ChatGPT 完全指南

第一章：Prompt 工程技術(shù)簡(jiǎn)介
什么是 Prompt 工程？
Prompt 工程是創(chuàng)建提示或指導(dǎo)像 ChatGPT 這樣的語(yǔ)言模型輸出的過(guò)程。它允許用戶控制模型的輸出并
生成符合其特定需求的文本。
ChatGPT 是一種先進(jìn)的語(yǔ)言模型，能夠生成類似于人類的文本。它建立在 Transformer 架構(gòu)上，可以處
理大量數(shù)據(jù)并生成高質(zhì)量的文本。
然而，為了從 ChatGPT 中獲得最佳結(jié)果，重要的是要了解如何正確地提示模型。 提示可以讓用戶控制
模型的輸出并生成相關(guān)、準(zhǔn)確和高質(zhì)量的文本。 在使用 ChatGPT 時(shí)，了解它的能力和限制非常重要。
該模型能夠生成類似于人類的文本，但如果沒(méi)有適當(dāng)?shù)闹笇?dǎo)，它可能無(wú)法始終產(chǎn)生期望的輸出。
這就是 Prompt 工程的作用，通過(guò)提供清晰而具體的指令，您可以引導(dǎo)模型的輸出并確保其相關(guān)。
Prompt 公式是提示的特定格式，通常由三個(gè)主要元素組成：
• 任務(wù)：對(duì)提示要求模型生成的內(nèi)容進(jìn)行清晰而簡(jiǎn)潔的陳述。
• 指令：在生成文本時(shí)模型應(yīng)遵循的指令。
• 角色：模型在生成文本時(shí)應(yīng)扮演的角色。
在本書(shū)中，我們將探討可用于 ChatGPT 的各種 Prompt 工程技術(shù)。我們將討論不同類型的提示，以及如
何使用它們實(shí)現(xiàn)您想要的特定目標(biāo)。
第二章：指令提示技術(shù)
現(xiàn)在，讓我們開(kāi)始探索“指令提示技術(shù)”，以及如何使用它從 ChatGPT 中生成高質(zhì)量的文本。
指令提示技術(shù)是通過(guò)為模型提供具體指令來(lái)引導(dǎo) ChatGPT 的輸出的一種方法。這種技術(shù)對(duì)于確保輸出相
關(guān)和高質(zhì)量非常有用。
要使用指令提示技術(shù)，您需要為模型提供清晰簡(jiǎn)潔的任務(wù)，以及具體的指令以供模型遵循。
例如，如果您正在生成客戶服務(wù)響應(yīng)，您將提供任務(wù)，例如“生成響應(yīng)客戶查詢”的指令，例如“響應(yīng)應(yīng)
該專業(yè)且提供準(zhǔn)確的信息”。
提示公式：“按照以下指示生成[任務(wù)]：[指令]”
示例：
生成客戶服務(wù)響應(yīng)：
億歐黃傳星
• 任務(wù)：生成響應(yīng)客戶查詢
• 指令：響應(yīng)應(yīng)該專業(yè)且提供準(zhǔn)確的信息
• 提示公式：“按照以下指示生成專業(yè)且準(zhǔn)確的客戶查詢響應(yīng)：響應(yīng)應(yīng)該專業(yè)且提供準(zhǔn)確的信
息。”
生成法律文件：
• 任務(wù)：生成法律文件
• 指令：文件應(yīng)符合相關(guān)法律法規(guī)
• 提示公式：“按照以下指示生成符合相關(guān)法律法規(guī)的法律文件：文件應(yīng)符合相關(guān)法律法規(guī)。”
使用指令提示技術(shù)時(shí)，重要的是要記住指令應(yīng)該清晰具體。這將有助于確保輸出相關(guān)和高質(zhì)量?？梢詫⒅?br />令提示技術(shù)與下一章節(jié)中解釋的“角色提示”和“種子詞提示”相結(jié)合，以增強(qiáng) ChatGPT 的輸出。
第三章：角色提示
角色提示技術(shù)是通過(guò)為 ChatGPT 指定一個(gè)特定的角色來(lái)引導(dǎo)其輸出的一種方式。這種技術(shù)對(duì)于生成針對(duì)
特定上下文或受眾的文本非常有用。
要使用角色提示技術(shù)，您需要為模型提供一個(gè)清晰具體的角色。
例如，如果您正在生成客戶服務(wù)回復(fù)，您可以提供一個(gè)角色，如“客戶服務(wù)代表”。
提示公式：“作為[角色]生成[任務(wù)]”
示例：
生成客戶服務(wù)回復(fù)：
• 任務(wù)：生成對(duì)客戶查詢的回復(fù)
• 角色：客戶服務(wù)代表
• 提示公式：“作為客戶服務(wù)代表，生成對(duì)客戶查詢的回復(fù)。”
生成法律文件：
• 任務(wù)：生成法律文件
• 角色：律師
• 提示公式：“作為律師，生成法律文件。”
將角色提示技術(shù)與指令提示和種子詞提示結(jié)合使用可以增強(qiáng) ChatGPT 的輸出。
下面是一個(gè)示例，展示了如何將指令提示、角色提示和種子詞提示技術(shù)結(jié)合使用：
• 任務(wù)：為新智能手機(jī)生成產(chǎn)品描述
億歐黃傳星
• 指令：描述應(yīng)該是有信息量的，具有說(shuō)服力，并突出智能手機(jī)的獨(dú)特功能
• 角色：市場(chǎng)代表 種子詞：“創(chuàng)新的”
• 提示公式：“作為市場(chǎng)代表，生成一個(gè)有信息量的、有說(shuō)服力的產(chǎn)品描述，突出新智能手機(jī)的創(chuàng)
新功能。該智能手機(jī)具有以下功能[插入您的功能]”
在這個(gè)示例中，指令提示用于確保產(chǎn)品描述具有信息量和說(shuō)服力。角色提示用于確保描述是從市場(chǎng)代表的
