互动秘籍：ChatGPT对话技巧及高效使用指南

人工智能已经成为我们生活和商业的重要组成部分。过去的几个月里，我们见证了AIGC工具的快速崛起，ChatGPT对我们日常活动的影响不容忽视，学习ChatGPT对话技巧对我们也是至关重要。

从虚拟助手到聊天机器人，人工智能正在变得越来越智能，拥有比以前更多的功能。这项技术改变了我们与人和机器交互的方式。

随着这种演变的继续，我们始终需要改善人与机器之间的沟通。通过全面理解如何有效地与人工智能进行交流，我们可以更接近解锁其全部潜力。

这不仅能让我们提取相关信息，也能使我们获得新的见解，让我们在各个感兴趣的领域获得更全面的了解。为了获得这些优势，理解提示工程是必要的。

作为一名正在成长的AIGC技术创业者，我大部分时间都在学习和实现中度过。在这个过程中，我可能需要进行研究，但在网络上找到我需要的信息可能需要很长时间。但是有了像ChatGPT这样的新技术，只要我提出正确的问题，我就能轻易得到我需要的答案。

就像许多其他人一样，弄清楚这个平台并不容易。我花了一段时间才理解如何与模型进行交流。一个关键的方面是知道如何构造和表达提示。有了这个，你就能提高你得到的回答的质量和准确性。

在这份指南中，你将学习到什么是提示工程，以及如何使用它来改善你与人工智能工具的沟通。除此之外，我们还将探讨不同类别的提示和用于制定有效提示的设计原则。

阅读这份指南后，你应该能够编写良好的提示，并根据你的需求进行定制，以便更好地与语言模型交互。

让我们开始吧！

什么是提示工程（Prompt Engineering）？

与AI的沟通是至关重要的，理解如何有效地与它沟通是有益的。整个沟通过程都围绕着编写被称为提示的命令。

有了这个理解，我们可以很容易地将提示工程定义为创建输入的逐步过程，这些输入决定了AI语言模型要生成的输出。

高质量的输入将导致更好的输出。同样，定义不明确的提示会导致不准确的回应，或可能对用户产生负面影响。毕竟，“权力越大，责任越大”。

提示工程贯穿于不同的应用，包括聊天机器人、内容生成工具、语言翻译工具和虚拟助手。但你可能会想知道AI技术是如何生成其回应的。让我们在下一部分找出答案。

语言模型是如何工作的？

像GPT-4这样的AI语言模型依赖深度学习算法和自然语言处理（NLP）来全面理解人类语言。

所有这些都是通过包含大量数据集的训练实现的。这些数据集包括文章、书籍、期刊、报告等。这有助于语言模型发展其语言理解能力。有了这些数据，模型就可以调整以使其能够应对分配给它的特定任务。

根据语言模型的不同，主要有两种学习方法——监督学习或无监督学习。

在监督学习中，模型使用带标签的数据集，这些数据已经标有正确的答案。在无监督学习中，模型使用未标记的数据集，这意味着模型必须分析数据以获得可能和准确的回应。像GPT-4这样的模型使用无监督学习技术来给出回应。

模型有能力基于给定的提示生成文本。这个过程被称为语言建模，它是许多AI语言应用的基础。您可以从IBM那里了解更多关于监督学习和无监督学习的信息。

至此，您应该明白，AI语言模型的性能主要取决于训练数据的质量和数量。用大量来自不同来源的数据训练模型将帮助模型理解人类语言，包括语法、句法和语义。

请注意，无论用于训练这些模型的数据量有多少，当涉及到理解自然语言时，总是会存在挑战。毕竟，这是一个人造实体，理解讽刺、反讽或人类情感等事物对于AI模型来说可能是困难的。

