我们彻底告别了二零二三年,这是一个不平凡的年份,也是生成式人工智能发展元年。二零二四年a i即将迎来爆发式发展。面对这场技术浪潮,有的人乘势而上实现飞跃,有的人面临挑战固步自封。未来取代你的不一定是a i而是那些善用a i的人。提示词作为人类与ai沟通的一种特殊语言,我们要想激发它的最大潜力,就要学会如何跟他沟通。而一套优质的提示词呢,就好像一把开启魔法的钥匙。
只要你拿到这把钥匙,ai就能成为你的超级大脑。从此,我们的工作和学习就像开了挂一般,被无限赋能。hello, 大家好,我是曾曾。一位专注于探索ai应用领域的大学老师。如果你和几个月前的我一样的话,你明白a i提示语是一个非常重要的技能。但是你不太清楚为什么有的提示词生成的答案笼统而广泛,而有的输出却如此的精准和高质量。
在那以后呢,我花了几百个小时去上提示词工程课,并且将所学运用到我日常的工作和学习当中。那么本一期视频呢我将给大家分享一个好的提示语需要具备的六大基本元素,以及优化提示词的四大技巧。另外呢小曾这个地方要给大家送上一份元旦节的新年礼物。我精心制作了一份a i学习大礼包,即使你是完全零基础的小白,看完之后呢也能迅速掌握如何跟ai对话。那对于那些想要进阶学习的小伙伴呢,看完之后你们也一定有所启发。老规矩,想要免费领取资料的小伙伴在评论区留言哦。
那接下来我们用例子来单独解析每个元素。首先从任务开始,这个地方的任务呢就相当于我们给g p t下达的一个指令。任务句呢通常用动词开头,比如生成给写分析等等,并且清楚的说明你的最终的目标是什么。比如生成一个为期三个月的减脂餐食计划,生成五个与某某专业相关的毕业设计选题,设计一个某某主题的p p t大纲,撰写一份期末年终述职报告等等。那之所以有些人会觉得a i常常与我们鸡同鸭讲,输出的这个答案过于的笼统和模糊,甚至呢会偏离原来的主题。因此呢如果想要让g p t生成精确且实用的答案的话,我们需要尽可能的让问题能够非常的详细和具体,也就是提供事情的背景信息,这样呢a i就能减少错误的假设和误解的可能性,从而生成一个更加明确且高度相关的回答。
比如我在之前的视频当中分享过我变现的一个商单,营养师g p t。我要求呢g p t能够根据我所提供的用户信息,相应的生成个性化的餐单。那么在执行工作流程之前呢,我就要将用户的十几项的基本情况发送给g p t。其中包括了用户的年龄,身体的一些基本的数据,身体的状况、调理的目标、饮食习惯、体检报告等等。那基于这十几项的一个充分的背景信息呢,它生成出来的这个餐单呢会更加的具有指导意义。同时呢g p t它背后有一个非常大的数据库,你必须要先给他带入一个角色,他才能用那个角色的角度来分析你的问题。
角色呢不仅定义了模型的行为,它带来了特定的情景和背景。举个例子,如果说只是让g p t帮忙改写一篇文章,那它可能会广泛的处理这个任务。但如果我们指定角色,比如你是教育学专家,那模型就会假设文章是为教育领域或者是学生准备的。那内容也就更加贴近这个领域的需求。我们指定他是艺术家,他会创作出更加具有创意性和开放性的文本。角色的设定呢让模型的回答不仅非常的准确,同时呢还有针对性和创造性。
那这个地方我要强调一下,并不是每一个prompt都需要一个角色,而有一些提问呢只需要清楚的描述问题本身就足够了。当然了,以上所有的信息呢都是基于chat g p t四点零版本的操作。如果大家有需要升级以及充值的需求的话,可以在后台私信我领取相应的文档。而当chat g p t收到提问和委派的任务之后呢,我们就可以进一步指定输出的格式,也就是a i回答的呈现方式。但最常见的有三种,其中段落呢适用于一般的文字生成,像是写文章、写论文、email内容摘要、回答问题等等。而为了避免ai生成过多的文字导致信息过载。
你可以考虑限制他回答的长度。这样重要的信息就不会因为字数过多而被稀释掉,回答质量呢也能间接的获得提升。但是需要注意的是,指示模型生成特定字数的精确度没有那么高,尤其是针对中文。我们这个地方可以用句数、段落数、要点数等等来指定目标输出的长度。模型模型可以更可靠的生成。那第二种常见的输出格式就是要点,要点最大的好处就是结构清晰,可读性非常高。
比起段落呢要点还能免去一些不必要的修饰语和赘述,所以答案会显得更为简洁一点,重要的信息呢也会更容易被用户注意到。最后第三个常用的输出格式就是表格,特别是表格作为输出格式的时候呢,我们可以指定每个栏位的标题,甚至还可以针对某一个栏位进行排序。表格最大的优点就是信息结构非常的清晰,特别是需要做项目或者是数据的比较的时候,表格可以让用户更加快速的去掌握信息的重点。语气是非常好理解的,我们可以用随意的、正式的、严厉的、温和的或者是热情悲观。通常情况下呢,我们一时半会儿是想不出那么精准的修饰词的那这个时候我们就可以借助g p t来帮我们想,我们告诉他你要找的那个感觉。比如我通过了考研的初试和复试,接下来呢我要选导师环节,我要给导师写一封自荐邮件,我希望得到他的重视。