角度書(shū)寫(xiě)的。而種子詞提示則用于確保描述側(cè)重于智能手機(jī)的創(chuàng)新功能。
第四章：標(biāo)準(zhǔn)提示
標(biāo)準(zhǔn)提示是一種簡(jiǎn)單的方法，通過(guò)為模型提供一個(gè)特定的任務(wù)來(lái)引導(dǎo) ChatGPT 的輸出。例如，如果您想
生成一篇新聞文章的摘要，您可以提供一個(gè)任務(wù)，如“總結(jié)這篇新聞文章”。
提示公式：“生成一個(gè)[任務(wù)]”
例如：
生成新聞文章的摘要：
• 任務(wù)：總結(jié)這篇新聞文章
• 提示公式：“生成這篇新聞文章的摘要”
生成一篇產(chǎn)品評(píng)論：
• 任務(wù)：為一款新智能手機(jī)撰寫(xiě)評(píng)論
• 提示公式：“生成這款新智能手機(jī)的評(píng)論”
此外，標(biāo)準(zhǔn)提示可以與其他技術(shù)（如角色提示和種子詞提示）結(jié)合使用，以增強(qiáng) ChatGPT 的輸出。
以下是如何將標(biāo)準(zhǔn)提示、角色提示和種子詞提示技術(shù)結(jié)合使用的示例：
• 任務(wù)：為一臺(tái)新筆記本電腦撰寫(xiě)產(chǎn)品評(píng)論
• 說(shuō)明：評(píng)論應(yīng)客觀、信息豐富，強(qiáng)調(diào)筆記本電腦的獨(dú)特特點(diǎn)
• 角色：技術(shù)專家
• 種子詞：“強(qiáng)大的”
• 提示公式：“作為一名技術(shù)專家，生成一個(gè)客觀而且信息豐富的產(chǎn)品評(píng)論，強(qiáng)調(diào)新筆記本電腦的
強(qiáng)大特點(diǎn)。”
在這個(gè)示例中，標(biāo)準(zhǔn)提示技術(shù)用于確保模型生成產(chǎn)品評(píng)論。角色提示用于確保評(píng)論是從技術(shù)專家的角度寫(xiě)
的。而種子詞提示用于確保評(píng)論側(cè)重于筆記本電腦的強(qiáng)大特點(diǎn)。
億歐黃傳星
第五章：零、一和少樣本提示
零樣本、一樣本和少樣本提示是用于從 ChatGPT 生成文本的技術(shù)，最少或沒(méi)有任何示例。當(dāng)特定任務(wù)的
數(shù)據(jù)有限或任務(wù)是新的且未定義時(shí)，這些技術(shù)非常有用。
當(dāng)任務(wù)沒(méi)有可用的示例時(shí)，使用零樣本提示技術(shù)。模型提供一個(gè)通用任務(wù)，根據(jù)對(duì)任務(wù)的理解生成文本。
當(dāng)任務(wù)只有一個(gè)示例可用時(shí)，使用一樣本提示技術(shù)。模型提供示例，并根據(jù)對(duì)示例的理解生成文本。
當(dāng)任務(wù)只有有限數(shù)量的示例可用時(shí)，使用少樣本提示技術(shù)。模型提供示例，并根據(jù)對(duì)示例的理解生成文
本。
提示公式：“基于[數(shù)量]個(gè)示例生成文本”
例如：
為沒(méi)有可用示例的新產(chǎn)品編寫(xiě)產(chǎn)品描述：
• 任務(wù)：為新的智能手表編寫(xiě)產(chǎn)品描述
• 提示公式：“基于零個(gè)示例為這款新智能手表生成產(chǎn)品描述”
使用一個(gè)示例生成產(chǎn)品比較：
• 任務(wù)：將新款智能手機(jī)與最新的 iPhone 進(jìn)行比較
• 提示公式：“使用一個(gè)示例（最新的 iPhone）為這款新智能手機(jī)生成產(chǎn)品比較”
使用少量示例生成產(chǎn)品評(píng)論：
• 任務(wù)：為新的電子閱讀器撰寫(xiě)評(píng)論
• 提示公式：“使用少量示例（3 個(gè)其他電子閱讀器）為這款新電子閱讀器生成評(píng)論”
這些技術(shù)可用于根據(jù)模型對(duì)任務(wù)或提供的示例的理解生成文本。
第六章：“讓我們思考一下”提示
“讓我們思考一下”提示是一種技巧，可鼓勵(lì) ChatGPT 生成反思和思考性的文本。這種技術(shù)適用于撰寫(xiě)
論文、詩(shī)歌或創(chuàng)意寫(xiě)作等任務(wù)。
“讓我們思考一下”提示的公式非常簡(jiǎn)單，即“讓我們思考一下”后跟一個(gè)主題或問(wèn)題。
例如：
生成一篇反思性論文：
• 任務(wù)：就個(gè)人成長(zhǎng)主題寫(xiě)一篇反思性論文
• 提示公式：“讓我們思考一下：個(gè)人成長(zhǎng)”
生成一首詩(shī)：
億歐黃傳星
• 任務(wù)：寫(xiě)一首關(guān)于季節(jié)變化的詩(shī)
• 提示公式：“讓我們思考一下：季節(jié)變化”
這個(gè)提示要求對(duì)特定主題或想法展開(kāi)對(duì)話或討論。發(fā)言者邀請(qǐng) ChatGPT 參與討論相關(guān)主題。
模型提供了一個(gè)提示，作為對(duì)話或文本生成的起點(diǎn)。
然后，模型使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)。這種技術(shù)允許 ChatGPT 根據(jù)提供的提示生成
上下文適當(dāng)且連貫的文本。
要使用“讓我們思考一下提示”技術(shù)與 ChatGPT，您可以遵循以下步驟：
1. 確定您要討論的主題或想法。
2. 制定一個(gè)明確表達(dá)主題或想法的提示，并開(kāi)始對(duì)話或文本生成。
