未来竞争力——ChatGPT之“会写Prompt”亲体验

见贤思齐

自ChatGPT横空出世以来，各行各业的工作者从一开始的完全怀疑，到将信将疑，再到热烈拥抱和强烈抵制的冰火两重天，我们在新闻中见证了好莱坞编剧大罢工，见证了压力、狂热和久违的“ALL In”像一颗兴奋的火种在国内各大公司迅速蔓延， 百团大战、千播大战之后还没过多少年头，万模大战就此拉开序幕。历史就是这样，不会简单重复，但总是惊人相似。大模型，一定会经历大浪淘沙的过程，但无论谁胜出，都不会影响大局，我们真正进入了这个全新时代。人类社会发展规律就是先进生产力不断取代落后生产力的过程，如何利用大模型的能力，提升自己的生产力才是关键。而利用大模型，有些人觉得回答很惊艳，还有一部分人觉得just so so，其实关键在于会提问，也就是Prompt，ChatGPT 效果好不好完全取决于你的 Prompt。就像有人说的，提出正确的问题，往往等于解决了问题的大半。所以提问其实是一个技术活儿，这点无论是日常沟通，解决问题，还是利用搜索引擎，都是相通的。本文写作的主要目的是简单介绍下 Prompt，方便大家更好地用 Prompt 和 ChatGPT进行交互，笔者也会给出一些不同任务类型的案例供大家参考。Prompt和Prompt engineeringPrompt是指在使用ChatGPT这样的语言模型时，向模型提供的输入文本。它是一种用于引导和指导模型生成输出的文本片段或问题描述。目前大部分人使用ChatGPT用的都是简单的prompt，基本上没什么需要特别注意的东西，就像在使用搜索引擎一样。可是，随着使用深度不断提高，需求变得更加复杂，很可能要经历多次询问才能得到想要的结果。就像我们通过提问的艺术来解决问题一样，Prompt的设计在很大程度上可以影响模型生成的结果和行为。得益于ChatGPT 强大的 In-Context 学习能力，通过合理构建Prompt，可以对模型的输出进行约束、引导模型关注特定的信息或任务，并提高对话的质量和准确性，也就是Prompt engineering。在对话生成任务中，我们可以提供对话的上下文信息、角色设定、目标或指令等，帮助模型更好地理解用户意图，生成更相关和连贯的回复。Prompt有几个设计原则，如下：● 清晰，切忌复杂或歧义，如果有术语，应定义清楚。● 具体，描述语言应尽量具体，不要抽象和模棱两可。● 聚焦，如果想要解决具体问题，避免太泛或开放。● 简洁，避免不必要的描述。● 相关，主要指主题相关，而且是整个对话期间，不要东一瓢西一瓤。所以，针对这个的最佳实践，就是每个对话只讨论特定的主题，如果需要问一个新主题，最好新开一个对话。一个通用的prompt，可以包含角色 + 任务 + 指令。角色需要精确，指导模型在生成文本时扮演的角色；任务需要明确而简洁，指明所需生成的内容；指令需要明确，指导模型在生成文本时遵循的要求。也就是告诉ChatGPT，你是谁？要做什么？要做成什么样？下文我们来看看通过设计良好的Prompt，ChatGPT到底能帮我们做哪些事情。01文本分类文本分类可以用在很多方面，比如很多公司都在做的产品舆情监测、媒体监测、新闻分类、客户反馈分类支持、文件归档等。借助ChatGPT强大的理解能力，给定一段待分类文本，再结合具体的Prompt，能够满足我们的个性化要求，如图。通过开发程序，调用ChatGPT的API，就能够实现批量文本分类，满足实际工程需求。上面例子中，如果我们不给ChatGPT指定“只需回答分类即可”的要求，它就会输出额外的解释。所以，更通用的做法是，在Prompt中增加“不要给解释。”这样的指令，能够实现简洁输出。02文本摘要文本摘要尤其适合需要和大量长文打交道的场景，可以用于快速了解论文、文档的核心观点和结论、快速获取新闻关键信息等。在进行文本摘要的时候，我们尝尝使用类似“总结下述内容”等Prompt，但这样的简单指令有时并不能实实现我们想要的精炼效果。