共计 3284 个字符，预计需要花费 9 分钟才能阅读完成。
摘要：本文由葡萄城技术团队编写，文章的内容借鉴于 Ibrahim John 的《The Art of Asking ChatGPT》（向 ChatGPT 发问的艺术）。
前言
当今，ChatGPT 博得越来越多人的青眼，人们通过它输出问题并获取答案。但除了简略的一问一答以外，ChatGPT 还有许多暗藏的发问形式，是否想要一探到底？明天，咱们为您介绍如何用 Prompt 技术，从 ChatGPT 的海量数据中提取高质量答案。让咱们一起揭开 ChatGPT 的神秘面纱！
以下是本文目录：
1. 什么是 Prompt
2. 如何应用 Prompt 帮忙发问 ChatGPT
2.1 种子词提醒
2.2 对话提醒
2.3 鼓励性提醒
2.4 常识整合提醒
2.5 自一致性提醒
2.6 情感剖析提醒
2.7 训练 ChatGPT
3. 总结
1. 什么是 Prompt
在介绍如何应用 Prompt 从 ChatGPT 中获取高质量的答案前，先向大家简略的解释下什么是 Prompt。
Prompt 是 OpenAI 在 2015 年推出的一款自然语言解决模型，它基于弱小的 GPT (Generative Pre-training Transformer) 解决模型。这种解决模型具备利用大规模数据进行预训练的微小劣势，并通过有标记的数据进行微调，从而生产高质量的自然语言表白。尽管 Prompt 解决模型在日益倒退，但研究者还是发现了一些问题，例如繁多的训练无奈齐全涵盖生存场景，从而导致提问者得不到冀望的答复。因而，为模型提供失当的输出曾经变得越来越重要，下节小编会为大家介绍几种常见的发问模型。
（图片来源于网络）
2. 如何应用 Prompt 帮忙发问 ChatGPT
回顾一下咱们以前搜寻问题的形式，例如你想查找某位明星或某个企业的信息，通常会在搜寻栏中间接输出“xxx 明星是谁”或“xxx 公司从事什么业务”，或者更简略的形式是间接输出“xxx 明星”、“xxx 企业”并按下回车键，就能够找到所需的信息。在 Prompt 中，这种搜寻形式被称为“零样本、一样本和少样本 Prompting 形式”。简言之，它应用最小量的示例或不应用示例，通过大规模的语言模型预测来生成自然语言版本。就像下面举的那个例子，咱们基本不晓得那位明星是谁，然而模型能够通过预测的形式输入该明星的信息，供咱们检索参考。这种高效且智能化的搜寻形式，利用了大量数据和弱小的算法，为咱们提供了更准确、更不便的信息获取体验。看完下面的例子，大家对 Prompt 这种智能化搜寻形式是否也略有所知呢？接下来，小编将向大家介绍一些其它罕用的 Prompt 发问形式，让咱们一起深刻探索这种提醒式语言模型的魅力。
2.1 种子词提醒
种子词提醒是一种以种子词为输出的自然语言生成技术。用户能够应用特定的种子词或短语来管制 ChatGPT 的输入。种子词提醒的提醒公式是种子词或短语，前面再加上指令“请依据以下种子词生成文本”，上面是几个应用种子词发问的示例及公式：
-
场景：文本生成，想要生成一篇对于篮球的故事。
种子词：“篮球”。
提醒公式：“请依据以下种子词生成文本：篮球”
2．场景：想要作一首以“高考”为主题的文章。
种子词：“高考“。
提醒公式：“作为一位作者，请你以”高考“为种子词生成一篇 200 字的小文章“。
（应用种子词提醒）
2.2 对话提醒
对话提醒是一种以模仿两个或更多实体之间的对话的文本，能够向模型提供上下文和一组角色实体，并生成他们之间的对话，这种模式对于模仿对话、生成聊天机器人等工作十分有用。上面是几个对话提醒的示例及公式：
-
场景：对话生成，想要生成手机卖家和买家之间的对话。
工作：生成手机卖家和买家之间的对话。
提醒公式：“在以下上下文中，请生成手机卖家和卖家之间的对话”。
-
场景：故事编写，想要编写一个喜羊羊与光头强在公园相遇的故事。
工作：生成喜羊羊与光头强在公园相遇的故事。
提醒公式：“在喜羊羊与光头强在公园相遇的故事中，生成他们之间的对话“。
-
场景：聊天机器人的开发。
工作：生成一个为小孩子宣传平安教育的的聊天机器人。