3. 用“讓我們思考”或“讓我們討論”開(kāi)頭的提示，表明您正在啟動(dòng)對(duì)話或討論。
以下是使用此技術(shù)的一些提示示例：
• 提示：“讓我們思考?xì)夂蜃兓瘜?duì)農(nóng)業(yè)的影響”
• 提示：“讓我們討論人工智能的當(dāng)前狀態(tài)”
• 提示：“讓我們談?wù)勥h(yuǎn)程工作的好處和缺點(diǎn)” 您還可以添加開(kāi)放式問(wèn)題、陳述或一段您希望模
型繼續(xù)或擴(kuò)展的文本。
提供提示后，模型將使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)，并以連貫的方式繼續(xù)對(duì)話。
這種獨(dú)特的提示有助于 ChatGPT 以不同的視角和角度給出答案，從而產(chǎn)生更具動(dòng)態(tài)性和信息性的段落。
使用提示的步驟簡(jiǎn)單易行，可以真正提高您的寫(xiě)作水平。嘗試一下，看看效果如何吧。
第七章：自洽提示
自洽提示是一種技術(shù)，用于確保 ChatGPT 的輸出與提供的輸入一致。這種技術(shù)對(duì)于事實(shí)核查、數(shù)據(jù)驗(yàn)證
或文本生成中的一致性檢查等任務(wù)非常有用。
自洽提示的提示公式是輸入文本后跟著指令“請(qǐng)確保以下文本是自洽的”。
或者，可以提示模型生成與提供的輸入一致的文本。
提示示例及其公式：
示例 1：文本生成
• 任務(wù)：生成產(chǎn)品評(píng)論
• 指令：評(píng)論應(yīng)與輸入中提供的產(chǎn)品信息一致
• 提示公式：“生成與以下產(chǎn)品信息一致的產(chǎn)品評(píng)論[插入產(chǎn)品信息]”
億歐黃傳星
示例 2：文本摘要
• 任務(wù)：概括一篇新聞文章
• 指令：摘要應(yīng)與文章中提供的信息一致
• 提示公式：“用與提供的信息一致的方式概括以下新聞文章[插入新聞文章]”
示例 3：文本完成
• 任務(wù)：完成一個(gè)句子
• 指令：完成應(yīng)與輸入中提供的上下文一致

1. 事實(shí)核查：
任務(wù)：檢查給定新聞文章的一致性
輸入文本：“文章中陳述該城市的人口為 500 萬(wàn)，但后來(lái)又說(shuō)該城市的人口為 700 萬(wàn)。”
提示公式：“請(qǐng)確保以下文本是自洽的：文章中陳述該城市的人口為 500 萬(wàn)，但后來(lái)又說(shuō)該城市
的人口為 700 萬(wàn)。”
2. 數(shù)據(jù)驗(yàn)證：
任務(wù)：檢查給定數(shù)據(jù)集的一致性
輸入文本：“數(shù)據(jù)顯示 7 月份的平均溫度為 30 度，但最低溫度記錄為 20 度。”
提示公式：“請(qǐng)確保以下文本是自洽的：數(shù)據(jù)顯示 7 月份的平均溫度為 30 度，但最低溫度記錄
為 20 度。”
第八章：種子詞提示
種子詞提示是一種通過(guò)提供特定的種子詞或短語(yǔ)來(lái)控制 ChatGPT 輸出的技術(shù)。種子詞提示的提示公式是
種子詞或短語(yǔ)，后跟指令“請(qǐng)根據(jù)以下種子詞生成文本”。
示例：
文本生成：
• 任務(wù)：編寫(xiě)一篇有關(guān)龍的故事
• 種子詞：“龍”
• 提示公式：“請(qǐng)根據(jù)以下種子詞生成文本：龍”
語(yǔ)言翻譯：
• 任務(wù)：將一句話從英語(yǔ)翻譯成西班牙語(yǔ)
• 種子詞：“你好”
億歐黃傳星
• 提示公式：“請(qǐng)根據(jù)以下種子詞生成文本：你好”
這種技術(shù)允許模型生成與種子詞相關(guān)的文本并對(duì)其進(jìn)行擴(kuò)展。這是一種控制模型生成文本與某個(gè)特定主題
或背景相關(guān)的方式。
種子詞提示可以與角色提示和指令提示相結(jié)合，以創(chuàng)建更具體和有針對(duì)性的生成文本。通過(guò)提供種子詞或
短語(yǔ)，模型可以生成與該種子詞或短語(yǔ)相關(guān)的文本，并通過(guò)提供有關(guān)期望輸出和角色的信息，模型可以以
特定于角色或指令的風(fēng)格或語(yǔ)氣生成文本。這樣可以更好地控制生成的文本，并可用于各種應(yīng)用程序。
以下是提示示例及其公式：
示例 1：文本生成
• 任務(wù)：編寫(xiě)一首詩(shī)
• 指令：詩(shī)應(yīng)與種子詞“愛(ài)”相關(guān)，并以十四行詩(shī)的形式書(shū)寫(xiě)。
• 角色：詩(shī)人
• 提示公式：“作為詩(shī)人，根據(jù)以下種子詞生成與“愛(ài)”相關(guān)的十四行詩(shī)：”
示例 2：文本完成
• 任務(wù)：完成一句話
• 指令：完成應(yīng)與種子詞“科學(xué)”相關(guān)，并以研究論文的形式書(shū)寫(xiě)。
• 角色：研究員
• 提示公式：“作為研究員，請(qǐng)?jiān)谂c種子詞“科學(xué)”相關(guān)且以研究論文的形式書(shū)寫(xiě)的情況下完成以
下句子：[插入句子]”
示例 3：文本摘要
• 任務(wù)：摘要一篇新聞文章
• 指令：摘要應(yīng)與種子詞“政治”相關(guān)，并以中立和公正的語(yǔ)氣書(shū)寫(xiě)。
• 角色：記者
• 提示公式：“作為記者，請(qǐng)以中立和公正的語(yǔ)氣摘要以下新聞文章，與種子詞“政治”相關(guān)：