现在我们已经理解了AI语言模型是如何工作的，让我们来看看有哪些不同的提示类别可以帮助我们与模型进行交流。

什么是提示类别？

您可以使用提示来确保与AI语言模型的顺畅沟通。编写高质量提示的第一步是理解它们的不同分类，这样您就可以容易地根据预设的目标回应来构造提示。

主要的提示类别包括：

1. 寻求信息的提示 - 这些提示专门设计用来收集信息。提示主要回答“什么”和“如何”的问题。例如："肯尼亚最受欢迎的旅游景点有哪些？"，"我应如何准备面试？"
2. 基于指令的提示 - 这些用来给模型下达执行特定任务的指令。Siri、Alexa或Google Assistant的使用就是这类提示的一个很好的例子。例如，一个指令提示可能是"打电话给妈妈"，或者"播放我最喜欢的电视节目的最新一集。"
3. 提供上下文的提示 - 顾名思义，这些提示提供信息给AI，帮助它更好地理解用户需要什么样的回应。例如，如果你正在计划一个派对，并需要一些装饰点子和参与者的活动，你可以这样构造你的提示："我正在为我的孩子策划一个派对，有哪些装饰点子和参与者可以做的活动可以使它变得有趣且令人难忘？"
4. 比较性的提示 - 这些用来比较或评价给模型的不同选项，帮助用户做出合适的决定。例如："与选项B相比，选项A的优点和缺点是什么？"
5. 寻求观点的提示 - 这些旨在获取AI对给定话题的观点。例如："如果我们可以回到过去，会发生什么？"
6. 反思性的提示 - 这些提示旨在帮助个人深入了解自己，他们的信念和行动。它们更像是基于一个话题或个人经历的鼓励/自我成长提示。你可能需要给模型提供一些信息才能得到期待的回应。
7. 基于角色的提示 - 这些提示通过在特定角色内构架用户的请求来提供回应。这是最常用的提示类别。通过给AI一个角色，它会根据给定的角色给出回应。 对于这个特定类别，一个有效的技巧是利用5W框架，也就是说：

• 谁（Who） - 分配你需要模型扮演的角色。例如教师、开发人员、厨师等。

• 什么（what） - 指的是你希望模型做什么。

• 什么时候（when） - 你希望完成特定任务的时间线。

• 在哪里（where） - 指的是特定提示的地点或上下文。

• 为什么（why） - 指的是特定提示的原因、动机或目标。

一个基于角色的提示的例子是：

作为一名编程导师，你的角色是创建个性化的学习计划，帮助个人学习编程。你的职责包括理解每个学生的目标、时间投入和优选的学习资源，并使用这些信息来制定一个包含明确时间表和相关资源链接的全面学习计划。你应能够适应你的教学风格以满足每个学生的个别需求，并在整个学习过程中提供持续的支持和指导。你的最终目标是帮助每个学生发展他们需要达成他们编程目标的技能和知识。

这个提示还应包括你打算学习什么、预期的学习时间和你的学习目标。记住，你给出的细节越多，你得到的定制结果就越多。

注意：如果你对需要帮助的内容缺乏先验知识，你不应完全依赖模型给你的回答。如果你对模型的回答有疑问，一定要与其他来源进行交叉检查，因为模型并非总是正确的。

有效的提示工程原则

现在我们已经介绍了不同的提示类别，让我们来看看你如何编写出好的提示。为了帮助你更好地理解，我们将通过不同的提示工程框架，通过提供明确的NLP查询，优化我们得到的回应。

在创建提示时，你应该记住以下几点：

• 清晰性 - 在任何沟通场合，清晰性都非常重要。同样的原则也适用于提示工程。如果你想编写一个好的提示，清楚地表达你想要什么是非常重要的。一个好的提示可以帮助AI提供更准确的回应。

• 提供上下文和例子 - 这涉及提供额外的信息，可以帮助AI更好地理解提示的目标是什么。通过这样做，你增加了获得更准确回应的机会。

• 设置限制和约束 - 这涉及到设定AI应该在其中操作的边界。这增加了得到预期回应的可能性，并避免了不希望的/不相关的信息。

• 拆分查询 - 将查询拆分成更小、更易管理的块，会让AI更容易处理信息。这将帮助模型理解每个查询，并产生更好的回应。

• 迭代和改述 - 在某些情况下，给AI一个查询后，你可能对得到的回应不满意。在这种情况下，你可以改述你的提示，并提供更多的上下文以获得更好的结果。

• 优先考虑重要的信息 - 在这里，你需要在提示中突出最重要的信息。通过这样做，你告诉AI重点提供与突出的信息相关的回应。

• 使用多选题 - 在你陷入从多个选项中选择的情况时，你可以提供给AI不同的选项来处理，以便节省时间。

• 请求逐步解释 - 假设你需要详细的信息或对一个复杂的主题进行分解。你可以以一种方式构建你的提示，指导AI通过分解每一步来以更彻底的方式给出回应。

• 鼓励批判性思考 - 当你依赖AI提供的信息，如一条建议时，这可能会很有用。通过鼓励AI进行批判性思考，你增加了基于现实逻辑得到回应的机会。

• 验证生成响应的准确性 - 最后，也是最重要的，总是需要验证AI生成的响应。这涉及到确保信息准确且最新。通过这样做，你可以确保你根据生成的响应做出了知情的决定。

