ChatGPT 进阶1- 提示工程简介_chatgpt 提示工程

ChatGPT 是一个基于 OpenAI 的大型语言模型，采用GPT-4（Generative Pre-trained Transformer 4）架构。GPT-4 是继 GPT-3 之后的一个更先进的自然语言处理模型，它在许多任务中表现出更高的性能和能力。

ChatGPT 有很多应用场景，主要包括：文本生成、问答系统、智能对话、文本摘要、语言翻译、语法纠错、情感分析、自然语言推理、数据抽取和文本分类等。

尽管 ChatGPT 在许多任务上表现出惊人的性能，但它仍然有局限性。例如，它可能在某些情况下提供不准确或不恰当的答案，因此在关键决策时需要谨慎使用。此外，它可能会生成具有偏见的内容，因为它的训练数据可能包含了来自互联网的偏见。因此，为了提高 AI 模型产生的答案的准确性，就有了提示工程。

提示工程（Prompt Engineering）是指优化和设计输入提示，以便更好地引导 AI 模型（如ChatGPT）生成期望的输出。这是与 AI 模型交互的一种关键技巧，可以提高模型在特定任务上的性能。

在提示工程中，prompt（提示）是指向 AI 模型（如 ChatGPT）提出的问题或指令。提示是与 AI 模型进行交互的关键部分，因为它决定了模型生成的回答或输出。设计一个高质量的提示可以使模型更准确地理解您的需求，并提供更满意的答案。

接下来简单介绍如何在和 ChatGPT 的对话中使用提示工程，编写好的 prompt。

一、prompt 框架

1. Basic Prompt Framework

一个 prompt 里需包含以下几个元素：

(1) Instruction（必须）： 指令，即希望 ChatGPT 执行的具体任务。

(2) Context（选填）： 背景信息，或者说是上下文信息，这可以引导 ChatGPT 做出更好的反应。

(3) Input Data（选填）： 输入数据，告知 ChatGPT 需要处理的数据。

(4) Output Indicator（选填）： 输出指示器，告知 ChatGPT 我们要输出的类型或格式。

按照这个框架写 prompt ，ChatGPT 返回的结果都不会差。

当然，在写 prompt 的时候，并不一定要包含所有4个元素，而是可以根据自己的需求排列组合。

2. CRISPE Prompt Framework

这个框架更加复杂，但完备性会比较高，比较适合用于编写 prompt 模板。CRISPE 分别代表以下含义：

(1) CR： Capacity and Role（能力与角色）。即希望 ChatGPT 扮演怎样的角色。

(2) I： Insight（洞察力），背景信息和上下文。

(3) S： Statement（指令），即希望 ChatGPT 做什么。

(4) P： Personality（个性），即希望 ChatGPT 以什么风格或方式回答。

(5) E： Experiment（尝试），要求 ChatGPT 提供多个答案。

以下是这几个参数的例子：

翻译过来如下：

把你想象成机器学习框架主题的软件开发专家，以及专业博客作者。这个博客的读者主要是有兴趣了解机器学习最新进展技术的专业人士。提供最流行的机器学习框架的全面概述，包括它们的优点和缺点。包括现实生活中的例子，和研究案例，以说明这些框架如何在各个行业中成功地被使用。在回应时，混合使用 Andrej Karpathy、Francois Chollet、Jeremy Howard 和 Yann LeCun 的写作风格。给我多个不同的例子。

演示：

二、提问技巧

一般使用英文作为 prompt，我们可以在指令后面加上 Please answer in Chinese. 来让 ChatGPT 用中文来回答。

1. 告诉 ChatGPT 什么能做（To Do）和什么不能做（Not To Do）

在问答场景里，为了让 ChatGTP 回答更加准确，一般会在问题里加条件。比如让 ChatGTP 推荐一部电影 Recommend a movie to me 。但这个 prompt 太空泛了，ChatGTP 无法直接回答，接着它会问我们想要什么类型的电影，但这样就需要跟 ChatGTP 聊很多轮，效率比较低。

所以，为了提高效率，一般会在 prompt 里看到类似这样的话（意思是不要询问我对什么感兴趣，或者问我的个人信息）：

DO NOT ASK FOR INTERESTS. DO NOT ASK FOR PERSONAL INFORMATION.

与其告知 ChatGPT 不能做什么，不妨告诉 ChatGPT 能做什么。

虽然现在最新的 ChatGPT 已经理解什么是 Not Todo ，但如果想要的是明确的答案，加入更多限定词，告知 ChatGPT 能干什么，回答的效率会更高，且预期会更明确。还是电影推荐这个案例，可以加入一个限定词：Recommend a movie from the top global trending movies to me.

当然并不是 Not Todo 就不能用，如果：

(1) 已经告知 ChatGPT 很明确的点，然后想缩小范围，那增加一些 Not Todo 会提高不少效率。

(2) 是在做一些探索，比如不知道如何做精准限定，只知道不要什么。那可以先加入 Not Todo ，让 ChatGTP 先发散给答案，当探索完成后，再去优化 prompt。

以下是一些场景案例：

2. 增加示例

直接告知 ChatGTP 什么能做，什么不能做外。在某些场景下，我们能比较简单地向 ChatGTP 描述出什么能做，什么不能做。但有些场景，有些需求很难通过文字指令传递给 ChatGTP ，即使描述出来了，ChatGTP 也不能很好地理解。

以下是一些场景案例：