[插入新聞文章]”
第九章：知識(shí)生成提示
知識(shí)生成提示是一種從 ChatGPT 中引出新的、原創(chuàng)的信息的技術(shù)。
知識(shí)生成提示的公式是“請(qǐng)生成關(guān)于 X 的新的和原創(chuàng)的信息”，其中 X 是感興趣的主題。
這是一種利用模型預(yù)先存在的知識(shí)來(lái)生成新的信息或回答問(wèn)題的技術(shù)。
億歐黃傳星
要將此提示與 ChatGPT 一起使用，需要將問(wèn)題或主題作為輸入提供給模型，以及指定所生成文本的任務(wù)
或目標(biāo)的提示。
提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
以下是提示示例及其公式：
示例 1：知識(shí)生成
• 任務(wù)：生成有關(guān)特定主題的新信息
• 說(shuō)明：生成的信息應(yīng)準(zhǔn)確且與主題相關(guān)
• 提示公式：“生成有關(guān)[特定主題]的新的準(zhǔn)確信息”
示例 2：?jiǎn)柎?br />• 任務(wù)：回答問(wèn)題
• 說(shuō)明：答案應(yīng)準(zhǔn)確且與問(wèn)題相關(guān)
• 提示公式：“回答以下問(wèn)題：[插入問(wèn)題]”
示例 3：知識(shí)整合
• 任務(wù)：將新信息與現(xiàn)有知識(shí)整合
• 說(shuō)明：整合應(yīng)準(zhǔn)確且與主題相關(guān)
• 提示公式：“將以下信息與有關(guān)[特定主題]的現(xiàn)有知識(shí)整合：[插入新信息]”
示例 4：數(shù)據(jù)分析
• 任務(wù)：從給定的數(shù)據(jù)集中生成有關(guān)客戶行為的見(jiàn)解
• 提示公式：“請(qǐng)從這個(gè)數(shù)據(jù)集中生成有關(guān)客戶行為的新的和原創(chuàng)的信息”
第十章：知識(shí)整合提示
這種技術(shù)利用模型的現(xiàn)有知識(shí)來(lái)整合新信息或連接不同的信息片段。
這種技術(shù)對(duì)于將現(xiàn)有知識(shí)與新信息相結(jié)合，以生成更全面的特定主題的理解非常有用。
如何與 ChatGPT 一起使用：
• 模型應(yīng)該提供新信息和現(xiàn)有知識(shí)作為輸入，以及指定生成文本的任務(wù)或目標(biāo)的提示。
• 提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定的要求或限制。
提示示例及其公式：
示例 1：知識(shí)整合
• 任務(wù)：將新信息與現(xiàn)有知識(shí)整合
• 說(shuō)明：整合應(yīng)準(zhǔn)確且與主題相關(guān)
億歐黃傳星
• 提示公式：“將以下信息與關(guān)于[具體主題]的現(xiàn)有知識(shí)整合：[插入新信息]”
示例 2：連接信息片段
• 任務(wù)：連接不同的信息片段
• 說(shuō)明：連接應(yīng)相關(guān)且邏輯清晰
• 提示公式：“以相關(guān)且邏輯清晰的方式連接以下信息片段：[插入信息 1] [插入信息 2]”
示例 3：更新現(xiàn)有知識(shí)
• 任務(wù)：使用新信息更新現(xiàn)有知識(shí)
• 說(shuō)明：更新的信息應(yīng)準(zhǔn)確且相關(guān)
• 提示公式：“使用以下信息更新[具體主題]的現(xiàn)有知識(shí)：[插入新信息]”
第十一章：多項(xiàng)選擇提示
這種技術(shù)向模型提供一個(gè)問(wèn)題或任務(wù)以及一組預(yù)定義的選項(xiàng)作為潛在答案。
該技術(shù)對(duì)于生成僅限于特定選項(xiàng)集的文本非常有用，可用于問(wèn)答、文本完成和其他任務(wù)。模型可以生成僅
限于預(yù)定義選項(xiàng)的文本。
要使用 ChatGPT 的多項(xiàng)選擇提示，需要向模型提供一個(gè)問(wèn)題或任務(wù)作為輸入，以及一組預(yù)定義的選項(xiàng)作
為潛在答案。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型以及任何特定要求或限制。
提示示例及其公式：
示例 1：?jiǎn)柎?br />• 任務(wù)：回答一個(gè)多項(xiàng)選擇題
• 說(shuō)明：答案應(yīng)該是預(yù)定義的選項(xiàng)之一
• 提示公式：“通過(guò)選擇以下選項(xiàng)之一回答以下問(wèn)題：[插入問(wèn)題] [插入選項(xiàng) 1] [插入選項(xiàng) 2] [插入
選項(xiàng) 3]”
示例 2：文本完成
• 任務(wù)：使用預(yù)定義選項(xiàng)之一完成句子
• 說(shuō)明：完成應(yīng)該是預(yù)定義的選項(xiàng)之一
• 提示公式：“通過(guò)選擇以下選項(xiàng)之一完成以下句子：[插入句子] [插入選項(xiàng) 1] [插入選項(xiàng) 2] [插入
選項(xiàng) 3]”
示例 3：情感分析
• 任務(wù)：將文本分類為積極、中立或消極
• 說(shuō)明：分類應(yīng)該是預(yù)定義的選項(xiàng)之一
億歐黃傳星
• 提示公式：“通過(guò)選擇以下選項(xiàng)之一，將以下文本分類為積極、中立或消極：[插入文本] [積極]
