2.这篇文章是一个完整的知识系统。文章不会直接扔给你一个解决方案，而是从[什么]和[为什么]开始，告诉你原因和后果，最后告诉你怎么做。
ChatGPT的诞生让很多人感到焦虑。然而，你根本不需要担心，因为比人工智能更强大的总是控制人工智能为自己使用的人类。
今天我就用一篇文章带你掌握GPT的用法，这篇文章没有废话，整个干货，都是实操，纯小白也能理解。
只要你能认真阅读这篇文章，我保证能让你对GPT的应用能力，超过90%的人！！！
一、GPT 使用的两大痛点
1、为什么AI无法为你所用？
很多同学拿到 GPT 后的第一个痛点就是：用的不好。
也就是说，你经常会感觉到 ChatGPT 回答的好空，没有太多参考价值......
而第二个痛点则是：无处去用。
也就是说：有了 GPT 之后，发现自己好像并没有什么好问的，不知道可以用 GPT 来干嘛。
所以，在这两个痛点的影响下，当你折腾完账号，闲聊天的新鲜期过去之后，GPT 也就跟着躺平吃灰了，你的生活、工作依旧一成不变。
但是，我用 AI 的结果可能和你不太一样~
可以说，我现在工作流的一切，基本上都被 AI 接管或者辅助了，它为我实现整体效率提升了3倍不止。
它真真正正的变成了我的私人助理，渗透了我工作、学习、生活的方方面面....
包括你现在正在看到的这篇文章，除了写作是本人完成外，其它的诸如排版，增补、润色、纠错等诸多环节，都是通过 AI 完成的....
其实，用同样的工具，我之所以能用它创造出实际的价值，而你却陷入了【回答好空，不知道用来干嘛】尴尬情况的核心原因。
就是因为你缺少了这么两点~
也就是：没有掌握 AI 的使用方法。
也就是：无法让 AI 与自身的应用场景关联起来，最后屠龙刀只能当烧火棍用。
可以说，几乎所有无法用AI创造出实在生产力的同学，都死在了这两关上。
所以，咱们接下来展开讲解的逻辑，就是围绕着：使用 AI 的方法（帮你挥动屠龙刀）。
以及 关联AI 的应用场景（让你知道挥往哪里去屠龙）这两条逻辑线来帮助你彻底掌握 GPT 的应用~
2、那么如何使用AI呢?
其实用AI 的核心心法，用一句话就可以概括了：
也就是说：GPT 生成的答案质量，完全取决于你『问它』，以及『引导它』的方式。
如果你能问得好，引导的好，那么它就会帮你生成让你惊喜的答案，反之则无价值，假大空。
而这里『问它的方式』指的就是：与AI沟通的语言，而『引导它的方式』，则就是调教AI的方法。
那么，这句话是什么意思呢？
其实很好理解，由于目前人类的技术对自然语言（人说的话）处理的技术还不完美，所以导致目前 AI 生成内容的质量，非常依赖于提示词（Prompts）。
PS：你可以把“提示词”理解成：让 AI 能精准 Get 到你意图的话，或者与 AI 沟通的语言方式。
也就是说：如果你给AI的提示词质量不好，或者不到位，那么 AI 给到你的，往往就是那种 “像是一堆正确的废话堆积而成” 的文字垃圾。
这些东西和你用搜索引擎搜出来的那些拼凑而成的口水文，没有本质区别，对你毫无启发性。
所以，想要获得 AI 高质量回答的第一步，就是先学会与 AI 沟通的语言，也就是学会写提示词。
关于会给AI写提示词的重要性，OpenAI的CEO，也是被称为ChatGPT之父的 Sam Altman 就专门发推强调说：会给 AI 写提示词是一个非常高杠杆的技能。
那么，为了让你更直接清晰的认识到，会写提示词的重要性，我们这里不妨再上一个能让你直接感知到的例子~
让你看看，对 AI 提同样的需求，会写提示词，和不会写提示词，AI 所返回给你的结果质量，究竟会有多大的差距.....