实用的提示示例

我们已经讨论过不同的提示类别和有效提示写作的原则，现在让我们更深入地了解如何在现实世界中应用这些概念。

为了充分利用我们迄今为止所涵盖的内容，我们将查看一些实用的示例，解决一些常见的AI响应问题，并观察AI在不同行业中的应用。

我知道制定一个好问题并不容易，但相信我，我已经经历过这个过程。当你学习如何创建合适的提示时，过程会变得更容易。

例如，假设你想开始学习使用前端技术进行编程，你感到困惑，不知道从哪里开始。你可以使用更具体、更有针对性的提示，而不是提问一个开放性的问题，如："我在哪里可以学习前端开发？"，你可以像这样：

正如您在上方的图像中所见，这是我给出的提示：

"在在线学习前端网页开发方面，各种编程教育平台在课程内容、学习资源和社区支持方面有什么不同？例如，哪个平台提供更全面和最新的HTML、CSS和JavaScript课程，哪个平台的社区更活跃，更能支持学习者在他们的前端开发之旅中提供帮助？"

AI根据我提供的信息提供了相当详细和有信息性的答案。

这个提示的好处是它适用于不同的行业。我们越来越多地看到AI在娱乐、金融、法律、医学、教育等领域的不同应用。

在这些领域中，娱乐领域是其中应用AI最常见的领域之一。我们看到人们使用AI从零开始创建YouTube内容。这涉及到一系列步骤，包括在这种情况下创建一个你和AI之间的长对话，AI被赋予一个角色，你按照它的指示进行操作。

尽管我们可以依靠AI来完成特定任务，但考虑我们分配给AI的任务是否合适也是很重要的。这些语言模型在处理大量数据的任务上表现出色，这帮助它们识别出独特的响应模式。

除此之外，选择一个适合特定任务的合适模型也很重要，因为不同的模型是针对不同任务进行训练的。

AI的局限性和缺陷

尽管AI在最近几年取得了许多进展，我们可以认识到它们也并非完美无缺。

多个来源都强调的一个主要关注点是AI模型可能存在偏见。

为什么会这样呢？嗯，机器学习算法依赖于人类数据来进行预测。如果输入到模型中的数据存在偏见，那么生成的回应也会带有偏见。因此，重要的是在早期阶段仔细评估训练数据是否存在任何形式的偏见，并进行相应的调整。

此外，虽然我们可以相信AI自动化执行某些任务，但它们的结果并不总是准确的。如果AI没有受到明确定义的参数的限制，它可能会超出用户的能力范围。

为了避免这些情况，始终对模型进行人工监督是一个好的实践，以持续监控模型并帮助发现模型中的错误。

AI在另一个常见领域面临困难，就是理解复杂的语言并与真实的人类在不同情况下产生共鸣。由于它无法“感受”，它在涉及正常人类行为的决策方面并不准确，不能完全信任。

最后，如果训练数据不完整，模型可能无法提供最准确的回应。当这种情况发生时，模型可能会根据它认为用户可能在寻求的内容生成想法。这意味着模型在努力应对，因为它没有足够准确的数据来生成好的回应。

目前与AI回应相关的问题

不幸的是，到目前为止，由AI生成的回应并不总是正确的。我也曾经遭受过这种情况。但幸运的是，我意识到了错误并进行了修正。

另一个需要注意的问题是，如果你给AI提供了不正确的替代信息，即使你是错误的，AI也会试图赞同你。这就是为什么确保你对你向AI提问的内容有一些了解是一个好主意。在AI给出不正确的回应时，你可以尝试通过提供更多的上下文来重新表述你的提示。

结论

很明显，AI技术在未来将在我们的生活中发挥非常重要的作用。这项技术将继续革新我们在工作、家庭或学校中的日常例行事务的方式。

为了充分利用这一点，我们需要确保我们能够有效地与这些系统进行沟通。这就是提示工程的作用所在。通过理解如何制定一个好的提示，我们可以改善人与机器之间的互动。

当我们试图依赖AI提供的信息时，考虑到它可能给我们生活带来的可能影响是至关重要的。一个主要问题是AI系统往往存在偏见，这可能导致有偏见的结果。

但无论情况如何，看起来AI已经成为不可或缺的一部分。所以，越早学会与它进行交流，就越好。不要被排除在外 😊。

参考资料

• 翻译自：How to Communicate with ChatGPT – A Guide to Prompt Engineering
• Tokens揭秘：理解ChatGPT中的计数原则，优化AI体验
• OpenAI与ChatGPT：专有名词大全，驾驭AI的关键
• 解析AIGC：深入理解其定义及影响
• AIGC提示工程深度指南：技术、应用和未来趋势
• 全面解析AIGC提示词：定义、应用与其在AI领域的影响