[中立] [消極]”
第十二章：可解釋的軟提示
可解釋的軟提示是一種技術(shù)，可以在提供一定的靈活性的同時(shí)控制模型生成的文本。它通過(guò)提供一組受控
輸入和關(guān)于所需輸出的附加信息來(lái)實(shí)現(xiàn)。這種技術(shù)可以生成更具解釋性和可控性的生成文本。
提示示例及其公式：
示例 1：文本生成
• 任務(wù)：生成一個(gè)故事
• 指令：故事應(yīng)基于一組給定的角色和特定的主題
• 提示公式：“基于以下角色生成故事：[插入角色]和主題：[插入主題]”
示例 2：文本完成
• 任務(wù)：完成一句話
• 指令：完成應(yīng)以特定作者的風(fēng)格為基礎(chǔ)
• 提示公式：“以[特定作者]的風(fēng)格完成以下句子：[插入句子]”
示例 3：語(yǔ)言建模
• 任務(wù)：以特定風(fēng)格生成文本
• 指令：文本應(yīng)以特定時(shí)期的風(fēng)格為基礎(chǔ)
• 提示公式：“以[特定時(shí)期]的風(fēng)格生成文本：[插入上下文]”
第十三章：控制生成提示
控制生成提示是一種技術(shù)，可讓模型在生成文本時(shí)對(duì)輸出進(jìn)行高度控制。
這可以通過(guò)提供一組特定的輸入來(lái)實(shí)現(xiàn)，例如模板、特定詞匯或一組約束條件，這些輸入可用于指導(dǎo)生成
過(guò)程。
以下是一些示例和它們的公式：
示例 1：文本生成
• 任務(wù)：生成一個(gè)故事
• 說(shuō)明：該故事應(yīng)基于特定的模板
億歐黃傳星
• 提示公式：“根據(jù)以下模板生成故事：[插入模板]”
示例 2：文本補(bǔ)全
• 任務(wù)：完成一句話
• 說(shuō)明：完成應(yīng)使用特定的詞匯
• 提示公式：“使用以下詞匯完成以下句子：[插入詞匯]：[插入句子]”
示例 3：語(yǔ)言建模
• 任務(wù)：以特定風(fēng)格生成文本
• 說(shuō)明：文本應(yīng)遵循一組特定的語(yǔ)法規(guī)則
• 提示公式：“生成遵循以下語(yǔ)法規(guī)則的文本：[插入規(guī)則]：[插入上下文]”
通過(guò)提供一組特定的輸入來(lái)指導(dǎo)生成過(guò)程，控制生成提示使得生成的文本更具可控性和可預(yù)測(cè)性。
第十四章：?jiǎn)柎鹛崾?br />問(wèn)答提示是一種技術(shù)，可以讓模型生成回答特定問(wèn)題或任務(wù)的文本。通過(guò)將問(wèn)題或任務(wù)與可能與問(wèn)題或任
務(wù)相關(guān)的任何其他信息一起作為輸入提供給模型來(lái)實(shí)現(xiàn)此目的。
一些提示示例及其公式如下：
示例 1：事實(shí)問(wèn)題回答
• 任務(wù)：回答一個(gè)事實(shí)性問(wèn)題
• 說(shuō)明：答案應(yīng)準(zhǔn)確且相關(guān)
• 提示公式：“回答以下事實(shí)問(wèn)題：[插入問(wèn)題]”
示例 2：定義
• 任務(wù)：提供一個(gè)詞的定義
• 說(shuō)明：定義應(yīng)準(zhǔn)確
• 提示公式：“定義以下詞匯：[插入單詞]”
示例 3：信息檢索
• 任務(wù)：從特定來(lái)源檢索信息
• 說(shuō)明：檢索到的信息應(yīng)相關(guān)
• 提示公式：“從以下來(lái)源檢索有關(guān)[特定主題]的信息：[插入來(lái)源]” 這對(duì)于問(wèn)答和信息檢索等任
務(wù)非常有用。
億歐黃傳星
第十五章：概述提示
概述提示是一種技術(shù)，允許模型在保留其主要思想和信息的同時(shí)生成給定文本的較短版本。
這可以通過(guò)將較長(zhǎng)的文本作為輸入提供給模型并要求其生成該文本的摘要來(lái)實(shí)現(xiàn)。
這種技術(shù)對(duì)于文本概述和信息壓縮等任務(wù)非常有用。
如何在 ChatGPT 中使用：
• 應(yīng)該向模型提供較長(zhǎng)的文本作為輸入，并要求其生成該文本的摘要。
• 提示還應(yīng)包括有關(guān)所需輸出的信息，例如摘要的所需長(zhǎng)度和任何特定要求或限制。
提示示例及其公式：
示例 1：文章概述
• 任務(wù)：概述新聞文章
• 說(shuō)明：摘要應(yīng)是文章主要觀點(diǎn)的簡(jiǎn)要概述
• 提示公式：“用一句簡(jiǎn)短的話概括以下新聞文章：[插入文章]”
示例 2：會(huì)議記錄
• 任務(wù)：概括會(huì)議記錄
• 說(shuō)明：摘要應(yīng)突出會(huì)議的主要決策和行動(dòng)
• 提示公式：“通過(guò)列出主要決策和行動(dòng)來(lái)總結(jié)以下會(huì)議記錄：[插入記錄](méi)”
示例 3：書(shū)籍摘要
• 任務(wù)：總結(jié)一本書(shū)
• 說(shuō)明：摘要應(yīng)是書(shū)的主要觀點(diǎn)的簡(jiǎn)要概述
• 提示公式：“用一段簡(jiǎn)短的段落總結(jié)以下書(shū)籍：[插入書(shū)名]”
第十六章：對(duì)話提示
對(duì)話提示是一種技術(shù)，允許模型生成模擬兩個(gè)或更多實(shí)體之間對(duì)話的文本。通過(guò)為模型提供一個(gè)上下文和