好了，通过上面的介绍，你认识到了会写提示词的重要性后，那么我们该如何写出高质量的提示词呢？
关于这一点，我这里给你总结了一个通用且屡试不爽的提示词模版~
也就是说，一个好的提示词是由：立角色 + 述问题 + 定目标 + 补要求，这四部分构成的！！
1：【立角色】指的是：引导AI进入具体场景，为 AI 赋予行家身份。
2：【述问题】指的是：告诉AI你的困惑，你的问题，以及为AI补充问题所需要的背景信息。
3：【定目标】指的是：告诉AI你的需求，你希望它为你做到什么。
4：【补要求】指的是：告诉AI，它的回答需要注意什么，或者你想让它以什么形式来回复你。
当然，这套模板，看着会感觉比较复杂，但是，它操作起来却是无比简单~
这里不妨还拿前面那个【旅游攻略】的案例来举例，那把这个公式带入到一个真实的应用场景，它就是这样的效果.....
当然，看过这个例子，你可能会说，对于模板中的 “述问题、定目标、补要求” 这些部分都很好理解，这就是我们平常提问的语言模式。
但是，为什么这里要加上一个【立角色】的动作，这个动作是不是有些多此一举，直接上提问，不是更干脆直接吗？
恩，我这里想告诉你的事：这个动作不但不多余，而且还很重要！！
关于这一点的解释，我们这里还是拿上面的【旅游】来举例子~
看看同样一个问题，加角色和没加角色的问题，GPT 最后返回给你的答案究竟差异有多大......
通过这个对比图，你可以清晰的看的出来~
在完全一样询问方式以及内容的情况下，后者仅仅多了【假如你是导游】这六个字。
GPT 所返回给我们的答案与前者对比，就完全是两种境界！！
也就是说：加了专家角色的提问，AI返回的结果会更具体，更具有可实操性，而且回答的语气也更加具有人情味。
其实，之所以会造成这种差异的原因也很好理解，我们不妨拿金庸老爷子的武侠小说来解释~
其实AI 所掌握的知识，就有点类似于《天龙八部》的王语嫣一样，她虽然记下了天下武学的知识。
但是她所掌握的武学知识又宽又泛，又相互干扰，虽然能给出建议，却无法给出针对性的建议。
但是，当我们为 AI 加上了专家角色之后，它就不再是只会死读书的王语嫣了，而是真正化身为领域内的实战派专家，来给出我们答案了。
也就是说，专家角色可以帮助 AI 指定场景，清晰问题范围，以及补充问题所需的背景信息。
因为一个领域的专家，本身就代表某个领域的知识体系，以及最高的行业标准，这个动作就相当于给王语嫣叠加了一个 Buff 一样。
所以说，如果你的问题需要一定深度，你想要更得到更专业的回答，而不是类似于搜索引擎式的回答，那么就请你记得：
向 AI 提问的第一步，先给它叠加上专家的 buff，完成了这个动作之后，再告诉它你想要它做什么，以及对它的补充要求。
好了，这里你清楚了为 GPT 叠加专家 buff 的意义之后，那么我们该如何为它叠加上这个 Buff 呢？
请你以 [XX] 的角度/身份/语气.....
根据我的实操经验，这些提示词，都可以被 AI 所接受和理解，你这里只需要选一款最符合你语言习惯的表达风格就行了。
而且，咱们这套写提示词的思路是通用的，几乎所有的场景，你都可以用这套方法来为其设计提示词~
👉举例 1：用『提示词模版』来设计课程大纲
提示词：
AI所生成的效果：
👉举例 2：用『提示词模板』实现模拟面试的效果。
提示词：
AI所生成的效果：
👉举例 3：用『提示词模板』来辅助工作。
AI所生成的效果：
此外这套思路还可以跨场景迁移使用，比如用提示词模板，来实现 AI 绘画~
提示词：
AI所生成的效果：
总之，模板通用，例子举不胜举，只要你按照这套 SOP 模版写出的提示词，那么一般 GPT 给你的答案都不会太差。
当然，以上是一套标准的 SOP 模版，如果你的问题需求非常简单，你是不需要全部按照这一套来的，对于一些简单的问题，直接问就行了。
所以，要记得：方法不要用死了，要根据你的实际场景需求灵活变化哦。
好了，通过以上，你就掌握了写提示词的方法了~
不过虽然说可以通过这套思路，设计出优质的提示词，获得 AI 高质量的答案。
但是我们也知道，目前的 AI 还没有进化到逆天的程度，所以对于一些稍微复杂的问题，AI 的一次回答往往并不那么到位。
二、GPT 调教”三板斧
