ChatGPT⼊门到精通(6):ChatGPT 提问设计_零基础精通chatgpt魔法6讲

前⾔

学会提问就是为了让AI给出⾼质量的答案。
你所学到的技能⼀切为了⽣成⾼质量的答案。
本教程适合：普通ChatGPT的⽤户、专业prompt⼯程师
你将收获：prompt 技巧的全⾯指导 、prompt⼯程师必备技能、prompt技术⼯程⾼质量答
案完全指南
提⽰词 = Prompt
我们将探讨如何使⽤不同的 Prompt 技巧来实现不同的⽬标。
我们将探讨如何使⽤不同的 Prompt 技巧来实现不同的⽬标。
ChatGPT 是⼀种先进的语⾔模型，能够⽣成类似⼈类的⽂本。然⽽，了解正确的提问⽅
式以获取我们所需的⾼质量输出⾮常重要。 这就是咒语师写该⽂章的⽬的，⽆论您是普
通⼈、研究⼈员、开发⼈员，还是想将 ChatGPT 作为您领域的个⼈助⼿的⼈，本教程都
⾮常适合你。
本教程使⽤简单的语⾔和实⽤的解释，结合每种 Prompt 技巧的⽰例和 Prompt 公式。 通
过教程，您将学习如何使⽤ Prompt技巧控制 ChatGPT 的输 出，⽣成符合您特定需求的
⽂本。
在本教程中，我还提供了如何结合不同的 Prompt 技术来实现更具体⽬标的⽰例。

第1节：什么是 Prompt⼯程

Prompt ⼯程是创建 Prompt、提问或指导像 ChatGPT 这样的语⾔模型输出的过程。 它
允许⽤户控制模型的输出，⽣成符合其特定需求的⽂本。
ChatGPT 是⼀种先进的语⾔模型，能够⽣成类似⼈类的⽂本。它建⽴在 Transformer 架
构之上，可以处理⼤量数据并⽣成⾼质量的⽂本。 但是，为了 从 ChatGPT 获得最佳结
果，了解如何正确引导模型是⾮常重要的。
通过引导模型，⽤户可以控制模型的输出，⽣成相关、准确且⾼质量的⽂本。 在 使⽤
ChatGPT 时，了解其能⼒和限制⾮常重要。 该模型能够⽣成类似⼈类 的⽂本，但如果没
有适当的引导，可能⽆法始终产⽣所 需的输出。
这就是 Prompt ⼯程的作⽤，通过提供清晰和具体的指令，您可以引导模型的 输 出，确
保其相关性。
Prompt 公式是 Prompt 的特定格式，通常由三个主要元素组成: 任务:明确⽽ 简洁地陈述
Prompt 要求模型⽣成的内容。
指令:模型在⽣成⽂本时应遵循的指令。 ⾓⾊:模型在⽣成⽂本时应扮演的⾓ ⾊。
在本书中，我们将探讨可⽤于 ChatGPT 的各种 Prompt ⼯程技术。我们将讨论 不 同类
型的 Prompt，以及如何使⽤它们来实现您想要的特定⽬标。

第2节：指令 Prompt

现在，让我们开始探索“指令 Prompt ”，以及如何使⽤它从 ChatGPT 中 ⽣ 成⾼质量的⽂
本。
指令 Prompt 技术是⼀种通过提供特定指令来引导 ChatGPT 输出的⽅法。该技 术 对确
保输出相关和⾼质量⾮常有⽤。
要使⽤指令 Prompt 技术，您需要为模型提供明确⽽简明的任务，以及模型要 遵 循的具
体指令。 例如，如果您正在⽣成客户服务响应，则可以提供“⽣成 响应客户查询”的任
务， 并提供“响应应该专业并提供准确信息”的指令。
Prompt 公式:“按照以下指⽰⽣成[任务]:[指⽰]”
⽰例: ⽣成客户服务响应
任务:⽣成响应客户查询
指令:响应应该专业并提供准确信息
Prompt :“按照以下指⽰⽣成专业且准确的响应客户查询:响应应该专业 并提供准确信息。”
⽣成法律⽂件:
任务:⽣成法律⽂件
指令:⽂件应符合相关法律法规
Prompt :“按照以下指⽰⽣成符合相关法律法规的法律⽂件:⽂件应符合 相关法律法规。”
在使⽤指令 Prompt 时，重要的是要牢记指令应明确具体。这将有助于确保输出相关且⾼
质量。指令 Prompt 可以与下⼀章中解释的“⾓⾊ Prompt”和 “种⼦词 Prompt”结合使⽤，
以增强 ChatGPT 的输出。