一組角色或?qū)嶓w，以及它們的角色和背景，并要求模型在它們之間生成對(duì)話。
因此，應(yīng)為模型提供上下文和一組角色或?qū)嶓w，以及它們的角色和背景。還應(yīng)向模型提供有關(guān)所需輸出的
信息，例如對(duì)話或交談的類型以及任何特定的要求或限制。
提示示例及其公式：
示例 1：對(duì)話生成
億歐黃傳星
• 任務(wù)：生成兩個(gè)角色之間的對(duì)話
• 說(shuō)明：對(duì)話應(yīng)自然且與給定上下文相關(guān)
• 提示公式：“在以下情境中生成以下角色之間的對(duì)話[插入角色]”
示例 2：故事寫(xiě)作
• 任務(wù)：在故事中生成對(duì)話
• 說(shuō)明：對(duì)話應(yīng)與故事的角色和事件一致
• 提示公式：“在以下故事中生成以下角色之間的對(duì)話[插入故事]”
示例 3：聊天機(jī)器人開(kāi)發(fā)
• 任務(wù)：為客服聊天機(jī)器人生成對(duì)話
• 說(shuō)明：對(duì)話應(yīng)專業(yè)且提供準(zhǔn)確的信息
• 提示公式：“在客戶詢問(wèn)[插入主題]時(shí)，為客服聊天機(jī)器人生成專業(yè)和準(zhǔn)確的對(duì)話”
因此，這種技術(shù)對(duì)于對(duì)話生成、故事寫(xiě)作和聊天機(jī)器人開(kāi)發(fā)等任務(wù)非常有用。
第十七章：對(duì)抗性提示
對(duì)抗性提示是一種技術(shù)，它允許模型生成抵抗某些類型的攻擊或偏見(jiàn)的文本。這種技術(shù)可用于訓(xùn)練更為穩(wěn)
健和抵抗某些類型攻擊或偏見(jiàn)的模型。
要在 ChatGPT 中使用對(duì)抗性提示，需要為模型提供一個(gè)提示，該提示旨在使模型難以生成符合期望輸出
的文本。提示還應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型和任何特定要求或約束。
提示示例及其公式：
示例 1：用于文本分類的對(duì)抗性提示
• 任務(wù)：生成被分類為特定標(biāo)簽的文本
• 說(shuō)明：生成的文本應(yīng)難以分類為特定標(biāo)簽
• 提示公式：“生成難以分類為[插入標(biāo)簽]的文本”
示例 2：用于情感分析的對(duì)抗性提示
• 任務(wù)：生成難以分類為特定情感的文本
• 說(shuō)明：生成的文本應(yīng)難以分類為特定情感
• 提示公式：“生成難以分類為具有[插入情感]情感的文本”
示例 3：用于語(yǔ)言翻譯的對(duì)抗性提示
• 任務(wù)：生成難以翻譯的文本
億歐黃傳星
• 說(shuō)明：生成的文本應(yīng)難以翻譯為目標(biāo)語(yǔ)言
• 提示公式：“生成難以翻譯為[插入目標(biāo)語(yǔ)言]的文本”
第十八章：聚類提示
聚類提示是一種技術(shù)，它可以讓模型根據(jù)某些特征或特點(diǎn)將相似的數(shù)據(jù)點(diǎn)分組在一起。
通過(guò)提供一組數(shù)據(jù)點(diǎn)并要求模型根據(jù)某些特征或特點(diǎn)將它們分組成簇，可以實(shí)現(xiàn)這一目標(biāo)。
這種技術(shù)在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理等任務(wù)中非常有用。
如何在 ChatGPT 中使用：
應(yīng)該向模型提供一組數(shù)據(jù)點(diǎn)，并要求它根據(jù)某些特征或特點(diǎn)將它們分組成簇。提示還應(yīng)包括有關(guān)所需輸出
的信息，例如要生成的簇?cái)?shù)和任何特定的要求或約束。
提示示例及其公式：
示例 1：客戶評(píng)論的聚類
• 任務(wù)：將相似的客戶評(píng)論分組在一起
• 說(shuō)明：應(yīng)根據(jù)情感將評(píng)論分組
• 提示公式：“將以下客戶評(píng)論根據(jù)情感分組成簇：[插入評(píng)論]”
示例 2：新聞文章的聚類
• 任務(wù)：將相似的新聞文章分組在一起
• 說(shuō)明：應(yīng)根據(jù)主題將文章分組
• 提示公式：“將以下新聞文章根據(jù)主題分組成簇：[插入文章]”
示例 3：科學(xué)論文的聚類
• 任務(wù)：將相似的科學(xué)論文分組在一起
• 說(shuō)明：應(yīng)根據(jù)研究領(lǐng)域?qū)⒄撐姆纸M
• 提示公式：“將以下科學(xué)論文根據(jù)研究領(lǐng)域分組成簇：[插入論文]”
第十九章：強(qiáng)化學(xué)習(xí)提示
強(qiáng)化學(xué)習(xí)提示是一種技術(shù)，可以使模型從過(guò)去的行動(dòng)中學(xué)習(xí)，并隨著時(shí)間的推移提高其性能。要在
ChatGPT 中使用強(qiáng)化學(xué)習(xí)提示，需要為模型提供一組輸入和獎(jiǎng)勵(lì)，并允許其根據(jù)接收到的獎(jiǎng)勵(lì)調(diào)整其行
為。提示還應(yīng)包括有關(guān)期望輸出的信息，例如要完成的任務(wù)以及任何特定要求或限制。這種技術(shù)對(duì)于決策
制定、游戲玩法和自然語(yǔ)言生成等任務(wù)非常有用。
億歐黃傳星
提示示例及其公式：
示例 1：用于文本生成的強(qiáng)化學(xué)習(xí)
• 任務(wù)：生成與特定風(fēng)格一致的文本
