连接知识片段
  • 任务：连接不同片段的信息
  • 介绍：连接应该是适宜的且符合逻辑的
  • 提示词公式：连接接下来的几段信息，以一种切题且符合逻辑的方式进行连接
• 更新已有知识
  • 任务：用新的信息更新已有知识
  • 介绍：更新后的信息应该是准确且切题的
  • 提示词公式：请用如下的新信息来更新已有和【主题】相关的知识

第十一章 多项选择提示词

这项技术是给模型一个问题或者任务，并提供一系列预置的选项作为可选答案。可以用于从给定的选项中生成一些文字，用来做问答，文字填充或者其他任务。

• 问答
  • 任务：问答
  • 介绍：答案应该是预定义的选项中的一个
  • 提示词公式：请从给定的选项中选择一个答案来回答问题：【问题】【答案1】【答案2】【答案3】
• 文字填充
  • 任务：从给定的选项中选择一个来进行文字填充
  • 介绍：填充的词应该是预定义的选项中的一个
  • 提示词公式：从给定的选项中选择一个词来补全接下来的句子：【待补全的句子】【选项1】【选项2】【选项3】
• 观点/情绪分析
  • 任务：对一段文字进行分类，积极、中性、消极
  • 介绍：判定的类别应该属于预定义分类中的一个
  • 提示词公式：将接下来的一段文字进行分类，判定其属于积极、中性、消极，从给定的选项中进行选择。【待分类文字】【积极】【中性】【消极】

第十二章 解释性柔性提示词

通过提供给模型一些规范性的输入，并且针对输出提出额外的要求。这项技术适用于一些更具解释性、可控的文字输出。

• 文字生成

  • 任务：生成一段故事
  • 介绍：故事应该以xx为主题，同时包含xx人物
  • 提示词公式： 针对【主题】，生成一段故事，包含【xx人物】

• 语言模型

  • 任务： 生成一段特定风格的文字
  • 介绍：文字应该属于某一个特定历史时期的风格
  • 提示词公式：生成一段【特定时期风格】的文字，接下来是【主题上下文】

第十三章 可控的生成提示词

可控生成提示词指的是，生成一段高度定制的输出。

• 文字生成

  • 任务：生成一段故事
  • 介绍：以特定的模版来生成故事
  • 提示词公式： 生成一段故事，以给定的模版：【模板】

• 文字填充

  • 任务：补全句子
  • 介绍：补全的内容应该使用指定的词汇
  • 提示词公式：补全后面的句子，使用指定的词汇：【指定的词汇】【待补全的句子】

第十四章 问答形式的提示词

问答形式的提示词指的是，让模型针对特定的问题或者任务生成文字。通过给模型提供一个问题或者任务作为输入，同时附加一些和问题或者任务相关的额外信息。

• 真实的问答
  • 任务：回答一个真实性问题
  • 介绍：答案应该是准确且切题的
  • 提示词公式：请回答真实性问题：【给出问题】
• 定义/释义
  • 任务：给出一个单词的解释
  • 介绍：解释应该是精确的
  • 提示词公式：解释单词：【单词】
• 信息检索
  • 任务：从给定的源中检索信息
  • 介绍：检索出的信息应该是切题的
  • 提示词公式：从【信息源】中对【主题】进行信息检索

第十五章 总结性的提示词

总结性提示词指的是让模型对于给定的文字生成简短的总结，并保留其主要信息和观点。
需要告知模型生成对话的总结，以及对于总结文字的要求，譬如长度、或者特殊需求和约束。

• 论文总结
  • 任务：生成一段论文总结
  • 介绍：针对文章主要观点进行简短综述
  • 提示词公式：用一句话总结文章：【指定论文】
• 会议总结
  • 任务：总结一份会议记录
  • 介绍：总结应该强调会议中的主要决定和计划
  • 提示词公式：对该会议记录【会议记录】进行总结，列出主要的决定和计划

第十六章 对白的提示词

对白提示词指的是，让模型生成一段对话，对话者可能是2个或者多个，可以指定对话者的性格和背景。

• 对话生成
  • 任务：生成一段两个人之间的对话
  • 介绍：对话内容应该是自然且切题的
  • 提示词公式：生成一段对话，对话者如下【对话者】，对话的主题为【对话主题】
• 编写故事
  • 任务：生成一段故事中的对话
  • 介绍：对话的内容应该保留故事事件和故事人物的一致性
  • 提示词公式：根据故事【故事】，生成【几个人物】之间的对话
• 聊天机器人开发
  • 任务：生成一段客户服务机器人的对话
  • 介绍：对话内容应该专业且精确
  • 提示词公式：为客服机器人生成一段专业且精确的对话，当客户询问【主题】相关问题的时候

第十七章 对抗性的提示词

对抗性提示词指的是，让模型生成一段文字，能够抵抗特定类型的攻击或者偏差。

• 针对文字分类的对抗性提示词

  • 任务：生成一段文字，该段文字可以被分类为指定标签
  • 介绍：生成的文字应该很难被分类到指定标签
  • 提示词公式：生成一段很难被归类到[文字标签]的文字

• 针对情绪分析的对抗性提示词

  • 任务：生成一段很难被归类到指定情绪标签的文字
  • 介绍：生成的文字应该很难被归类到指定的情绪分类
  • 提示词公式：生成一段很难被归类到【指定情绪】的文字

• 对抗语言翻译的对抗性提示词

  • 任务：生成一段很难被翻译的文字
  • 介绍：生成的文字应该很难被翻译到目标语言
  • 提示词公式：生成一段很难被翻译为[目标语言]的文字

第十八章 分类归并的提示词

分类归并提示词指的是，让模型根据特定的特点或者功能对数据进行分组。
给模型提供待分组的数据集，要求模型根据指定的特点或者功能对数据进行分组。提示词应该同时包含需要的输出，譬如分组的数量或者其他的特定要求或者约束。