第3节：⾓⾊prompt

⾓⾊ Prompt 技术是⼀种通过指定模型要扮演的特定⾓⾊来引导 ChatGPT 输出 的 ⽅
法。该技术对⽣成针对特定上下⽂或受众量⾝定制的⽂本⾮常有⽤。 要 使⽤⾓⾊
Prompt 技术，您需要为模型提供明确⽽特定的⾓⾊。例如，如果您 正在⽣成客户服务响
应，则可以提供“客户服务代表”等⾓⾊。
Prompt 公式:“以[⾓⾊]⾝份⽣成[任务]”
⽰例: ⽣成客户服务响应
任务:⽣成响应客户查询
⾓⾊:客户服务代表
Prompt :“以客户服务代表的⾝份⽣成响应客户查询。” ⽣成法律⽂件: 任务:⽣成法律⽂件
⾓⾊:律师
Prompt :“以律师的⾝份⽣成法律⽂件。”
将⾓⾊ Prompt 与指令 Prompt 和种⼦词 Prompt 结合使⽤可以 增强 ChatGPT 的输出。
以下是指令 Prompt 、⾓⾊ Prompt 和种⼦词 Prompt 如何结合 使⽤的⽰例:
任务:为新款智能⼿机⽣成产品描述
指令:描述应具有信息量、说服⼒，突出智 能⼿机的独特特点
⾓⾊:营销代表
种⼦词: “创新的”
Prompt :“以营销代表的⾝份，⽣成⼀个具有信息量、说服⼒的产品描 述， 突出新款智能
⼿机的创新特点。
智能⼿机具有以下特点[插⼊您的特点]” 在这个例⼦中，指令 Prompt 技术⽤于确保产品描
述具有信息量和说服⼒。⾓ ⾊ Prompt 技术⽤于确保描述从营销代表的⾓度撰写。种⼦
词 Prompt 技术⽤ 于确保 描述聚焦于智能⼿机的创新特点。

第4节：标准prompt

标准 Prompt 是⼀种通过提供模型要完成的特定任务来引导 ChatGPT 输出的简 单 ⽅
法。例如，如果您想⽣成新闻⽂章摘要，则可以提供“总结此新闻⽂章” 等任 务
Prompt 公式:“⽣成⼀个[任务]”
⽰例:
⽣成新闻⽂章摘要
任务:总结此新闻⽂章
Prompt :“⽣成此新闻⽂章的摘要”
⽣成产品评论
任务:写⼀篇新智能⼿机的评论
Prompt :“⽣成⼀篇新智能⼿机的评论”
此外，标准 Prompt 可以与其他技术结合使⽤，如⾓⾊ Prompt 和种⼦词 Prompt， 以增
强 ChatGPT 的输出。
以下是标准 Prompt 技术、⾓⾊ Prompt 技术和种⼦词 Prompt 技术如何结合 使⽤ 的⽰
例:
任务:为新款笔记本电脑⽣成产品评论 指令:评论应客观、具有信息量，突出笔 记本电脑
的独特特点
⾓⾊:技术专家
种⼦词:“强⼤的”
Prompt :“以技术专家的⾝份，⽣成⼀个客观、具有信息量的产品评论， 突出新款笔记本
电脑的强⼤特点。”
在这个例⼦中，标准 Prompt ⽤于确保模型⽣成产品评论。⾓⾊ Prompt ⽤于确保评论从
技术专家的⾓度撰写。种⼦词 Prompt ⽤于确保评论 聚焦于 笔记本电脑的强⼤特点。

第5节：零样本、⼀样本、少样本

零样本、⼀样本、少样本 Prompting 是⼀种使⽤ ChatGPT ⽣成⽂本的技术， 可以 最⼩
化或不使⽤⽰例。当特定任务的数据有限或任务是新的且未被明确定 义时， 这些技术⾮
常有⽤。
零样本 Prompting ：⽤于任务没有可⽤的样例时。将通⽤任务提供给模型， 它根据对任
务的理解⽣成⽂本。
⼀样本 Prompting ：⽤于只有⼀个样例可⽤的任务。将样例提供给模型，它根据对样例
的理解⽣成⽂本。
少样本 Prompting ：⽤于任务有限数量的样例可⽤。将样例提供给模型，它根据对这些
样例的理解⽣成⽂本。
Prompt 公式:“根据[数量]个样例⽣成⽂本
例如: 对于没有可⽤样例的新产品，⽣成⼀个产品描述:
任务:为新智能⼿表撰写产品描述
Prompt :“对于这个新智能⼿表，零样例⽣成产品描述” 使⽤⼀个可⽤样例⽐较新智能⼿机
和最新款的 iPhone:
任务:⽐较⼀款新智能⼿机和最新款的 iPhone
Prompt :“使⽤⼀个样例(最新款 iPhone)对这个新智能⼿机进⾏产品⽐较”
对于少量可⽤的样例，⽣成⼀篇产品评论:
任务:撰写⼀篇新电⼦阅读器的评论
Prompt:“对于这个新电⼦阅读器，使⽤少数样例(另外三款电⼦阅读器) ⽣成评论”
这些技术可⽤于根据模型对任务或提供的样例的理解⽣成⽂本。