在 GPT 使用门槛不断降低的情况下，决定能否真正将其转化为生产力的因素就是"调教精度”，我给他命名为 GPT 调教的三板斧，今天逐一来详细分析和分享一下，它们分别是:
3.它能识别中文，但它更擅长英文
最终，结果质量的好坏、精准度很大程度上取决于这几个"更”
温馨提示:
针对文中涉及的代码部分，不懂技术的童靴可以略过，不影响你的后文阅读。调教方法部分各模块是相互独立的。
温馨提示:好，接下来逐一解释一下"三板斧”
1、它能识别自然语言逻辑的描述，但它更擅长识别计算机语言逻辑的描述
我们平时说话时使用的语言就是自然语言。通常，我们使用自然语言时有两重模糊性，语义模糊性+逻辑模糊性。在自然语言中，一个词或一个短语可以有多种含义或解释，而且这些含义或解释可能是模糊的，即存在歧义。这是由于自然语言的复杂性和多样性所导致的。
例如，单词“冷”可以表示温度低，也可以表示情感冷淡，还可以表示冷静等。同样，一个短语在不同的语境中也可能有不同的含义。例如，短语“"打开窗户”可以表示打开窗户以获得新鲜空气，也可以表示打开窗户以进入房间。
除了多义性，自然语言还存在一些其他的模糊性。
例如，一些词或短语的含义可能取决于讲话人或听话人的文化、背景或经验。咱们中国的文化环境和西方有很多差别，这对生成结果也会有影响 。此外，口语和书面语之间也存在差异，同一个词在口语和书面语中可能有不同的含义。
这种模糊性使得自然语言处理任务变得困难，例如文本处理、机器翻译和情感分析等。因此，在自然语言处理中需要使用各种技术来尝试减少这种模糊性。
而当人们在使用计算机编程时，他们会使用专门的编程语言来描述所需的逻辑，这些编程语言在结构上和自然语言有很大的不同。
与自然语言不同，计算机语言非常精确，没有模糊的含义和多义性。
因此，GPT 在处理计算机语言的逻辑描述方面，比处理自然语言更加得心应手。
比如，在 Python 编程语言中，条件语句 (if-else) 和循环语句 (for/while) 是非常常见的逻辑结构。与自然语言描述相比，这些逻辑结构的描述非常明确，不容易产生歧义。这使得 GPT 能够更准确地理解 Python 代码的逻辑结构，进而更好地生成或识别相应的代码。
该代码通过一个 for 循环，计算了列表 numbers 中所有偶数的和，并将结果打印出来。这种逻辑结构非常明确GPT 可以轻松地理解这段代码，并根据需要生成类似的代码。
GPT 能够识别自然语言逻辑的描述，但在处理计算机语言的逻辑描述时，其表现更加出色。
好，那我们知道这一点后，可以衍生出哪些可以直接落地使用的方法论呢?
有!
我认为 GPT 的调教方式可以使用计算机语言的IPO模型经IPO处理后，一个完整的 prompt 应该包括下面内容：
另外，可以考虑增加一些其他信息，例如，目标受众、写作风格等，以更好地指导 GPT 的调教。
2、它能识别自然语言，但它更擅长专业语言
你知道吗?我们使用专业术语可以让 GPT 更准确地理解和回答特定领域的问题，同时使用自然语言可以增强 GPT 的自然度和流畅度。
举个例子，当 GPT 处理股票市场的内容时，如果使用自然语言描述，例如"股票市场的价格会上涨和下跌”，这样的描述可能会让 GPT 生成模糊的回复。但如果使用专业术语，例如“股票价格会波动”，GPT 就可以更准确地理解问题并生成更专业的回答。
另一方面，如果 GPT 仅仅使用大量修饰性的自然语言来描述问题，例如“股票价格可能因为经济环境、企业业绩等多方面因素影响而发生波动”，这样的描述可能会让回答变得臃肿、不流畅，降低了 GPT 的可读性。
因此，使用专业术语和恰当的自然语言修饰可以在准确性和可读性之间取得平衡，提高 GPT 的表达效果。
综上，我认为决定一个人能否更好地使用 GPT 取决于两方面，一方面是足够强的提问意识，面对 GPT 能提出合适的问题；另一方面，取决于个人的知识结构，当一个人在某一方面知识结构越丰富，则使用 GPT 的效果更好。
首先，提问意识是指用户是否能够清晰地表达问题、精确地描述自己的需求，并在 GPT 给出的回答中挑选出最相关和最有用的信息。一个人的提问意识越强，越能在 GPT 对话过程中提出更有价值的问题，从而获得更准确和有用的答案。
