一、GPT的运行逻辑
二、GPT各种提问类型
1、指令 prompt
指令 Prompt 技术是一种通过提供特定指令来引导 GPT 输出的方法。该技术 对确保输出相关和高质量非常有用。 要使用指令 Prompt 技术，您需要为模型提供明确而简明的任务，以及模型要遵 循的具体指令。
2、角色 prompt
角色 Prompt 技术是一种通过指定模型要扮演的特定角色来引导 GPT 输出的 方法。
这种提问方式对生成针对特定上下文或受众量身定制的文本非常有用。 要使用角色 Prompt 技术，您需要为模型提供明确而特定的角色。
例如，如果您 正在生成客户服务响应，则可以提供“客户服务代表”等角色。
Prompt 公式:“以[角色]身份生成[任务]”
角色：律师
3、标准 Prompt
标准 Prompt 是一种通过提供模型要完成的特定任务来引导 GPT 输出的简单方法。
例如，如果您想生成新闻文章摘要，则可以提供“总结此新闻文章”等任务。
Prompt 公式:“生成一个[任务]”
示例: 你的要求是：生成新闻文章摘要；
任务:总结此新闻文章
Prompt 公式:“生成此新闻文章的摘要”
零样本、一样本和少样本 Prompting 是一种使用 GPT 生成文本的技术，可以最小化或不使用示例。
当特定任务的数据有限或任务是新的且未被明确定义时， 这些技术非常有用。
1 零样本 Prompting 技术用于任务没有可用的样例时。将通用任务提供给模型，它 根据对任务的理解生成文本。
例如: 对于没有可用样例的新产品，生成一个产品描述；
任务:为新智能手表撰写产品描述 （这里你可以自己给chatgpt 提供一个产品描述，或者你你自己让chatgpt自己写一个产品描述都可以）
输入 Prompt 公式:“对于这个新智能手表，零样例生成产品描述”。
2 一样本Prompting 技术用于只有一个样例可用的任务。将样例提供给模型，它根 据对样例的理解生成文本。
3 少样本 Prompting 技术用于任务有限数量的样例可用。将样例提供给模型，它根 据对这些样例的理解生成文本。
“让我们思考一下”提示是一种用来鼓励 GPT 生成反思和沉思性文本的技巧。 该技巧对于写作论文、诗歌或创意写作等任务非常有用。 “让我们思考一下”提示的公式很简单，就是先说“让我们思考一下”，然后再加上一个主题或问题。
例如：你想要写一篇关于个人成长的文章，需要模型给你提供更多的参考思路，你可以这样问。
生成一篇反思性文章 （ 首先我们要告诉模型你想要他干什么）
提示公式:“让我们思考一下:“个人成长”
例如：你想写一篇关于季节变化的文章或者诗歌，你需要gpt 给你提供思路和更多的想法，你可以这样问
生成一首诗: 任务:写一首有关季节变化的诗 Prompt公式:“让我们思考一下:季节变化”
思考延伸
要使用“让我们思考一下”提示技巧与 GPT 进行对话或文本生成，您可以按 照以下步骤进行:
确定要讨论的主题或想法。 制定一个明确表明主题或想法并开始对话或文本生成的提示。 在提示前加上“让我们思考”或“让我们讨论”，表示您正在发起对话或讨论。
以下是使用此技巧的一些提示示例:
提示:“让我们思考气候变化对农业的影响”
提示:“让我们讨论人工智能的现状”
提示:“让我们谈谈远程工作的利弊”
您还可以添加一个开放式的问题、陈述或一段文本，希望模型继续或扩展。
一旦您提供了提示，模型将使用其训练数据和算法生成与提示相关的响应，并以 连贯的方式继续对话。
这种独特的提示帮助 ChatGPT 从不同的角度和角度回答问题，从而产生更动态和 信息丰富的段落。
不妨尝试一下，看看效果如何。
五、自我一致性 Prompt
自一致性提示是一种用于确保 GPT 的输出与所提供的输入一致的技巧。这种技巧对于事实核实、数据验证或文本生成中的一致性检查等任务非常有用。 自一致性提示的提示公式是输入文本后跟指令“请确保以下文本自我一致”。或 者，也可以提示模型生成与所提供的输入一致的文本。
示例 1:文本生成
任务:生成产品评论
说明:评论应与输入中提供的产品信息一致
提示公式:“生成一篇与以下产品信息一致的产品评论[插入产品信息]”
示例 2: 你要核查人口数据的正确性
事实核查:
任务:检查给定新闻文章中的一致性
输入文本:“文章中提到该城市的人口为 500 万，但后来它说该城市的人口为 700 万。”
提示公式:“请确保以下文本自我一致:文章中提到该城市的人口为 500 万，但 后来它说该城市的人口为 700 万。”
数据验证:
任务:检查给定数据集中的一致性
输入文本:“数据显示 7 月份的平均温度为 30 度，但最低温度记录为 20 度。”
提示公式:“请确保以下文本自我一致:数据显示 7 月份的平均温度为 30 度， 但最低温度记录为 20 度。”
六、种子词 Prompt
种子词提示是一种通过提供特定的种子词或短语来控制 ChatGPT 输出的技巧。 种子词提示的提示公式是种子词或短语，后跟指令“请根据以下种子词生成文本”。
以下是几个示例及其公式:
任务:生成一篇关于龙的故事 种子词:“龙” 提示公式:“请根据以下种子词生成文本:龙”
七、知识生成 Prompt
知识生成提示是一种从 ChatGPT 中引发新的和原始信息的技术。 知识生成提示的提示公式是“请生成关于 X 的新的和原始的信息”，其中 X 是感 兴趣的主题。 这是一种利用模型的预先存在的知识来生成新的信息或回答问题的技术。 要在 GPT 中使用此提示，应将问题或主题作为输入提供给模型，并提供一个 提示，指定生成文本的任务或目标。提示应包括有关所需输出的信息，例如要生 成的文本类型以及任何特定要求或限制。