第6节：“让我们思考⼀下”

“让我们思考 ⼀下”prompt是⼀种⽤来⿎励 ChatGPT ⽣成反思和沉思性⽂本的技巧。
该技巧对于写作论⽂、诗歌或创意写作等任务⾮常有⽤。
“让我们思考⼀下”prompt的公式很简单，就是先说“让我们思考⼀下”，然后再加上⼀个主
题或问题。
例如:
⽣成⼀篇反思性⽂章:
任务:写⼀篇有关个⼈成⻓的反思性⽂章
Prompt:“让我们思考⼀下:个⼈成⻓”
⽣成⼀⾸诗:
任务:写⼀⾸有关季节变化的诗
Prompt:“让我们思考⼀下:季节变化”
这种prompt要求进⾏关于特定主题或想法的对话或讨论。说话者邀请 ChatGPT 参 与 有
关所讨论的主题的对话。
模型会提供⼀个prompt，作为对话或⽂本⽣成的起点。模型会利⽤其训练数据和算法⽣
成与prompt相关的响应。这种技巧可以让 ChatGPT 根据所提供的prompt⽣ 成上下⽂适
当且连贯的⽂本。
要使⽤“让我们思考⼀下”prompt技巧与 ChatGPT 进⾏对话或⽂本⽣成，您可以 按 照以
下步骤进⾏:
确定要讨论的主题或想法。 制定⼀个明确表明主题或想法并开始对话或⽂本⽣成的
prompt。 在prompt前加上“让我们思考”或“让我们讨论”，表⽰您正在发起对话或讨论。
以下是使⽤此技巧的⼀些prompt⽰例:
Prompt:“让我们思考⽓候变化对农业的影响”
Prompt:“让我们讨论⼈⼯智能的现状”
Prompt:“让我们谈谈远程⼯作的利弊” 您还可以添加⼀个开放式的问题、陈述或⼀段⽂
本，希望模型继续或扩展。
⼀旦您提供了Prompt，模型将使⽤其训练数据和算法⽣成与Prompt相关的响应，并以连
贯的⽅式继续对话。
这种独特的prompt帮助 ChatGPT 从不同的⾓度和⾓度回答问题，从⽽产⽣更动态和信息
丰富的段落。
使⽤此Prompt的步骤简单易⾏，并且真正可以改变您的写作⽅式。不妨尝试⼀下，
看看效果如何。