举个例子，如果一个人想查询某个城市的天气情况，但只是简单地问“今天天气怎么样?”，这个问题可能过于笼统，GPT 可能会给出一个模糊的回答。相反，如果这个人提供了更具体的信息，例如城市的名称和日期，那么 GPT 就可以提供更加准确和详细的回答。因此，提问意识对于正确使用 GPT 是非常重要的。
其次，个人的知识结构也会影响使用 GPT 的效果。在使用 GPT 的过程中，如果一个人在特定领域的知识结构越丰富，他就更容易理解GPT 给出的答案，并能更好地评估这些答案的质量。例如，如果一个人对于股票市场的知识掌握得比较深入，他就能更好地理解GPT 给出的股票市场分析，并对这些分析的可靠性进行评估。
另外，如果一个人对于某个特定领域的知识掌握得比较深入，他就能更好地提出相关的问题，并更加准确地理解GPT的回答。因此，个人的知识结构对于正确使用 GPT 也非常重要。
3、能识别中文，但它更擅长英文
好，上述三板斧的内容虽然抽象枯燥，但这些属于更加底层的、能够快速提高我们调教 GPT 水平的内容，希望你重视。
三、分享6个ChatGPT调教方法
其实这个『调教的方法和原理』都很好理解~
GPT 之所以牛逼，就是因为思维链技术（Chain of Thought）让它具备了，多轮对话以及理解&结合上下文语境的能力。
也就是说：在该技术的加持下，AI 会记住我们前面的会话内容，在前面内容的基础上，去针对性的回答我们后面的内容，实现类似于真人之间沟通的对话效果。
所以，基于 AI 的这个机制，我们就可以通过不断的对其"喂数据"&“投指令”的方式，对 AI 进行训练。
好了，这里你知道了调教 AI 的机制之后，那么具体该如何训练 AI，才能让它达到你想要的效果呢？
1、精准调教模型
上面给大家分享了IPO的调教模型，基本上可以解决我们很多模型，
但是，如果对生成的文本内容要求更高，想要获得更精准的内容，那你就使用下面的精准调教模型。
我认为一个实用的 Prompt 应该又以下几个部分构成：
为了让你更进一步直接“抄作业”，我罗列了一些常用的词汇，可以直接用。
这些角色可以根据你的Prompt要求进行调整和组合。只需将对应的角色放入方括中，并在Prompt中给出具体任务和对象。这将帮助你构建更具针对性和实用性的Prompt。
以上7个元素自行排列组合，不见得每一次调教都需要集齐这7个元素，根据你的实际需求取舍即可。
2、用它库里存在的概念调教它
调教 200多个案例后，我发现自己使用的自然语言效果经常会词不达意，所以我在思考有什么更好的办法。终于有一天，我发现用它库里已经存在的概念和词汇去调教它，事半功倍！
而且，当我们用很长的一大串文字去调教它的时候，它还很容易找错重点。所以，要打破一个误区一一描述的词越多，效果越好，这是错误的，我们用它库里的词精简的给它命令。下面列举一些常用功能，直接用。
你工作中的可能需要这些功能，但你可能不知道这些功能竟然叫下面这些名字。
所以，答应我，今天回去以后，如果你想针对某篇文章做伪原创，那你不要写“伪原创或者请保持文本意思不变，逻辑不变，换其中的一些多义词。”的描述，因为这个功能，在它的库中叫“文本重写”，你直接说“请针对我输入的文本做文本重写处理”。
3、继续指令
其实这个所谓的【继续指令】的本质作用就是为了：帮助你突破 AI 厂商的输出限制，让 AI 的回答得以充分发挥所存在的。
可能是基于算力成本的考量，包括 OpenAI 在内的各大 AI 厂商，都会尽可能的控制 AI 所生成的篇幅，以及尽可能的通过概括文本内容，让内容变得简练。
就拿 GPT 举例子，它的单次最大输出是不会超过2048个字符的，只要超过这个字符值的，AI 的回答会被强制截断停止。
所以，在厂商的篇幅限制以及篇幅概括这两个限制条件下，AI 所给我们的一次性内容，就会经常让我们感觉到内容不够或者深度不够。
那么，这个时候继续指令就可以帮助我们突破这两点限制。
也就是：让超过 2048 字符的回答继续回答完毕，或者让第一次回答不充分的地方，继续详细展开。
比如，还是拿我们上面的【旅行】举例子~
AI 到此位置就超越了它所规定的字符停止下来了，那我们就可以通过继续指令，让它对前面没说完的话给说完。
同样的道理，即使它说完了话，我们也可以通过继续指令，让它对回答不够深入，不够具体的地方，继续展开一下....