提醒公式：“当有小孩询问平安教育主题的信息是，为聊天机器人生成业余和精确的对话“。
（对话提醒）
2.3 鼓励性提醒
鼓励性提醒提醒是一种用来激励 ChatGPT 生成思考的技巧性提醒，这个应用的办法就是在要问的问题或者主题后面加一个“让咱们思考一下”的语句，这种模式对于写文章等工作十分有用，例如上面这个例子：
场景：想要理解寰球变暖对于人类会带来哪些危害。
工作；理解寰球变暖对于人类的危害。
提醒公式：“让咱们思考一下，寰球变暖对于人类会带来哪些危害。“
这个例子中的问法就会比“寰球变暖对于会带来哪些危害“失去更加具体的答复。
（“让咱们思考一下“提醒）
2.4 常识整合提醒
常识整合是咱们利用模型把曾经事后存在的常识整合为信息或者是连贯不同的信息，这种技术有助于帮忙在原有的常识体系上生成新常识。上面是几个常识整合的示例和公式：
-
场景：想要将一元二次方程的常识和鸡兔同笼的常识联合起来
工作：联合一元二次方程的常识和鸡兔同笼的常识
提醒公式：“将一元二次方程的现有常识整合：鸡兔同笼”
-
场景：想要将一元二次方程的常识和鸡兔同笼的常识串起来。
工作：串接一元二次方程的常识和鸡兔同笼的常识。
提醒公式：“以相干的逻辑和形式连贯下列信息：一元二次方程。鸡兔同笼。”
（常识整合提醒）
2.5 自一致性提醒
自一致性提醒是确保 ChatGPT 输入的内容与所提供的输出统一的办法。这种办法对于数据值的验证、校验的查看工作中启到十分重要的作用，上面是几个自一致性的示例和公式：
-
场景：想要生成一篇与报表插件统一的产品评论。
工作：生成一篇对于报表插件产品的评论。
提醒公式：“生成一篇与报表插件产品信息统一的产品评论。“
-
场景：查看给定的一组问题信息数据中的一致性。
工作：查看问题数据的一致性。
提醒公式：“请确保一下文本自我统一：“数据显示五年级二班的数学均匀问题是 75 分，但最低分是 40 分。”
（自一致性提醒）
2.6 情感剖析提醒
顾名思义，情感剖析提醒是一款能够剖析文本的情感色调或态度的模型，它能够依据输出的信息来判断这段信息的情感是踊跃的、消极的还是中立的，例如能够剖析在自一致性中的报表插件产品评论的情感色调：
场景：剖析报表插件产品评论的情感色调
提醒公式：“对以下客户评论【插入报表插件产品的评论】进行情感剖析，并将它们分类为踊跃的、消极的或中性的。”
（情感剖析提醒）
2.7 训练 ChatGPT
训练 ChatGPT 是一项精密的工作，咱们通过一直发问特定类型的问题，在不同的对话场景下进步了模型对于该类型问题的敏感度，从而使其更有可能给出与此类问题相干的答案。举例来说，如果咱们想要一个仅用于翻译的对话，在对话的第一句话中能够说：“您能够表演语言翻译官的角色，我会用任何语言与您交换，您会自动检测语言并进行翻译，并自我优化答案以依据我的批示一直进步答案的品质。”这样 ChatGPT 就能够像翻译器一样应用，并且能够用于创立多种不同类型的对话模式。
3. 总结：
除了以上提及的几种形式，ChatGPT 还有泛滥宽泛的应用领域。例如，它能够作为一个表格插件的编辑工具，帮忙咱们批改和优化表格数据以进步咱们的工作效率和准确性。ChatGPT 能够通过对大规模数据集的学习，分别和解析表格的上下文关系和构造，并生成相应的文本形容。咱们能够输出数据和所需的格局要求，例如日期、数字和文字等信息，而后 ChatGPT 就能够主动生成符合要求的表格，在一直地学习和优化中进步解决的准确性。此外，ChatGPT 还能够与其余数据库和插件集成以扩大其性能和利用。这样一来，ChatGPT 就成为了一种十分有用的工具，能够帮忙咱们解决表格数据，促成咱们工作的高效性和精准性，同时也提供了宽泛的利用前景，能够服务于许多畛域和行业。
参考资料：
Ibrahim John——《The Art of Asking ChatGPT》
原文链接：https://qingbaoyuan.vip/6252.html
扩大链接：
[在报表中集成 ChatGPT](https://gcdn.grapecity.com.cn/showtopic-169525-1-1.html)