第7节：⾃⼀致性prompt

⾃⼀致性prompt是⼀种⽤于确保 ChatGPT 的输出与所提供的输⼊⼀致的技巧。这 种技
巧对于事实核实、数据验证或⽂本⽣成中的⼀致性检查等任务⾮常有⽤。
⾃⼀致性prompt的prompt公式是输⼊⽂本后跟指令“请确保以下⽂本⾃我⼀致”。 或 者，
也可以prompt模型⽣成与所提供的输⼊⼀致的⽂本。
以下是⼏个prompt⽰例及其公式:
⽰例 1:⽂本⽣成
任务:⽣成产品评论
说明:评论应与输⼊中提供的产品信息⼀致
prompt公式:“⽣成⼀篇与以下产品信 息⼀致的产品评论[插⼊产品信息]”
⽰例 2:⽂本摘要
任务:总结⼀篇新闻⽂章
说明:摘要应与⽂章中提供的信息⼀致
prompt:“以与以下提供的信息⼀致的⽅式总结以下新闻⽂章[插⼊新闻⽂ 章]”
⽰例 3:⽂本完成
任务:完成⼀个句⼦
说明:完成应与输⼊中提供的上下⽂⼀致
prompt:“以与所提供的上下⽂⼀致 的⽅式完成以下句⼦[插⼊句⼦]”
⽰例 4:
事实核查:
任务:检查给定新闻⽂章中的⼀致性
输⼊⽂本:“⽂章中提到该城市的⼈⼝为 500 万，但后来它说该城市的⼈⼝为 700 万。”
prompt:“请确保以下⽂本⾃我⼀致:⽂章中提到该城市的⼈⼝为 500 万，但 后来它说该城
市的⼈⼝为 700 万。”
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 ⽉份的平均温度为 30 度，但最低温度记录为 20 度。”
prompt:“请确保以下⽂本⾃我⼀致:数据显⽰ 7 ⽉份的平均温度为 30 度， 但最低温度记
录为 20 度。”
种⼦词prompt
种⼦词prompt是⼀种通过提供特定的种⼦词或短语来控制 ChatGPT 输出的技巧。 种⼦
词prompt的prompt公式是种⼦词或短语，后跟指令“请根据以下种⼦词⽣成⽂ 本”。 以下
是⼏个⽰例及其公式:
⽰例 1:⽂本⽣成 任务:⽣成⼀篇关于⻰的故事 种⼦词:“⻰”
prompt:“请根据以下种⼦词⽣成⽂本:⻰”
⽰例 2:语⾔翻译 任务:将英语句⼦翻译成⻄班⽛语 种⼦词:“你好”
prompt:“请根据以下种⼦词⽣成⽂本:你好”
这种技巧允许模型⽣成与种⼦词相关并扩展的⽂本。这是⼀种控制模型⽣成的⽂
本与特定主题或上下⽂相关的⽅法。种⼦词prompt可以与⾓⾊prompt和指令prompt相结
合，以创建更具体和有针对性的⽣ 成 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，并通过提供有关所需输出和⾓⾊的信息，模型可以以与⾓⾊
或指令⼀致的 特定⻛格 或语⽓⽣成⽂本。这可以更好地控制⽣成的⽂本，并可⽤各种应
⽤。
以下是⼏个⽰例及其公式:
⽰例 1:⽂本⽣成
任务:⽣成⼀⾸诗 说明:这⾸诗应与种⼦词“爱”相关，并以⼗四⾏诗的形式写 成。
⾓⾊:诗⼈
prompt:“作为诗⼈，请根据以下种⼦词“爱”⽣成⼀⾸⼗ 四⾏诗” 。
⽰例 2:⽂本完成
任务:完成⼀个句⼦ 说明:完成应与种⼦词“科学”相关，并以研究论⽂的形式 编写。
⾓⾊:研究⼈员
prompt:“作为研究⼈员，请以与种⼦词“科学”相关并以研究论⽂的形式编写的⽅式完成以
下句⼦:[插⼊句⼦]” 。
⽰例 3:⽂本摘要
任务:总结⼀篇新闻⽂章
说明:摘要应与种⼦词“政治”相关，并以中⽴和公正的语⽓编写。
⾓⾊:记者
prompt:“作为记者，请以中⽴和公正的语⽓根据 以下种⼦词“政治”总结以 下新闻⽂章:[插
⼊新闻⽂章]” 。
第8节：知识⽣成prompt
知识⽣成prompt是⼀种从 ChatGPT 中引发新的和原始信息的技术。
知识⽣成prompt的prompt公式是“请⽣成关于 X 的新的和原始的信息”，其中 X 是感兴趣
的主题。
这是⼀种利⽤模型的预先存在的知识来⽣成新的信息或回答问题的技术。
要在 ChatGPT 中使⽤此prompt，应将问题或主题作为输⼊提供给模型，并提供⼀ 个
prompt，指定⽣成⽂本的任务或⽬标。prompt应包括有关所需输出的信息，例如 要⽣ 成
的⽂本类型以及任何特定要求或限制。
以下是⼏个⽰例及其公式:
⽰例 1:知识⽣成
任务:⽣成关于特定主题的新信息 说明:⽣成的信息应准确且与主题相关
prompt:“请⽣成关于[特定主题]的新的准确信息”
⽰例 2:问题回答
任务:回答⼀个问题 说明:答案应准确且与问题相关
prompt:“回答以下问 题:[插⼊问题]”
⽰例 3:知识整合
任务:将新信息与现有知识整合
说明:整合应准确且与主题相关
prompt:“将以下信息与有关[特定主题]的现 有知识整合:[插⼊新信息]”

⽰例 4:数据分析:
任务:从给定的数据集中⽣成有关客户⾏为的⻅解
prompt:“请从此数据集中⽣成关于客户⾏为的新的和原始的信息”