当然，文中的实例，只是【继续指令】最基础的用法，除了这个最基础的用法之外，它还有进一步的追问用法....
比如，就拿上面提到的【课程设计】来举例子~
我们就可以用进一步的继续指令，对其进行追问~
而且，我们在进行继续追问的过程中，也可以把我们前面的【补要求】的提示词给用上，比如：
请概括...
理论上，你是可以一直按照“继续”的套路，对它进行持续的追问深挖的~
比如，还是那上面的【讲课案例】举例，也就是说，你只需要按照 GPT 最开始所提供的那个大纲框架。
然后，持续对这个大纲里面的内容进行追问，不停的套娃，最后再把每一个点追问的结果，填充到最初的大框架中，这样你就可以得到一篇，基本完全属于GPT 所生成的课件内容了....
当然，在使用继续指令以及延伸用法的时候，这里还有两点注意事项要提醒下：
✅事项一：注意指令的模糊性
也就是说，如果你的追问过长或者套娃层级太多的时候，那么你的继续指令，就可能会让 AI 产生歧义，呈现答非所问的情况。
所以在展开追问多层级里面内容的时候，请你一定要明确对象。
比如把：【请具体介绍下第二点】，换成【请具体介绍下提纲中的第二点】这样更具体的描述，这样 AI 就不会给你搞混淆了。
✅事项二：注意上下文语境的关联性
这一点我们前面也提到了，AI 具有强大的多轮对话，以及联系上下文的能力。
如果我们在同一个对话框内穿插多个不同的话题场景，那么 AI 的回答就有可能受到前面内容的影响，而出现乱答的情况。
所以，在与 GPT 的互动中，如果我们想在一个对话框内，问多个不同的话题，那么我更建议你在一个新话题开启的时候，初始化一下 GPT。
也就是把前面的对话清空后再开始新的话题，这样就可以避免 AI 的回答受前面内容的干扰。
具体重置 ChatGPT 提示词的操作是这样的：
好了，到这里我们就讲完了调教 AI 的【继续】指令了~
虽然说该指令可以让 AI 的回答更加丰富多彩，但是受制于语言传递信息的局限性，AI 的每一次回答，可能并不总是如我们的意，甚至聊着聊着还有跑偏的现象发生。
这样，就会让我们获得想要的效果的时候，出现很多不必要的麻烦。
那么面对这种情况，我们就需要用到调教 AI 的第4个指令，这个指令可以帮助你，设计具有“套路属性”&“模版类”任务的时候，有着神奇的效果。
4、调教 GPT之奖惩指令
其实这个所谓“奖惩指令（有监督学习）”的作用和调教原理很好理解，它就像是我们教育孩子一样。
如果你希望孩子达到你理想的行为标准，那么你就需要对他进行教育，如果孩子做得好，我们就需要及时的夸奖，鼓励他变得更好，
所以，既然基于神经网络的 AI 具备思维链的能力，那么我们当然也可以按照教育孩子的这种思路，让 AI 变得越来越听话。
至于这个奖惩指令的实操思路很简单，这里不妨拿我训练的【出题小助手】举例子~
这一点我成长圈社群的同学应该都知道，每个周我都会给我社群的同学出一道思考题~
所以，在GPT出现之后，我就在思考，能不能让 AI 自动或者辅助我生成思维题，以分担掉我这部分的工作负担。
于是，在这种目标的指引下，我就开启了对AI的调教....