示例 2:问题回答
任务:回答一个问题
提示公式:“回答以下问题:[插入问题]”
八、知识整合 Prompt
这种技术利用模型的预先存在的知识来整合新信息或连接不同的信息。 这种技术有助于将现有知识与新信息相结合，生成对特定主题更全面的理解。 如何与 GPT 一起使用: 应将新信息和现有知识作为输入提供给模型，并提供一个提示，指定生成文本的 任务或目标。提示应包括有关所需输出的信息，例如要生成的文本类型以及任何 特定要求或限制。
示例 1:知识整合
任务:将新信息与现有知识整合 说明:整合应准确且与主题相关
提示公式:“将以下信息与有关[特定主题]的现有知识整合:[插入新信息]”
九、可控生成 Prompt
控制生成提示是一种技术，它允许在生成文本时对输出进行高度控制。 这是通过向模型提供特定的输入，例如模板、特定的词汇表或一组限制条件，以指导生成过程而实现的。
以下是一些提示示例及其公式:
示例 1:文本生成
任务:生成一个故事
说明:故事应基于特定的模板
提示公式:“根据以下模板生成故事:[插入模板]”
十、问答 Prompt
问答提示是一种技术，它允许模型生成回答特定问题或任务的文本。这是通过向 模型提供问题或任务作为输入以及与问题或任务相关的任何其他信息来实现的。
一些提示示例及其公式如下:
示例 1:事实问答
任务:回答一个事实性问题
示例 2:定义
任务:提供一个词的定义
示例 3:信息检索
任务:从特定来源检索信息 说明:检索到的信息应相关
提示公式:“从以下来源检索有关[特定主题]的信息:[插入来源]” 这对于问答和信息检索等任务可能会有用。
十一、摘要 Prompt
概述提示是一种技术，它允许模型生成给定文本的较短版本，同时保留其主要思想和信息。这是通过向模型提供一个较长的文本作为输入， 并要求它生成该文本的摘要来实现的。这种技术对于文本摘要和信息 压缩等任务非常有用。
如何在 GPT 中使用:
应该向模型提供一个较长的文本作为输入，并要求它生成该文本的摘要。提示还应包括有关所需输出的信息，例如摘要的期望长度和任何 特定要求或限制。
提示示例及其公式如下:
示例 1:文章摘要
任务:概述新闻文章
提示公式:“用一句话概述以下新闻文章:[插入文章]”
十二、对话 Prompt
对话提示是一种技术，它允许模型生成模拟两个或更多实体之间对话的文本。通过向模型提供上下文和一组角色或实体，以及它们的角色和背景，并要求模型在它们之间生成对话。 因此，应该向模型提供上下文和一组角色或实体，以及它们的角色和 背景。模型还应提供有关所需输出的信息，例如对话或对话的类型以 及任何特定要求或限制。
提示示例及其公式如下:
示例 1:对话生成
任务:生成两个角色之间的对话
提示公式:“在以下上下文中，生成以下角色之间的对话[插入角色]”
示例 2:故事编写
提示公式:“在以下故事中，生成以下角色之间的对话[插入故事]”
十三、强化学习 Prompt
强化学习提示是一种技术，它允许模型从其过去的行为中学习并随着时间的推移改善其性能。要使用 ChatGPT 的强化学习提示，应该向模型提供一组输入和奖励，并允许它根据收到的奖励调整其行为。提示还应包括有关所需输出的信息，例如要完成的任务以及任何特定要求或限制。 这种技术对于决策制定、游戏玩法和自然语言生成等任务非常有用。
提示示例及其公式如下:
示例 1:用于文本生成的强化学习
提示公式:“使用强化学习生成与以下风格一致的文本 [插入风格]”
提示公式:“使用强化学习将以下文本 [插入文本] 从 [插入语言] 翻 译成 [插入语言]”
示例 3:用于问答的强化学习
任务:回答一个问题
提示公式:“使用强化学习生成以下问题的答案 [插入问题]”
十四、情感分析 Prompt
情感分析是一种技术，它允许模型确定一段文本的情感色彩或态度， 例如它是积极的、消极的还是中性的。要使用 GPT 的情感分析提示，应向模型提供一段文本，并要求其根据其情感进行分类。提示还应包括有关所需输出的信息，例如要检测的情感类型(例如正面、负面、中性)以及任何特定要求或限制
提示示例及其公式如下:
示例 1:客户评论的情感分析
任务:确定客户评论的情感色彩
提示公式:“对以下客户评论 [插入评论] 进行情感分析，并将它们分类为积极的、消极的或中性的。”
示例 2:推文的情感分析
任务:确定推文的情感色彩
提示公式:“对以下推文 [插入推文] 进行情感分析，并将它们分类 为积极的、消极的或中性的。”
示例 3:产品评论的情感分析
任务:确定产品评论的情感色彩
提示公式:“对以下产品评论 [插入评论] 进行情感分析，并将它们 分类为积极的、消极的或中性的。”
这种技术对于自然语言处理、客户服务和市场研究等任务非常有用。
十五、文本生成 Prompt
文本生成提示与本书中提到的其他提示技术相关，例如:零、一、几 次提示、控制生成提示、翻译提示、语言建模提示、句子完成提示等。 它们都涉及到生成文本，但它们在生成文本的方式和对生成文本的特定要求或限制方面有所不同。文本生成提示可用于微调预训练模型或 训练特定任务的新模型。
公式:“基于以下提示[插入提示]，生成至少 1000 个单词的故事，包 括角色[插入角色]和情节[插入情节]。”
相关文章
