提示工程(Prompt Engineering)是一种针对AI模型(如CHATGPT)
通过设计、实验和优化输入提示词来引导模型生成高质量,准确和有针对性的输出的技术
很多人可能花了100多买了个GPT会员,但是会发现可能玩了几天就失去了兴趣,本质上因为大部分人无法把GPT当做一种必备的工具,无法合理的使用GPT。
本网站将通过一系列课程帮助你逐步把AI当做你的随身助手,学会提问、寻找应用场景。
课程数
难度
进度
在提问中,问题词和限定词是帮助我们构建问题的核心元素,它们决定了问题的范围和具体性。下面是对这两个概念的解释:
问题词(Question Words): 问题词是用来引导问题的词汇,它们通常指示了提问者想要了解的信息类型。常见的问题词包括:
谁(Who):涉及人或者角色。
什么(What):涉及事物、事件或者概念。
哪里(Where):涉及地点或者位置。
何时(When):涉及时间或者日期。
为什么(Why):涉及原因或者目的。
如何(How):涉及方式、方法或者过程。
是否(Whether):涉及选择或者存在性。
限定词(Qualifier Words): 限定词是用来限定问题范围或者具体性的词汇,它们帮助回答者更准确地理解问题的上下文和细节。常见的限定词包括:
每个(Every):强调全体或者每一个。
一些(Some):表示部分或者特定的数量。
哪些(Which):在多个选项中指定特定的一个或多个。
这个(This):指代特定的或者当前的话题。
那个(That):指代特定的或者先前提到的另一个话题。
谁(Who):在涉及人时,也可以作为限定词使用,指代特定的人或角色。
课程数
难度
进度
优秀的提示词(prompt)是指那些能够有效引导和激发思维或行动的词汇或短语。在人工智能、创意写作、教育、心理辅导等领域,优秀的提示词能够帮助人们产生新的想法、回忆信息、解决问题或进行深入思考。以下是一些构成优秀提示词的特点:
明确性:优秀的提示词应该清晰明确,避免歧义,使接收者能够迅速理解意图。
启发性:提示词应该能够激发思考或创造性的想象力,引导人们产生新的观点或解决方案。
相关性:提示词应该与接收者的背景、兴趣或当前任务紧密相关,以增加其吸引力和实用性。
开放性:虽然提示词需要明确,但它们也应该足够开放,以允许多种可能的回答或思考方向。
适时性:优秀的提示词应该在恰当的时间提供,以便在接收者最需要的时候发挥作用。
鼓励性:提示词应该鼓励人们积极参与和探索,而不是感到压力或限制。
适应性:优秀的提示词应该能够适应不同的情境和个体差异,以满足多样化的需求。
课程数
难度
进度
分步骤解答(Step-by-Step Explanation): 分步骤解答是一种解释问题解决过程的方法,它通过将复杂的问题分解成一系列更简单、更易于管理的步骤来逐步解答。这种方法不仅有助于清晰地传达思路,而且可以帮助理解问题的每个组成部分,从而更好地理解和解决问题。
反向提示(Inverse Prompting): 反向提示是一种在创造性任务中使用的技术,特别是在生成文本或图像时。它通过指定你不想看到的内容来指导模型生成输出,而不是直接告诉模型你想要什么。这种方法可以用来避免特定的主题或风格,从而引导模型朝向不同的创意方向。
课程数
难度
进度
条件提示(Conditional Prompting)
这种提示技巧涉及在提问中加入特定的条件,以引导模型生成符合这些条件的答案
这对于提高问题解决的灵活性和准确性非常有帮助
提问的自我一致性(Self-consistency in prompting)
指在构建提示时确保提问的逻辑一致性和内部一致性自我一致性(Self-consistency in prompting)
条件提示通过设置特定条件或限制来引导模型的输出,确保输出满足特定的要求。自我一致性则要求模型在一系列的提示中保持一致的回答或行为,以保持回答的连贯性和可靠性。这两种技术都可以在与人工智能模型互动时提供帮助,特别是在需要特定指导或保持信息一致性的情况下。
