ChatGPT：你需要學習的8種提示技巧（絕無廢話！）

您可能听说过智能代码工程。基本上，它是“与人工智能进行有效沟通以获取您想要的结果”。

大多數人不知道如何設計好的提示。

然而，這正變得愈來愈重要的技能...
因為垃圾輸入 = 垃圾輸出。

這是你需要用於提示的最重要的技巧👇

我將稱語言模型為「LM」。

語言模型的例子包括@OpenAI的ChatGPT和@AnthropicAI的Claude。

1. 角色/角色提示

給AI分配一個角色。

範例：“你是X方面的專家。你已經幫助人們做了Y事情20年。你的任務是提供最好的關於X的建議。
如果你明白了，回答‘明白’。”

另一個強大的附加元件如下：

「在回答之前，你必須總是先問問題，這樣你就能更好地理解提問者所追求的是什麼。」

接下來，我將稍後講述為什麼這樣的重要性。

2. CoT

CoT 是 'Chain of Thought' 的縮寫

用於指示LM解釋其推理。

範例：

3. 零射-共識通訊（Zero-shot-CoT）

零樣本（Zero-shot）指的是模型在提示中進行預測時，無需進行額外的訓練。

我馬上會講解 few-shot。

請注意通常情況下個體翻譯類（CoT）會優於零樣本個體翻譯類（Zero-shot-CoT）

範例：

4. 少樣本（以及少樣本聯合訓練）

Few-shot是指當語言模型（LM）在提示中提供一些範例，以更快地適應新的範例。

範例：

5. 知識生成

透過提示語言模型來生成與問題相關的知識。

這可以用於生成的知識提示（見下文）。

例子：

6. 產生的知識

現在我們擁有了知識，我們可以將這些資訊輸入到新的提示中，並提出與知識相關的問題。

這樣的問題被稱為「知識增強」問題。

7. 自洽性

這種技術用於生成多個推理途徑（思緒的鏈路）。

以多數人的回答作為最終答案。

例子：

8. LtM

LtM 的意思是「從少到多」

這項技術是 CoT 的後續。此外，它通過將問題分解成子問題並解決這些子問題來運作。

範例：