第9节：知识整合prompt

这种技术利⽤模型的预先存在的知识来整合新信息或连接不同的信息。 这种技 术有助于
将现有知识与新信息相结合，⽣成对特定主题更全⾯的理解。 如何与 ChatGPT ⼀起使
⽤:
应将新信息和现有知识作为输⼊提供给模型，并提供⼀个prompt，指定⽣成⽂本 的 任务
或⽬标。prompt应包括有关所需输出的信息，例如要⽣成的⽂本类型以及 任何 特定要求
或限制。
以下是⼏个⽰例及其公式:
⽰例 1:知识整合
任务:将新信息与现有知识整合
说明:整合应准确且与主题相关
prompt:“将以下信息与有关[特定主题]的现 有知识整合:[插⼊新信息]”
⽰例 2:连接信息
任务:连接不同的信息
说明:连接应相关和逻辑
prompt:“以相关和逻辑的⽅式连接以下信息:[插⼊ 信息 1] [插⼊信息 2]”
⽰例 3:更新现有知识
任务:使⽤新信息更新现有知识
说明:更新的信息应准确且相关
prompt:“使⽤以下信息更新有关[特定主题] 的现有知识:[插⼊新信息]”
多项选择prompt
这种技术将问题或任务和⼀组预 定义的选项作为潜在答案呈现给模型。
这种技术对于⽣成限定于特定选项集的⽂本⾮常有⽤，可⽤于问答、⽂本补全 和 其他任
务。模型可以⽣成限定于预定义选项的⽂本。
要与 ChatGPT ⼀起使⽤多项选择prompt，应将问题或任务作为输⼊提供给模型， 以 及
⼀组预定义的选项作为潜在答案。prompt还应包括有关所需输出的信息，例如要⽣成的
⽂本类型以及任何特定要求或限制。

以下是⼏个⽰例及其公式:
⽰例 1:问答
任务:回答多项选择问题
说明:答案应是预定义选项之⼀
prompt公式:“通过选择以下选项之⼀回答以下问 题:[插⼊问题] [插⼊选项 1] [插 ⼊选项 2]
[插⼊选项 3]”
⽰例 2:⽂本补全
任务:⽤预定义选项之⼀完成句⼦
说明:完成应是预定义选项之⼀
prompt:“通过选择以下选项之⼀来完成以下 句⼦:[插⼊句⼦] [插⼊选项 1] [插 ⼊选项 2]
[插⼊选项 3]”
⽰例 3:情感分析
任务:将⽂本分类为积极的、中性的或消极的
说明:分类应是预定义选项之⼀
prompt:“通过选择以下选项之⼀将以下⽂本 分类为积极的、中性的或消极的: [插⼊⽂本]
[积极] [中性] [消极]”

第10节：“可解释性软prompt”

可解释性软prompt是⼀种技术，它允许在提供更多的灵活性的同时控制模型⽣成 的 ⽂
本。这是通过向模型提供⼀组受控输⼊以及关于所需输出的其他信息来完 成的。 该技术
可提供更可解释性和可控的⽣成⽂本。
prompt⽰例及其公式:
⽰例 1:⽂本⽣成
任务:⽣成⼀篇故事
说明:故事应基于给定的⾓⾊和特定主题
prompt:“基于以下⾓⾊⽣成故 事:[插⼊⾓⾊]和主题:[插⼊主题]”
⽰例 2:⽂本完成
任务:完成⼀个句⼦
说明:完成应符合特定作者的⻛格
prompt:“以[特定作者]的⻛格完成以下句 ⼦:[插⼊句⼦]”
⽰例 3:语⾔建模
任务:以特定⻛格⽣成⽂本 说明:⽂本应符合特定时期的⻛格
prompt:“以 [特定时期]的⻛格⽣成⽂本:[插⼊上下⽂]”
要使⽤ ChatGPT 的可解释性软prompt技术，您需要识别任务，在prompt公式中提供 受
控输⼊和有关所需输出的其他信息。该技术可提供更多的控制和准确性，适 ⽤于 各种应
⽤程序。

第11节：控制⽣成prompt

控制⽣成prompt是⼀种技术，它允许在⽣成⽂本时对输出进⾏⾼度控制。 这是通 过向模
型提供特定的输⼊，例如模板、特定的词汇表或⼀组限制条件，以 指导 ⽣成过程⽽实现
的。
以下是⼀些prompt⽰例及其公式:
⽰例 1:⽂本⽣成
任务:⽣成⼀个故事
说明:故事应基于特定的模板
prompt:“根据以下模板⽣成故事:[插⼊模 板]” ⽰例 2:⽂本完成
任务:完成⼀句话
说明:完成应使⽤特定的词汇表
prompt:“使⽤以下词汇表完成以下句⼦:[插 ⼊词汇表]:[插⼊句⼦]” ⽰例 3:语⾔建模
任务:以特定的⻛格⽣成⽂本
说明:⽂本应遵循特定的语法规则
prompt:“⽣成遵循以下语法规则的⽂ 本:[插⼊规则]:[插⼊内容]” 通过向模型提⼀组特定的
输⼊，这些输⼊可以 ⽤于指导⽣成过程，控制⽣成提 ⽰允许更可控且可预测的⽣成⽂本