• 用户评价分类
  • 任务：将类似的评价分在一组
  • 介绍：按照情绪特性对评价进行分组
  • 提示词公式：按照情绪特性【特定的情绪，正向/负向】对用户评价进行分组
• 对新闻消息进行分组
  • 任务：将类似的新闻消息分在一组
  • 介绍：按照主题进行分组
  • 提示词公式：将这些新闻消息【新闻消息】根据主题进行分组
• 对科技论文进行分组
  • 任务：将类似的科技论文分在一组
  • 介绍：按照研究领域进行分组
  • 提示词公式：将这些科技论文[科技论文内容]根据研究领域进行分组

第十九章 强化学习的提示词

强化学习指的是模型可以从之前的行为中进行学习并提升能力。
为了利用chatgpt的强化学习能力，应该向模型提供一系列的输入和奖励反馈，并根据反馈来调整其行为。强化学习能力特别适用于决策制定，玩游戏以及自然语言生成。

• 强化学习用于文字生成
  • 任务：生成一段文字，维持特定的风格
  • 介绍：模型应该根据其收到的反馈调整其行为，保证生成的文字属于前后一致的风格
  • 提示词公式：通过强化学习来生成文字，保证生成的文字属于前后一致的【指定风格】
• 强化学习用于语言翻译
  • 任务：将文字从一种语言翻译为另一种语言
  • 介绍：模型应该根据其收到的反馈调整其翻译行为
  • 提示词公式：使用强化学习将【文字】从【语言1】翻译为【语言2】
• 强化学习用于问答
  • 任务：针对问题生成答案
  • 介绍：模型应该根据其收到的反馈调整其行为来生成更精确的答案
  • 提示词公式：使用强化学习来生成问题【问题】的答案

第二十章 课程学习提示词

课程学习指的是让模型先学习简单的任务，逐步提升难度，最终学习复杂的任务。这项技术特殊适合于自然语言处理，图像识别，机器学习。

• 课程学习用于文字生成
  • 任务：生成一段指定风格的文字
  • 介绍：模型应该从简单的风格开始学习，直至复杂的风格
  • 提示词公式：通过课程学习来生成前后风格一致的文字，指定的风格【风格1 风格2】，按照风格索引顺序进行学习

第二十一章 文本情绪分析提示词

文本情绪分析指的是模型可以识别出一段文字的感情强调，譬如是积极的、消极的或者是不带任何感情色彩的。

• 对用户评论进行感情色彩分析
  • 任务：确定用户评论的感情色彩
  • 介绍：模型应该分别出用户评论的感情色彩，是积极、消极还是中性的
  • 提示词公式：对这些用户评论【用户的具体评论】进行情感分析，并归类到积极、消极或者中性

第二十二章 命名实体识别提示词

命名实体识别指的是让模型将一段文字中的实体进行区分、分类，譬如确定文字中是否包含人、组织、地理位置、日期等。

• 对新闻进行命名实体识别
  • 任务：确定区分新闻中的命名实体
  • 介绍：模型应该分别出新闻中是否包含人、组织、地理位置、日期等
  • 提示词公式：对该段法律文书进行命名实体识别，提取出人物、组织、地理位置、日期等
• 对研究论文进行命名实体识别
  • 任务：确定区分研究论文中的命名实体
  • 介绍：模型应该分别出研究论文中是否包含人、组织、地理位置、日期等
  • 提示词公式：对该段研究论文进行命名实体识别，提取出人物、组织、地理位置、日期等

第二十三章 文字分类提示词

文字识别指的是让模型对文字进行分类。这项技术对于自然语言处理，文字分析，情绪分析很有用。
当使用模型对文字进行分类时，需要输入待分类的文字，以及预定义的分类和标签。

• 对用户评论进行文字识别

  • 任务：将用户评论进行分类，归类到电子产品、服饰、家具产品三大类中
  • 介绍：模型应该根据评论内容进行分类
  • 提示词公式：将如下用户评论【插入用户评论】归类到不同类别中，譬如电子产品、服饰、家具产品等。

• 对新闻进行文字识别

  • 任务：将新闻进行分类到不同类别中，譬如体育新闻、政治、娱乐
  • 介绍：模型应该根据新闻内容进行分类
  • 提示词公式：将如下新闻【插入新闻内容】进行分类，归类到体育、娱乐、政治等类别中

• 对邮件进行文字识别

  • 任务：将邮件进行分类到不同类别中，譬如垃圾邮件、重要、紧急
  • 介绍：模型应该根据邮件内容和发送人进行分类
  • 提示词公式：根据邮件内容和发送人，将如下邮件【插入邮件内容】进行分类，归类到垃圾邮件、重要、紧急等类别中

第二十四章 文字生成提示词

文字生成提示词和其他的几种提示词公式有一定的相关性。

• 文字生成用于写故事

  • 任务：根据给定的提示词写一个故事
  • 介绍：故事至少包含1000个词以及指定的人物集合和情节
  • 提示词公式：基于给定提示【插入提示词】生成一段至少1000个字的故事，故事需要包含如下人物【插入人物】，以及如下情节【插入指定情节】

• 文字生成用于翻译

  • 任务：将给定文字翻译为另一种语言
  • 介绍：翻译结果应该是精确的且自然地道的
  • 提示词公式： 将如下一段文字【插入待翻译文字】翻译成【指定语言】，确保翻译结果是正确且地道的

• 文字生成用于文字填充

  • 任务：填充给定的文字
  • 介绍：生成的文字应该是有条理的且前后一致的
  • 提示词：对如下文字【插入待填充的文字】进行填充，并确保填充的文字是有条理且前后一致的