调教思路很简单：
首先，先投喂我之前的思维题，然后让它学习和分析我出题的格式，然后让它生成答案模式。
对于这些AI生成的内容，如果碰到符合我要求的地方，我就会用肯定词汇，比如：非常好，请继续保持这种形式。
对于不符合我要求的地方，我就会用否定词汇，比方说：不对，你错了，请重新，要求 XXX。
（一般 GPT 马上会向你道歉，并纠正其错误）
类似于你看到的这样.....
于是经过重复的投喂，一轮轮的调教，最后它就成了辅助出题的小助手了~
所以，不妨思考下你工作中场景，看看有哪些是比较偏模式化的任务，对于这些比较模式化的目标，你都可以通过【奖惩指令】对 AI 进行训练~
在训练的过程中，对于那些符合你要求的地方进行鼓励，对于不符合要求的地方进行惩罚。
最后通过这样来回的奖惩之中，AI 就会达到你理想的行为标准，生成你符合你想要内容的能力，成为你工作中某个场景下的长期助手。
实在不想夸的话，就用好那两个大拇指。相信我，你的反馈真的很重要，它真的很需要。
5、改造它的认知
比如我问它：乌梅子酱是什么意思。它告诉我是一种中式调味品。
但我只要说它是错的，并给它正确答案之后，它就能给我满意的回答了。
经过我的“调教”后，再问它这个问题的时候，它的回答就变成这样啦~
整个调教下来，你会发现不仅能获取你想要的答案，还收获了一份成就感~
6、GPT反向生成优化Prompt
-
确定预期输出：首先，你需要确定你期望ChatGPT生成的输出类型，例如一段完整的文章、一个段落、一个句子或一个短语。这有助于你更清楚地明确你的需求。
例如，如果你正在撰写一篇关于“旅行”的文章，你可能期望ChatGPT为你生成一个段落，介绍关于旅行的各种建议和提示。
-
提炼关键词和概念：接下来，你需要提炼出与你需求相关的关键词和概念，这有助于你构建问题和Prompt。
例如，如果你希望ChatGPT为你生成关于旅行的建议和提示，你可以提取关键词和概念，比如“旅行目的地”、“住宿”、“交通”、“文化体验”等等。
-
构建问题：接着，你需要根据你的需求和提炼出的关键词和概念，构建一个或多个问题，以指导ChatGPT生成你需要的输出类型。
例如，你可以构建这样一个问题：“如何选择旅行目的地？请给出一些建议。”
-
优化问题：当你构建好问题后，你需要通过添加适当的关键词和提示，优化问题以使ChatGPT能够更好地理解你的需求。
例如，你可以通过添加这样一个提示“请考虑预算、兴趣爱好和出行时间等因素”，来帮助ChatGPT更好地回答你的问题。
-
分步询问：最后，如果ChatGPT生成的输出并不完全符合你的预期，你可以考虑将问题分步询问，以更准确地获取你需要的信息。
例如，如果ChatGPT为你生成的答案只提到了“旅行目的地”的建议，你可以进一步询问关于“住宿”、“交通”、“文化体验”等相关问题，以获取更详细的信息。
好了，到这里我们就讲完了关于【训练 AI 技术面】的方法了~
但是我们也都知道，无论是知识还是技术，还是工具，它们最终的目的都是为了帮助我们创造实际的生存力所存在的。
如果达不成这个目标，那么即使你掌握了屠龙术，但是没有龙可屠，那么这个屠龙术也是和你没有毛关系的。
我们很多同学之所以拿到了 GPT，也掌握了 GPT 的使用方法，却仍然使用的频次很低，甚至完全用不起来的核心原因，就是因为你没有把 AI 与你所需要的应用场景关联起来。
所以，想要让 AI 为你创造出实际的生产力，你就必须找到自己的应用场景，只有把AI融入到具体场景之后，我们的屠龙刀才会有用武之地。
四、如何融合AI创造实在价值？
1、第一个步骤，我管它叫：梳理
其实，这个【梳理】很好理解~
在电商兴起的时，马云曾说过这么一句话：所有生意，都值得用互联网再做一遍。
那么，在 AI 时代，我也想套用同样的话：几乎所有涉及到知识的工作方式，都可以再用 AI 重构一遍。
我们可以通过反思自己的工作场景，把那些可能被 AI 替代或者辅助的部分，都给梳理出来，然后找到它们和 AI 可以结合的点，把这些点按照前面所讲解的思路，给打造出标准化的工具或者流程出来。
说人话概括就是：梳理你日常所有的工作轨迹，找到AI能干的活，然后把AI能干的，一律交给它或者让它辅助你来做。
从而把你解放出来，去做更有价值，更具有创造力的事情。
其实这个思路很简单~
你可以围绕着你人生基本面的万能三维度（学习、工作、生活），根据我们的行为需求，对每一个维度下的场景进行挨个发散梳理。
比如，在我的学习场景下，AI 可以替代或者辅助的场景就有这些....