第12节：问答prompt

问答prompt是⼀种技术，它允许模型⽣成回 答特定问题或任务的⽂本。这是通过向 模型
提供问题或任务作为输⼊以及与问题或任务相关的任何其他信息来实现的。
⼀些prompt⽰例及其公式如下:
⽰例 1:事实问答
任务:回答⼀个事实性问题 说明:答案应准确和相关
prompt:“回答以下事实 性问题:[插⼊问题]”
⽰例 2:定义
任务:提供⼀个词的定义 说明:定义应精确
prompt:“定义以下词语:[插⼊词 语]”
⽰例 3:信息检索
任务:从特定来源检索信息
说明:检索到的信息应相关
prompt:“从以下来源检索有关[特定主题]的信 息:[插⼊来源]”
这对于问答和信息检索等任务可能会有⽤。

第13节：概述prompt

概述prompt是⼀种技术，它允许模型⽣成给定⽂本的较短版本，同时 保 留其主要思想和
信息。这是通过向模型提供⼀个较⻓的⽂本作为 输⼊， 并要求它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: 应该向模型提供⼀个较⻓的⽂本作为输⼊，并要求它⽣成该⽂
本的 摘要。prompt还应包括有关所需输出的信息，例如摘要的期望⻓度和任 何 特定要求
或限制。
prompt⽰例及其公式如下:
⽰例 1:⽂章摘要
任务:概述新闻⽂章 说明:摘要应是⽂章主要要点的简要概述
prompt:“⽤⼀句话概述以下新闻⽂章:[插⼊⽂章]”
⽰例 2:会议记录
任务:概述会议记录
说明:摘要应突出会议的主要决定和⾏动
prompt:“通过列出会议
记录中所做的主要决策和⾏动，概述以下 会议记录:[插⼊记录]”
⽰例 3:书籍摘要
任务:概述⼀本书
说明:摘要应是书籍主要要点的简要概述
prompt:“⽤⼀段简短的 段落概述以下书籍:[插⼊书名]”

第14节：对话prompt

对话prompt是⼀种技术，它允许模型⽣成模拟两个或更多实体之间对 话 的⽂本。通过向
模型提供上下⽂和⼀组⾓⾊或实体，以及它们的 ⾓⾊ 和背景，并要求模型在它们之间⽣
成对话。
因此，应该向模型提供上下⽂和⼀组⾓⾊或实体，以及它们的⾓⾊ 和 背景。模型还应提
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。
prompt⽰例及其公式如下:
⽰例 1:对话⽣成
任务:⽣成两个⾓⾊之间的对话
说明:对话应⾃然且与给定上下⽂相 关
prompt:“在以下上下⽂中，⽣成以下⾓⾊之间的对话[插⼊⾓ ⾊]”
⽰例 2:故事编写
任务:在故事中⽣成对话
说明:对话应与故事的⼈物和事件⼀致
prompt公式:“在以下故事中， ⽣成以下⾓⾊之间的对话[插⼊故事]”
⽰例 3:聊天机器⼈开发
任务:为客服聊天机器⼈⽣成对话
说明:对话应专业，并提供准确的 信息
prompt:“当客户询问有关[插⼊主题]的信息时，为客户服务聊天机器⼈⽣成专业和准确的
对话”
因此，这种技术对于对话⽣成、故事编写和聊天机器⼈开发等任务 ⾮ 常有⽤。

第15节：对抗prompt

对抗prompt是⼀种技术，它允许模型⽣成对某些攻击或偏差具有抵抗 ⼒ 的⽂本。这种技
术可⽤于训练更强⼤和更具抵抗⼒的模型，以对 抗某 些类型的攻击或偏差。
要使⽤对抗prompt与 ChatGPT，应该向模型提供⼀种设计成难以⽣成 与 所需输出⼀致
⽂本的prompt。prompt还应包括有关所需输出的信息， 例如 要⽣成的⽂本类型以及任何
特定要求或限制。
prompt⽰例及其公式如下:
⽰例 1:⽂本分类的对抗
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
prompt:“⽣成难以分类 为[插⼊标签]的⽂本”
⽰例 2:情感分析的对抗
任务:⽣成难以被分类为特定情感的⽂ 本 说明:⽣成的⽂本应难以被分类为特定情感
prompt:“⽣成难 以分类为[插⼊情感]的⽂本”
⽰例 3:语⾔翻译的对抗
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
prompt:“⽣成难以翻译为[插⼊⽬ 标语⾔]的⽂本”
因此，这种技术可⽤于对抗攻击或偏差，包括⽂本分类、情感分析 和 语⾔翻译等任务。