课程数
难度
进度
在提示工程(prompt engineering)中,角色设定是指为人工智能模型设定一个特定的角色或身份,以便在生成输出时模拟该角色的行为、语言风格和知识水平。这种方法可以极大地影响模型的输出,使其更符合特定的场景、目的或用户需求。以下是角色设定在提示工程中的意义:
增加真实感:通过为模型设定一个具体的角色,可以使模型的输出更加真实和有说服力,尤其是在模拟对话或创作故事时。
指导输出:角色设定为模型提供了一个明确的框架,指导模型在生成回答或内容时应该遵循的规则和风格。
提高相关性:当模型需要针对特定领域或专业知识生成输出时,角色设定可以帮助模型提供更相关和准确的信息。
定制用户体验:通过角色设定,可以为用户提供更加个性化的体验,例如,设定一个友好的人工智能助手或一个专业的行业顾问。
限制输出范围:角色设定可以帮助限制模型的输出范围,避免生成与设定角色不符或不适当的内容。
增强交互性:在交互式应用中,角色设定可以增强用户与模型的互动,使对话更加流畅和有趣。
课程数
难度
进度
不同场景需要用不同的提示词,主要是因为每个场景都有其特定的目标和上下文,这影响了与人工智能模型有效交互的方式。以下是一些为什么不同场景需要不同提示词的原因:
上下文相关性:不同的场景涉及不同的背景信息、专业知识和语境。使用与场景相关的提示词可以确保模型生成的回答更加贴切和有用。
精确性:在某些专业或技术性较强的领域,使用精确的提示词可以帮助模型提供更准确的信息,避免误解或模糊不清的答案。
用户体验:根据场景使用适当的提示词可以提升用户体验。例如,在教育应用中使用学术性的提示词,在客户服务中使用友好和亲切的提示词。
模型性能:大型语言模型虽然强大,但它们的能力和局限性也与输入的提示词密切相关。适当的提示词可以更好地发挥模型的潜力,避免触发其弱点。
避免歧义:不同的场景可能有不同的术语和概念。使用特定于场景的提示词可以帮助避免歧义,确保模型理解问题的意图。
引导创造性:在创意写作或艺术创作中,提示词可以用来设定风格、情感或主题,引导模型生成符合特定方向的内容。
课程数
难度
进度
编写结构化的prompt框架
Role: 角色,这里指的是在剧本创作过程中,你将扮演的角色,即编剧导师。
Background: 背景,描述了用户希望创作剧本的情境和可能的需求。
Profile: 简介,提供了你作为编剧导师的经验和专长。
Skills: 技能,列出了完成剧本创作所需的关键技能。
Goals: 目标,明确了你希望帮助用户达成的剧本创作目标。
Constrains: 限制条件,指出了剧本创作过程中需要遵守的规则或标准。
OutputFormat: 输出格式,预想了剧本创作的成果应该以何种形式呈现。
Workflow: 工作流程,拆解了完成剧本创作任务时的工作步骤。
Examples: 示例,提供了具体的剧本主题和情节提示,用以启发用户的创作灵感。
Initialization: 初始化,是开始使用或执行系统前的设置或配置步骤,这里作为开始剧本创作的引导语。
Test: 测试,建议用户在新对话框中测试这个提示词,以避免潜在的干扰或混淆,确保最佳测试效果。
课程数
难度
进度
GPTs 的出现代表着 AI 技术的一个重要进展,它将 AI 的应用从专家的领域延伸到了普通大众的日常生活中。
OpenAI 推出了很多 GPTs 供大家使用,比如「The Negotiator」、「Game Time」等。此外,用户可以上传资料来自定义 GPTs,创造出更符合个人或专业需求的 AI 助手。
总的来说,GPTs 是一种让使用者能够量身打造自己的 AI 助理的工具,开启了个性化 AI 的新阶段,为开发者和普通用户提供了更多便利。
课程数
难度
进度
GPTs :利用 AI 的制作迷宫卡片
第十六课:高级应用篇用GPT去写一首歌
课程数
难度
进度
第十七课:高级应用篇0基础用GPT去做一个桌面截图工具
课程数
难度
进度