可以通过指令对输出进行要求，比如需要生成多长、只关注某方面的信息等，比如“三句话总结下述内容”、“三句话总结下述内容，只关注数字人”等等。当然，目前ChatGPT也有其局限性，暂时不支持文档上传、超长段文字处理，未来的新版Office办公套件可能会成为真正的办公神器。03角色扮演你可以通过指令让ChatGPT充当历史、现实生活、电影、书籍等任何东西中的角色。当然，常用的其实还是让ChatGPT扮演行业专家，从而让ChatGPT从这个角色的角度来分析我们的问题，可以使得回答更专业，从而避免过于宽泛。假设我们想让ChatGPT帮我们生成一份保密协议，以下示例分别展示了普通询问和增加角色扮演的询问：可以看到，增加了角色扮演指示后，生成的内容更具备专业性，相比前面的普通询问增加了甲乙方信息和末尾签字栏（截图未给出），几乎可以拿来即用。专家角色可以帮助ChatGPT指定场景，清晰问题范围，以及补充问题所需的背景信息，在询问专业性较强的问题时，可以尽量采用此种方式。当然，以下几种Prompt在效果上是等同的，如“你现在是xxx”、“请你扮演xxx”、“假如你是xxx”、“请以xxx的角度/身份/语气”等。04充当终端/语言解释器在没有实际的环境时，让ChatGPT充当终端或者语言解释器，可以做一些学习和实验。下图是一个充当Linux终端的例子：再来看一个ChatGPT充当Python解释器的例子：05定义输出格式并转换为文件我们的测试用例通常是以xmind形式编写，但ChatGPT无法生成文件，怎么实现文本内容到xmind形式的转换呢？其实可以利用Prompt，将ChatGPT的输出定义为markdown形式，如下：将代码块中的内容保存到.md文件，随后就可以导入xmind，形成我们常用的测试用例，如下。当然，除了markdown，ChatGPT还能以表格形式输出，只要添加“使用表格形式呈现”指令即可。06自定义ChatGPT对话模式大家如果用过BingChat，可以看到有三种对话模式：ChatGPT并没有这样的选项，那是否有方法可以自定义呢？答案是使用Temperature参数。方法很简单，直接在你的指令末尾输入:Temperature=[数字]（这个数字介于0-2之间），你就能体验到一个从严肃冷静、到平衡稳定、到脑洞大开的ChatGPT了，如下：可以看到，当温度值为0时，ChatGPT倾向于最确定的答案，当提高温度值后，就出现了多样性。07ChatGPT调教基于 AI 的思维链技术，我们可以通过不断的反馈及新增指令，对 AI 进行训练，通过引导，帮助我们获得更具体、更深度、更有价值的回答。当然，在追问的过程中，一定要明确对象，否则达不到效果，另外在ChatGPT回答过程中，我们也可以输入好或者不好的反馈，来校正之后的输出。07Prompt逆向工程以上案例都是从自身角度直接构造Prompt，那我们有没有办法让ChatGPT直接给我们生成一份Prompt，供后续使用呢？我们知道，在软件工程中，逆向工程就是从结果反推过程，比如拿着.class文件、apk包去反编译为Java代码，那是否能尝试下让ChatGPT自己分析结果从而给出可以生成这个结果的Prompt？我们来看以下例子：可以看到，ChatGPT生成了一段Prompt，接下来我们新开一个会话，测试下这段Prompt：生成的内容还可以，当然，这个Prompt不一定完全符合我们的预设目标，可以在生成初版Prompt后时给予多轮调教，使之渐趋完善，甚至成为更通用的商品生成或者新闻生成Prompt。总结ChatGPT能够用于工作、学习、生活的场合实在太多，本文不再赘述它在我们日常工作中的很多使用场景，比如debug、代码生成和代码优化、语言翻译、文章润色和纠错等等，这些场景大家可以自行探索。希望通过本文对Prompt的的介绍，读者可以更好地理解如何通过优化Prompt，更好地向ChatGPT提问，从而获得更准确、有用的回答，使得ChatGPT真正成为我们得力的AI助手。分享给第一个想到的人