第16节：聚类prompt ，它允许模型基于某些特

征将相似的数据点分组 在⼀起。
这是通过向模型提供⼀组数据点，并要求它基于某些特征将它们分 组 成簇来实现的。
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:
应该向模型提供⼀组数据点，并要求它基于某些特征将它们分组成 簇。 prompt还应包括
有关所需输出的信息，例如要⽣成的簇数以及任 何特定 要求或限制。
prompt⽰例及其公式如下:
⽰例 1:客户评论的聚类 任务:将相似的客户评论分组在⼀起
说明:评论应基于情感进⾏分组
prompt:“基于情感将以下客户评论分组成簇:[插⼊评论]”
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:⽂章应基于主题进⾏分组
prompt:“基于主题将以下新闻⽂章分组成簇:[插⼊⽂章]”
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
prompt:“基于研究领域将以下科学论⽂分组成簇:[插⼊论 ⽂]”
因此，这种技术可⽤于数据分析、机器学习和⾃然语⾔处理等任 务。

第17节：强化学习prompt

强化学习prompt是⼀种技术，它允许模型从其过去的⾏为中学习并随 着 时间的推移改善
其性能。要使⽤ ChatGPT 的强化学习prompt，应 该向模 型提供⼀组输⼊和奖励，并允
许它根据收到的奖励调整其⾏
为。prompt 还应包括有关所需输出的信息，例如要完成的任务以及任 何特定要求 或限
制。
这种技术对于决策制定、游戏玩法和⾃然语⾔⽣成等任务⾮常有 ⽤。
prompt⽰例及其公式如下:
⽰例 1:⽤于⽂本⽣成的强化学习 任务:⽣成与特定⻛格⼀致的⽂本
说明:模型应根据⽣成与特定⻛格⼀致的⽂本的奖励调整其⾏为
prompt:“使⽤强化学习⽣成与以下⻛格⼀致的⽂本 [插⼊⻛格]”
⽰例 2:⽤于语⾔翻译的强化学习
任务:将⽂本从⼀种语⾔翻译成另 ⼀种语⾔ 说明:模型应根据⽣成准确的翻译的奖励调整
其⾏为
prompt:“使⽤强化学习将以下⽂本 [插⼊⽂本] 从 [插⼊语⾔] 翻 译 成 [插⼊语⾔]”
⽰例 3:⽤于问答的强化学习
任务:回答⼀个问题 说明:模型应根据⽣成准确答案的奖励调整其⾏ 为
prompt:“使⽤强化学习⽣成以下问题的答案 [插⼊问题]”
因此，这种技术对于决策制定、游戏玩法和⾃然语⾔⽣成等任务⾮ 常 有⽤。

第18节：课程学习prompt ，它允许模型通过⾸

先在更简单的任务上进⾏训 练并逐渐增加难度
来学习复杂任务。
要使⽤ ChatGPT 的课程学习prompt，应该向模型提供⼀系列任务，这 些 任务逐渐增加
难度。prompt还应包括有关所需输出的信息，例如要 完成 的最终任务以及任何特定要求
或限制。
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。
prompt⽰例及其公式如下:
⽰例 1:⽤于⽂本⽣成的课程学习
任务:⽣成与特定⻛格⼀致的⽂本
说明:模型应先在更简单的⻛格上进⾏训练，然后逐步转移到更复杂 的⻛格上
prompt:“使⽤课程学习⽣成与以下⻛格⼀致的⽂本 [插⼊⻛格]， 按以下顺序 [插⼊顺序]”
⽰例 2:⽤于语⾔翻译的课程学习
任务:将⽂本从⼀种语⾔翻译成另 ⼀种语⾔
说明:模型应先在更简单的语⾔上进⾏训练，然后逐步转移到更复杂 的语⾔上
prompt:“使⽤课程学习将以下语⾔ [插⼊语⾔] 中的⽂本翻译成 [插⼊语⾔]，按以下顺序
[插⼊顺序]”
⽰例 3:⽤于问答的课程学习
任务:回答⼀个问题
说明:模型应先在更简单的问题上进⾏训练，然后逐步转移到更复杂 的问题上
prompt:“使⽤课程学习⽣成以下问题的答案 [插⼊问题]，按以下 顺序 [插⼊顺序]”
因此，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。

