admin 管理员组文章数量: 887006
ChatGPT高效提问—prompt常见用法（续篇九）
如何准确地向大型语言模型提出问题，使其更好地理解我们的意图，从而得到期望的答案呢？编写有效的prompt的技巧，精心设计的prompt，获得期望的的答案。
1.1 增加条件
在各种prompt技巧中，增加条件是最常用的。在prompt中增加条件时，一条基本原则是：明确且清晰的信息传达。这能够保证prompt对ChatGPT有效，进而引导ChatGPT生成既饶有趣味又富含信息的对话。如何基于这个准则为prompt增加条件呢？下面结合实例说明具体用法。
1.1.1 ToDo or NotToDo式条件
在问答场景中，我们设定条件的本质目标通常有两种：希望ChatGPT执行某项任务，或者禁止ChatGPT执行某项任务。一般而言，积极性的“ToDo“类条件通常比消极性的”NotToDo“类条件效果更佳。举例来说，假设想让ChatGPT推荐一本编程类图书。
首先尝试未加条件的prompt。
输入prompt：
ChatGPT输出：
添加到ToDo条件，输入prompt:
ChatGPT给出更精确的回答：
从回答中可以看出，通过增加ToDo条件“编程相关”，成功缩小了推荐范围，仅通过两轮对话就具备了得到满意答案的可能。假如我们想阅读Go语言编程相关的书，可以添加“Go语言“作为限定词，如下所示：
如果供Go语言初学者阅读，可以这么输入：
ChatGPT最终的回答：
接下来我们使用增加NotToDo条件的prompt，看看ChatGPT的表现如何。
输入未加条件的prompt:
ChatGPT输出：
添加对非心理学和行为经济学类的限定：
ChatGPT输出：
添加对非历史和传记类的限定：
ChatGPT输出：
NotToDo式提问仅展示了部分对话内容。从以上对话可见，添加NotToDo条件（不要X X相关的书），实际上是采用了一种排除法。虽然这种方式确实能够有效地缩小推荐范围，但每次缩小的幅度仅限于NotToDo条件描述的范围。这就导致需要经过三至四轮（甚至更多）对话，才能获得满意的答案。
这并不是说NotToDo条件不实用，事实上，在某些场景中，NotToDo条件能发挥更大的作用。以下是一些常见的应用场景。
- 当你已经明确地向ChatGPT表达了需求，但还想进一步缩小范围时，适当增加NotToDo条件可以有效提高查找效率。
- 当你处在某种探索阶段，例如不清楚如何精确地限定需求，只知道不希望得到什么时，可以先添加NotToDo条件，让ChatGPT在更大的范围内提供答案。当完成探索并明确了需求后，继续优化prompt。
因此，不论是ToDo还是NotToDo，选择哪种类型的条件，关键在于具体需求和应用场景。
1.1.2 增加条件的注意事项
- 明确prompt的目标：简单来说，你想让ChatGPT为你做什么，是需要事实信息、意见、建议，或者是回答问题、记录信息？你希望得到简短的回答，还是详尽的解释？你提出的问题是否基于之前的对话内容？你的问题是开放式的，还是封闭式的？开放式问题允许更多可能的回答，而封闭式问题通常只需要特定的答案。明确了这些点，设计prompt时再增加相应的条件，表述会更加准确。
- **条件词汇要具体：**包括但不限于时间（如2023年4月15日星期六）、人名（如张三）、书名（如《时间简史》）等能确切表达一个事物的条件，而像书籍、作业、程序这种统称型词汇，则不适合作为prompt的条件单独使用，比如“能帮我写程序吗？”这个prompt中的“程序”条件就显得过于宽泛和开放，导致ChatGPT难以生成有用的回答。这时我们就需要引入其他限定词，使目标更明确，进而获得较好的答案，例如“帮我写一个Python程序，其主要功能是列出当前文件夹下及子文件夹下的所有文件“。这样的prompt比较具体，ChatGPT能够较好地实现我们的需求。
- **保持对话在正确的轨道上：**在与ChatGPT的交流过程中，专注于正在讨论的主题并规避与之无关的话题至关重要。保持对话在正确的轨道上，能够确保ChatGPT的反馈符合自己的目标，且信息内容既有价值又有相关性。
上面两个例子的第一轮对话使用不含条件或条件过于宽泛的prompt，ChatGPT不知道我们具体想问什么，因此难以生成有重点或有用的回答。我们在添加条件时尽量避免这类情况，具体操作可参照上述注意事项。
1.2 增加示例
对于一些涉及既定事实的问题，我们可以通过在prompt中增加限定词的方式，限制ChatGPT返回答案的范围。示例如下。
输入prompt:
ChatGPT输出：
我们设计的prompt限定了ChatGPT只能列举大洋洲的国家。大洋洲所含国家既定事实，限定这个范围后，ChatGPT给出的答案正是我们想要的。然而在某些场景下，有些要求很难通过prompt中的文字描述传递给ChatGPT，即使描述出来了，ChatGPT也不能很好地理解。比如下面这个起名字的例子。
输入prompt：
ChatGPT输出：
可以看出，当向ChatGPT提出起名字的要求后，ChatGPT给出的答案虽然是人名，但不是我想要的。针对这个情况，我们可以在设计prompt时，在问题的最后加上一些示例，以引导ChatGPT模仿示例，从而返回更加符合需求的答案。
输入prompt:
ChatGPT输出：
可以看出，我们通过“张三”这示例，引导ChatGPT输出了三个中文人名，并且都是两个字人名，符合要求。下面试试增加需求。
输入prompt:
ChatGPT输出：
看起来ChatGPT回答得不错。通过限定条件与提供示例，引导ChatGPT给出了符合要求的答案，这就是在prompt中增加示例的作用。
看起来，ChatGPT回答的不错。通过限定条件与提供示例，引导ChatGPT给出了符合要求的答案。这就是在prompt中增加示例的作用。
版权声明：本文标题：ChatGPT高效提问—prompt常见用法（续篇九） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1733525903h1602617.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论