👉学习场景案例1：利用 AI辅助加工知识，解释知识，提供启发。
👉学习场景案例2：利用 AI 实现与大师对话式学习
当然，在这个场景下，除了与老子对话外，你把思路迁移一下，把它换成孔子、庄子、孟子、毛泽东、拿破仑、苏格拉底....
总之任何一个你感兴趣，你想和他对话的伟人。
甚至让 GPT 分饰多个角色，让大佬与大佬之间对决，你来观战，从对话中学习，让学习回归到"苏格拉底式的状态".....
👉学习场景案例3：利用 AI 实现辅助阅读，提高理解效率。
这个应用场景，对于那些理解能力不强，或者想提高理解效率的同学，简直是神器，比如.....
👉学习场景案例4：利用AI实现各大领域的入门教练，导师。
这个场景，对于那些想搭建某领域体系，或者想系统研究某领域的同学，简直是福音。
比如这个技术学习的案例.....
而且，同样的道理，除了这个"技术"领域的，你还可以把这个思路迁移出去，用同样的套路，去研究哲学、社会学、产品经理、运营....
总之任何你想研究的领域，都可以让AI为你指路。
当然，在学习场景下，除了这些还有 N 多场景，比如，做我的英文教练、辩论教练、学习效果检测师等等.....
这里受制于篇幅原因，我就不一一给出示例了。
好了，这里简单的介绍完学习场景下的梳理和示范，那么同样的套路，在工作场景也是如此~
👉工作场景案例 1：利用 AI 当你的工作助理。
这个助理场景的案例举不胜举，你可以用它帮助你写招聘信息，写脚本，写工作文案，自媒体文案，写代码，甚至写方案.....
比如，我让AI帮我写的这个产品经理的 PRD 文档，看完你是不是觉得，以后这部分工作已经岌岌可危了....
同样的，利用 AI，来做数据分析....
或者用 AI 来写会议邀请....
当然，除了以上比较专业化的场景助理外，它也完全可以胜任创意性，或者激发创意性的工作。
看完这些，你是不是突然能理解，为什么有了 ChatGPT 之后，很多企业开始裁员的原因了....
总之，运用好我们上面的提示词以及训练套路，那么万物皆可辅助。
当然，除了这些，在工作场景下还有 N 多用法，比如，让它做我的排版&选题工具人、筛选整合数据师等等....
总之，工作场景下的例子，也是举不胜举，如果你对工作场景感兴趣，可以按照上面的号加我下。
找我免费要一下，更多助你开阔思路的场景案例，以及国内可直接访问的一些镜像网站。
因为文章篇幅的原因，我们这里也不一一给出示例了~
好了，这里说完了前面两大场景，那么同样的，在我们的生活场景也是如此操作~
👉生活场景案例1：用 AI 做健身教练~
再比如，用 AI 做我的私人营养师....
当然，除了上面的例子外，AI 在我们生活场景中的运用，也是举不胜举。
比如：让它做你的私人律师、私人医生、私人导游等等，各种教练，各种身份，它都可以非常出色的完成！！！
总之，无论是工作、学习、还是生活，这样的例子和场景数不胜数，我也给你举不完，你也学不完。
这里放出这些场景案例，只是供你开阔思路启发用的，例子本身并不重要，例子场景背后的挖掘思路才是你真正应该学习的。
只要你能围绕着【你三维度的日常轨迹】去对自己做系统梳理，在梳理的过程中，每一个场景跳出来的时候，都思考下，该场景可以和AI结合的点，有就记录，没有就跳过....