第19节：情感分析prompt ，它允许模型确定⼀

段⽂本的情感⾊彩或态度，
例如它是积极的、消极的还是中性的。
要使⽤ ChatGPT 的情感分析prompt，应向模型提供⼀段⽂本，并要求 其 根据其情感进
⾏分类。prompt还应包括有关所需输出的信息，例如 要检 测的情感类型(例如正⾯、负
⾯、中性)以及任何特定要求或限 制。
prompt⽰例及其公式如下:
⽰例 1:客户评论的情感分析
任务:确定客户评论的情感⾊彩
说明:模型应将评论分类为积极的、 消极的或中性的
prompt:“对以下客户评论 [插⼊评论] 进⾏情感 分析，并将它们分类为积极的、消极的或
中性的。”
⽰例 2:推⽂的情感分析
任务:确定推⽂的情感⾊彩
说明:模型应将推⽂分类为积极的、消极 的或中性的
prompt:“对以下推⽂ [插⼊推⽂] 进⾏情感分析，并将它们分类为积极的、消极的或中性
的。”
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的、 消极的或中性的
prompt:“对以下产品评论 [插⼊评论] 进⾏情感 分析，并将它们 分类为积极的、消极的或
中性的。”
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20节：命名实体识别prompt ，它允许模型在

⽂本中识别和分类命名实体，例如⼈物、组织机
构、地点和⽇期。
要使⽤ ChatGPT 进⾏命名实体识别prompt，模型应提供⼀段⽂本，并 要 求识别和分类
⽂本中的命名实体。prompt还应包括关于所需输出的 信息， 例如要识别的命名实体类型
(例如⼈物、组织机构、地点、 ⽇期)以 及任何特定的要求或约束。
prompt⽰例及其公式:
⽰例 1:新闻⽂章中的命名实体识别
任务:识别和分类新闻⽂章中的 命名实体
说明:模型应识别和分类⼈物、组织机构、地点和⽇期
prompt:“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、组织机构、地
点和⽇期。”
⽰例 2:法律⽂件中的命名实体识别
任务:识别和分类法律⽂件中的命名实体
说明:模型应识别和分类⼈物、组织机构、地点和⽇期
prompt:“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、组织机构、地
点和⽇期。”
⽰例 3:研究论⽂中的命名实体识别
任务:识别和分类研究论⽂中的 命名实体
说明:模型应识别和分类⼈物、组织机构、地点和⽇期
prompt:“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、组织机构、地
点和⽇期。”

第21节：⽂本分类prompt ，⼀种让模型将⽂本

分类到不同类别或类别中的技术
这种 技术对⾃然语⾔处理、⽂本分析和情感分析等任务⾮常有⽤。
需要注意的是，⽂本分类和情感分析是不同的。情感分析专门关注 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 极的、 消极的或中⽴的情感。情感分析通
常⽤于客户评价、社交媒 体帖⼦和 其他形式的⽂本，其中表达的情感很重要。
要使⽤ ChatGPT 进⾏⽂本分类prompt，应向模型提供⼀段⽂本，并要 求 根据预定义的
类别或标签对其进⾏分类。prompt还应包括关于所需 输出 的信息，例如类别或标签的数
量以及任何特定的要求或限制。
prompt⽰例及其公式:
⽰例 1:客户评论的⽂本分类
任务:将客户评论分类到不同的类别 中，如电⼦产品、服装和家具
说明:模型应根据其内容对评论进⾏分类
prompt:“对以下客户评论进⾏⽂本分类[插⼊评论]，并根据 其内 容将它们分类到不同的类
别中，例如电⼦产品、服装和家 具。”
⽰例 2:新闻⽂章的⽂本分类
任务:将新闻⽂章分类到不同的类别 中，如体育、政治和娱乐
说明:模型应根据其内容对⽂章进⾏分类
prompt:“对以下新闻⽂章进⾏⽂本分类[插⼊⽂章]，并根据其内 容将它们分类到不同的类
别中，如体育、政治和娱乐。”
⽰例 3:电⼦邮件的⽂本分类
任务:将电⼦邮件分类到不同的类别中，如垃圾邮件、重要邮件或紧急邮件
说明:模型应根据其内容和发送者对电⼦邮件进⾏分类
prompt:“对以下电⼦邮件进⾏⽂本分类[插⼊电⼦邮件]，并根据 其内容和发送者将其分类
到不同的类别中，如垃圾邮件、重要邮件 或 紧急邮件。