同时呢我要展现自己出色的科研能力。那我这个地方让g p t帮我推荐几个语气的关键词,然后结合这几个关键词呢写出了这样一份电子邮件。ok最后一个适合加入到prompt的元素呢就是示例。这个地方的事例呢它并不是绝对必要的。但如果提问的时候在prompt当中加入例子的话,可以大幅度提高chat g p t输出的品质。当你将案例喂给它的时候呢,它可以更加精准的模仿其格式、语气以及结构进行输出。
甚至可以学习上传的案例,并且呢以此作为基础提供答案。g p t有几个基本的人设,其中之一呢就是向用户维护亲切友好乐于助人的形象。就是说如果你写了一篇报告,想让他针对报告的内容提一些建议,那他通常会给予我们正面的评价。但如果你希望自己的报告能达到更高的水平的话,你必须确切的告诉g p t,请针对我的报告内容进行严格的评价。告诉我所有可改进的地方,这样呢他就会更加严谨的评论你的报告。g p t的第二个人设呢就是不会主动向用户提出问题。
即使我们的问题模糊不清,缺乏明确的信息,他也会尝试努力的回答,导致生成的答案呢不不够准确或者是出现偏差。在这种情况下呢,如果你无法具体的描述自己的问题,你不妨可以请g p t主动开口向我们询问,来获取所需要的信息。这样不仅可以确保答案的准确性,我们也不用担心自己没有足够的知识来进行提问。好了,那g p t的最后一个人设呢就是他会认为用户会期待一个明确的答案,而不是一个不确定或者是不知道这类型的答案。这个设定呢就导致了他会努力的从训练的数据当中去推断出最可能的答案。但这种操作呢也容易产生所谓的幻觉,也就是出现捏造不存在的事实。
对此我们除了要对a i提供的信息做事实查核之外。我们也可以告诉g p t,如果你对答案不太确定,就请直接回答不确定。那通过以上的案例测试呢,我们可以清晰的知道这些元素的一个重要程度的排列。在一个提示词当中,任务是必须的,角色背景是重要的,而格式和示例则是锦上添花。ok那接下来呢我们继续来谈一谈,除了以上元素能够完善一个prompt之外,还有哪些小技巧能够优化g p t的prompt,激发它的更多潜能。首先我们要明白a i跟google这种传统的搜索引擎最大的不同在于,google是单向单次的查询。
而使用g p t呢,它更像是一种对话的形式。由于g p t能够理解交谈的上下文,因此我们可以针对它的答复继续提问,而g p t也能够及时进行调整答案的方向。借由重复式的一问一答,我们就能在ai的协助下深入的去探讨某一个主题。第二个小技巧,拆分主任务。将一个问题拆分成数个较简单的子任务。当一个问题较为复杂的时候,就有可能会包含一些意义不明确的部分,导致a i产生误解。
影响到输出的答案品质。因此呢比较适合的方法就是把复杂的任务逐步拆解成较小的部分。这样呢a i就更容易理解每个子任务的具体目标,也能够提供更加精确的答复,完成我们的交付工作。第三个小技巧呢就是关于g p t在对谈的时候会有token的限制。所谓的token呢就是a i用来理解语言和生成文本的基本单位。像这句话总共就用掉了十个token。
我会把这个查阅token自述的网址放在简介区,大家自取就可以了。那根据open a i的官方网站呢,g p t三点五的版本最大的限制是。而g p d四的版本呢是。那如果我们跟g p d在交谈的时候,累积的这个token值超出了它的这个最大限度的话,它就会自动忘记前面和我们对话的内容。所以就会导致他回复的这个答案呢不符合我们原来的上下文。另外呢g p d它在回答新问题的时候呢,会自动缩短内容,导致输出的质量会显著的降低。
所以只要出现了以上两个征兆,就表示我们应该要开启一个新的对话,确保它有足够的token来产生高质量的答复。ok那讲到这里呢,可能很多小伙伴会觉得跟g p d交谈,我还要记住这么多的技巧,包括调用起来也非常的麻烦。那我这个地方有一个非常实用的插件要推荐给大家。具体的安装教程呢,我也在这个文档里面做了一个整理。插件安装好了之后呢,我们可以通过这个面板来管理我们的所有提示词,只需要点击这里的添加模板。就可以将提示词粘贴进来,然后在上面这个地方呢去修改提示词的名称。
这样一来呢就非常的方便我们随时调用,提高了我们的对话效率。好了,以上就是今天的所有内容了。回望二零二三年,生成式人工智能的发展迎来了前所未有的飞跃,这一年是其见证了ai技术的突破性进展和创新性应用。在这样一个里程碑式的年份,a i的每一天都似乎带来了人类一年的进步和变革。如今ai已经慢慢渗透到了各行各业,乃至我们的日常生活当中。学会如何正确的与ai对话,将是每个人必不可少的技能。
认识ai学习a i利用a i如果你对a i使用工具感兴趣的话,你可以加入我的a i学习交流群。如果本期视频对你有帮助的话,请给我一键三连点赞、评论和关注。好了,我们下一支影片再见,拜拜。