只要你认真完成这个过程，那你一定可以挖出大量有用的场景，以及独到用法，而这些你亲手挖掘出来的场景，才是你真正刚需，且能为你马上解决问题的场景！！
2、落地 GPT 第二步：打造
其实，这个所谓的【打造】指的就是：把我们梳理出来的这些场景中，那些能标准化，可重复套用的场景，让它一律的标准化、工具化，形成『场景库』，以供我们需要的时候，直接去调用。
比如，我前面训练的思维题小助手，健身教练助手等等....
至于为什么要做这个动作的原因也很简单~
也就是说，除非我们有了一定知名度，数据有被 AI 厂商抓取的价值，否则我们这些个人训练出来的数据，都是无法进入到AI厂商的训练集数据库里的。
也就是说：即使你在一个对话框里，把 AI 训练的很听话了，但是当你重新打开一个对话框后，那么 AI 与我们前面所有的互动记忆都会消失......
所以，对于一些有价值的场景，我们就需要把我们辛苦训练出来的【场景数据】给保存下来，这样它才可以长期的为我们提供服务，而不是一次性的买卖。
比如，就拿我训练出来的【邮件小助手】来举例~
当我每次需要发邮件的时候，我只需要告诉邮件的内容就行了。 而对于邮件的落款，称呼，格式，写作风格等这些东西，我都不需要重复告诉它，它都会自动读取之前的数据....
同样的，类似于健身教练，营养师或者其他需要反复互动的场景等等，都是如此~
之后的所有互动，你都不需要你再对它，反复的交代和补充大量的背景信息.....
好了，这里你知道了，打造『场景库』的意义之后，那么具体该如何操作呢？
那我这里给你分享两种方式~
方式1：直接用 GPT 内置的场景库
也就是说，你每次在GPT中开启一个新的对话的时候，GPT都会为你自动创建一个对话框（场景）。
那么我们就可以把那些有训练价值，可以固定下来的场景，给留下来，然后按照我们三维度的方式对它们进行分类命名即可。
当然，用这种方式打造场景库的局限性是比较大的~
因为官方的这个是固定格式的，那么在这种方式的限制下，我们就无法对我们的场景进行分类以及排序。
在这种死板格式下，一旦你对话的话题过多，那么这个来回翻找的麻烦劲头，会有一种让你想撞墙的感觉。
所以，相对于这种方式，我更推荐你第二种~
也就是：在你的外脑系统里（笔记管理软件），用更灵活的中控页面，对它们进行集中式的管理，做出类似于这样的效果...
其实这种方法的实现原理很简单~
如果你仔细观察，你会发现GPT中的每一个对话框（场景），它都是有一个单独的独立网址的~
所以，在这种机制下，我们就可以把需要场景的链接给拿下来，然后在我们的外脑中，按照我们需要的逻辑给它分类下来。
这样我们在调用每个场景的时候，就不需要打开 GPT网站，然后折腾翻找半天才能开始了~
而是直接来到我们的中控面板里，点开相应的链接，它立刻就会自动跳到我们相应的场景对话框里.....
整个操作的过程会让你丝滑的有一种飞起来的感觉~
那么，随着你AI落地的场景越增越多，你就会在这个面板里，形成一套完全属于你自己的【AI场景库】，想要什么，一切触手可及.....
好了，到这里，我们整个AI的使用指南也就基本结束了~
总之，当你能按照咱们三维度的思路去做系统梳理，然后，再按照咱们文章开始所讲到的写提示词技能以及训练 AI 的方法，把它给训练出来。
然后，把它们分门别类的固定到你的AI 场景库之后，那么恭喜你，你就成功的雇佣到免费的助理了。
它会帮助你分担掉你各个场景中的大量琐碎，帮助你全面实现工作、生活、学习效率的极大提振。
只要你认真的去做了这件事，并且安排到位了，不说提升你十倍八倍的效率，那么提升个 2-3 倍的效率是绰绰有余的。
当然，最后还要提醒你一点~
AI 现阶段还没有进化到逆天的程度，所以在很多场景下，它还是没有办法做到真人的效果，而且它所生成的答案也不是百分百的正确，在很多时候它也会存在胡编乱造的答案。
所以对于一些重要场景的内容，我们还需要对它进行手工润色，修改，以及对它给的信息进行溯源核对。
相关文章