• 說(shuō)明：模型應(yīng)根據(jù)為生成與特定風(fēng)格一致的文本而接收到的獎(jiǎng)勵(lì)來(lái)調(diào)整其行為
• 提示公式：“使用強(qiáng)化學(xué)習(xí)來(lái)生成與以下風(fēng)格一致的文本[插入風(fēng)格]”
示例 2：用于語(yǔ)言翻譯的強(qiáng)化學(xué)習(xí)
• 任務(wù)：將文本從一種語(yǔ)言翻譯成另一種語(yǔ)言
• 說(shuō)明：模型應(yīng)根據(jù)為生成準(zhǔn)確翻譯而接收到的獎(jiǎng)勵(lì)來(lái)調(diào)整其行為
• 提示公式：“使用強(qiáng)化學(xué)習(xí)將以下文本[插入文本]從[插入語(yǔ)言]翻譯成[插入語(yǔ)言]”
示例 3：用于問(wèn)答的強(qiáng)化學(xué)習(xí)
• 任務(wù)：回答問(wèn)題
• 說(shuō)明：模型應(yīng)根據(jù)為生成準(zhǔn)確答案而接收到的獎(jiǎng)勵(lì)來(lái)調(diào)整其行為
• 提示公式：“使用強(qiáng)化學(xué)習(xí)來(lái)回答以下問(wèn)題[插入問(wèn)題]”
第二十章：課程學(xué)習(xí)提示
課程學(xué)習(xí)是一種技術(shù)，允許模型通過(guò)先訓(xùn)練簡(jiǎn)單任務(wù)，逐漸增加難度來(lái)學(xué)習(xí)復(fù)雜任務(wù)。
要在 ChatGPT 中使用課程學(xué)習(xí)提示，模型應(yīng)該提供一系列任務(wù)，這些任務(wù)逐漸增加難度。
提示還應(yīng)包括有關(guān)期望輸出的信息，例如要完成的最終任務(wù)以及任何特定要求或約束條件。
此技術(shù)對(duì)自然語(yǔ)言處理、圖像識(shí)別和機(jī)器學(xué)習(xí)等任務(wù)非常有用。
提示示例及其公式：
示例 1：用于文本生成的課程學(xué)習(xí)
• 任務(wù)：生成與特定風(fēng)格一致的文本
• 說(shuō)明：模型應(yīng)該在移動(dòng)到更復(fù)雜的風(fēng)格之前先在簡(jiǎn)單的風(fēng)格上進(jìn)行訓(xùn)練。
• 提示公式：“使用課程學(xué)習(xí)來(lái)生成與以下風(fēng)格[插入風(fēng)格]一致的文本，按照以下順序[插入順
序]。”
示例 2：用于語(yǔ)言翻譯的課程學(xué)習(xí)
• 任務(wù)：將文本從一種語(yǔ)言翻譯成另一種語(yǔ)言
• 說(shuō)明：模型應(yīng)該在移動(dòng)到更復(fù)雜的語(yǔ)言之前先在簡(jiǎn)單的語(yǔ)言上進(jìn)行訓(xùn)練。
• 提示公式：“使用課程學(xué)習(xí)將以下語(yǔ)言[插入語(yǔ)言]的文本翻譯成以下順序[插入順序]。”
億歐黃傳星
示例 3：用于問(wèn)題回答的課程學(xué)習(xí)
• 任務(wù)：回答問(wèn)題
• 說(shuō)明：模型應(yīng)該在移動(dòng)到更復(fù)雜的問(wèn)題之前先在簡(jiǎn)單的問(wèn)題上進(jìn)行訓(xùn)練。
• 提示公式：“使用課程學(xué)習(xí)來(lái)回答以下問(wèn)題[插入問(wèn)題]，按照以下順序[插入順序]生成答案。”
第二十一章：情感分析提示
情感分析是一種技術(shù)，允許模型確定文本的情緒色彩或態(tài)度，例如它是積極的、消極的還是中立的。
要在 ChatGPT 中使用情感分析提示，模型應(yīng)該提供一段文本并要求根據(jù)其情感分類。
提示還應(yīng)包括關(guān)于所需輸出的信息，例如要檢測(cè)的情感類型（例如積極的、消極的、中立的）和任何特定
要求或約束條件。
提示示例及其公式：
示例 1：客戶評(píng)論的情感分析
• 任務(wù)：確定客戶評(píng)論的情感
• 說(shuō)明：模型應(yīng)該將評(píng)論分類為積極的、消極的或中立的
• 提示公式：“對(duì)以下客戶評(píng)論進(jìn)行情感分析[插入評(píng)論]，并將它們分類為積極的、消極的或中立
的。”
示例 2：推文的情感分析
• 任務(wù)：確定推文的情感
• 說(shuō)明：模型應(yīng)該將推文分類為積極的、消極的或中立的
• 提示公式：“對(duì)以下推文進(jìn)行情感分析[插入推文]，并將它們分類為積極的、消極的或中立
的。”
示例 3：產(chǎn)品評(píng)論的情感分析
• 任務(wù)：確定產(chǎn)品評(píng)論的情感
• 說(shuō)明：模型應(yīng)該將評(píng)論分類為積極的、消極的或中立的
• 提示公式：“對(duì)以下產(chǎn)品評(píng)論進(jìn)行情感分析[插入評(píng)論]，并將它們分類為積極的、消極的或中立
的。”
這種技術(shù)對(duì)自然語(yǔ)言處理、客戶服務(wù)和市場(chǎng)研究等任務(wù)非常有用。
第二十二章：命名實(shí)體識(shí)別提示
億歐黃傳星
命名實(shí)體識(shí)別（NER）是一種技術(shù)，它可以使模型識(shí)別和分類文本中的命名實(shí)體，例如人名、組織機(jī)構(gòu)、
地點(diǎn)和日期等。
要在 ChatGPT 中使用命名實(shí)體識(shí)別提示，需要向模型提供一段文本，并要求它識(shí)別和分類文本中的命名
實(shí)體。
提示還應(yīng)包括有關(guān)所需輸出的信息，例如要識(shí)別的命名實(shí)體類型（例如人名、組織機(jī)構(gòu)、地點(diǎn)、日期）以
及任何特定要求或約束條件。
提示示例及其公式：
示例 1：新聞文章中的命名實(shí)體識(shí)別
• 任務(wù)：在新聞文章中識(shí)別和分類命名實(shí)體
• 說(shuō)明：模型應(yīng)識(shí)別和分類人名、組織機(jī)構(gòu)、地點(diǎn)和日期
• 提示公式：“在以下新聞文章[插入文章]上執(zhí)行命名實(shí)體識(shí)別，并識(shí)別和分類人名、組織機(jī)構(gòu)、
地點(diǎn)和日期。”
示例 2：法律文件中的命名實(shí)體識(shí)別
• 任務(wù)：在法律文件中識(shí)別和分類命名實(shí)體
• 說(shuō)明：模型應(yīng)識(shí)別和分類人名、組織機(jī)構(gòu)、地點(diǎn)和日期
• 提示公式：“在以下法律文件[插入文件]上執(zhí)行命名實(shí)體識(shí)別，并識(shí)別和分類人名、組織機(jī)構(gòu)、
地點(diǎn)和日期。”
示例 3：研究論文中的命名實(shí)體識(shí)別
• 任務(wù)：在研究論文中識(shí)別和分類命名實(shí)體
• 說(shuō)明：模型應(yīng)識(shí)別和分類人名、組織機(jī)構(gòu)、地點(diǎn)和日期
• 提示公式：“在以下研究論文[插入論文]上執(zhí)行命名實(shí)體識(shí)別，并識(shí)別和分類人名、組織機(jī)構(gòu)、
地點(diǎn)和日期。”
第二十三章：文本分類提示
文本分類是一種技術(shù)，它可以讓模型將文本分成不同的類別。這種技術(shù)對(duì)于自然語(yǔ)言處理、文本分析和情
感分析等任務(wù)非常有用。
需要注意的是，文本分類和情感分析是不同的。情感分析特別關(guān)注于確定文本中表達(dá)的情感或情緒。這可
能包括確定文本表達(dá)了積極、消極還是中性的情感。情感分析通常用于客戶評(píng)論、社交媒體帖子和其他需
要表達(dá)情感的文本。
要在 ChatGPT 中使用文本分類提示，模型需要提供一段文本，并要求它根據(jù)預(yù)定義的類別或標(biāo)簽進(jìn)行分
類。提示還應(yīng)包括有關(guān)所需輸出的信息，例如類別或標(biāo)簽的數(shù)量以及任何特定的要求或約束。
提示示例及其公式：
億歐黃傳星
示例 1：對(duì)客戶評(píng)論進(jìn)行文本分類
• 任務(wù)：將客戶評(píng)論分類為不同的類別，例如電子產(chǎn)品、服裝和家具
• 說(shuō)明：模型應(yīng)根據(jù)評(píng)論的內(nèi)容對(duì)其進(jìn)行分類
• 提示公式：“對(duì)以下客戶評(píng)論 [插入評(píng)論] 進(jìn)行文本分類，并根據(jù)其內(nèi)容將其分類為不同的類
別，例如電子產(chǎn)品、服裝和家具。”
示例 2：對(duì)新聞文章進(jìn)行文本分類
• 任務(wù)：將新聞文章分類為不同的類別，例如體育、政治和娛樂(lè)
• 說(shuō)明：模型應(yīng)根據(jù)文章的內(nèi)容對(duì)其進(jìn)行分類
• 提示公式：“對(duì)以下新聞文章 [插入文章] 進(jìn)行文本分類，并根據(jù)其內(nèi)容將其分類為不同的類
別，例如體育、政治和娛樂(lè)。”
示例 3：對(duì)電子郵件進(jìn)行文本分類
• 任務(wù)：將電子郵件分類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件
• 說(shuō)明：模型應(yīng)根據(jù)電子郵件的內(nèi)容和發(fā)件人對(duì)其進(jìn)行分類
• 提示公式：“對(duì)以下電子郵件 [插入電子郵件] 進(jìn)行文本分類，并根據(jù)其內(nèi)容和發(fā)件人將其分類
為不同的類別，例如垃圾郵件、重要郵件或緊急郵件。”
第二十四章：文本生成提示
文本生成提示與本書(shū)中提到的其他提示技術(shù)相關(guān)，例如：零、一、幾次提示，受控生成提示，翻譯提示，
語(yǔ)言建模提示，句子補(bǔ)全提示等。這些提示都與生成文本有關(guān)，但它們?cè)谏晌谋镜姆绞胶头胖迷谏晌?br />本上的特定要求或限制方面有所不同。文本生成提示可用于微調(diào)預(yù)訓(xùn)練模型或訓(xùn)練新模型以執(zhí)行特定任
務(wù)。
提示示例及其公式：
示例 1：故事創(chuàng)作的文本生成
• 任務(wù)：根據(jù)給定的提示生成故事
• 說(shuō)明：故事應(yīng)至少包含 1000 個(gè)單詞，并包括一組特定的角色和情節(jié)。
• 提示公式：“根據(jù)以下提示[插入提示]生成一個(gè)至少包含 1000 個(gè)單詞，包括角色[插入角色]和情
節(jié)[插入情節(jié)]的故事。”
示例 2：語(yǔ)言翻譯的文本生成
• 任務(wù)：將給定的文本翻譯成另一種語(yǔ)言
• 說(shuō)明：翻譯應(yīng)準(zhǔn)確并符合習(xí)慣用語(yǔ)。
• 提示公式：“將以下文本[插入文本]翻譯成[插入目標(biāo)語(yǔ)言]，并確保其準(zhǔn)確且符合習(xí)慣用語(yǔ)。”