三天内精通-ChatGPT
三天内精通 ChatGPT
译者：飞龙
人工智能今日
我为什么写这本书？
到 2022 年底，世界被一项突破性的新闻震撼：ChatGPT 在短短五天内达到了一百万用户，展示了技术史上前所未有的增长。
这个显著里程碑被全球各地的媒体广泛报道，从美国到欧洲和亚洲。像《纽约时报》、BBC 和《El País》这样的知名出版物也报道了这一事件，使其在各个文化中产生共鸣。它对技术人员、人工智能专家和公众产生了重大影响。许多人惊叹于这个工具能够进行连贯的对话，并且以前所未有的方式回答各种主题的问题。
媒体报道和口碑帮助 ChatGPT 在几周内吸引了数百万用户，使其成为病毒式现象。其受欢迎程度飙升，尤其是在像 Twitter 和 Facebook 这样的社交媒体上，用户分享他们的体验并讨论这个工具的潜力。到 2023 年 1 月底，ChatGPT 拥有数千万月活跃用户。
鉴于这种快速扩张，我决定写这本书。经过深入研究，我将关于 ChatGPT 你需要知道的一切内容整理出来，并以清晰易读的格式呈现。我的目标是帮助你充分利用这个工具，并赋予自己力量，确保你在快速变化的世界中保持竞争力。
读者须知
这不是一本传统书籍，而是一本灵活的指南。我建议你自由浏览，选择最适合你当前需求或兴趣的章节。
在接下来的页面中，你将找到一个索引，列出了每一章涵盖的主题。这个索引旨在让你能够快速找到你想要查找的任何特定信息。因此，你可以按非顺序阅读这本书。
将每一章视为一个独立的模块，它提供了关于 ChatGPT 不同方面的信息，从从未使用过这个工具的人的第一步到那些希望深入了解的具有科学研究成果的高级提示工程技巧。你可以从你选择的章节开始，使用目录直接跳转到你想探索的主题。
目录
第一章
ChatGPT 和人工智能简介
1.1. 什么是 ChatGPT?
1.2. ChatGPT 的工作原理
1.3. 从 GPT-1 到 OpenAI o1 以及更远
1.4. 局限性
第二章
开始使用 ChatGPT
2.1. 创建账户
2.2. 常见问题解答
2.3. 写好说明的技巧
上下文的重要性
第三章
ChatGPT 的基本应用
3.1. 我们可以用 ChatGPT 做什么？
3.2. 日常使用示例
3.3. 提示工程基础
3.4. 六种提高结果的方法
3.5. ChatGPT 与画布
第四章
提高你的生产力
4.1. ChatGPT 在通信中的应用
4.2. 使用 ChatGPT 提升职业发展
4.3. ChatGPT 在基础编程中的应用
4.4. 改变你的学习方式
4.5. ChatGPT 为游戏玩家
第五章
ChatGPT 的高级应用
5.1. 编写提示的高级技巧
5.2. 定制 GPT
5.3. 数据分析
5.4. 增强 ChatGPT 的扩展
第六章
专家级
6.1. 参数配置
6.2. 高级提示工程
第七章
额外资源
7.1. 其他 AI 工具
7.2. 提示存储库
第七章
结论与 AI 的未来
参考文献
第一章
ChatGPT 和 AI 简介
1.1. 什么是 ChatGPT？
ChatGPT 于 2022 年 11 月发布，并迅速吸引了全球关注，在第一个月就达到了 1000 万日活跃用户。没有任何一项技术被如此快速地采用。这种增长，比 Instagram 或 Google 等平台的增长速度快十倍，标志着技术史上的一个分水岭。
ChatGPT 之所以革命性，是因为它是一个高级的人工智能（AI）模型，能够连贯和有上下文地理解和生成人类语言。与其他为特定任务设计的系统不同，ChatGPT 能够适应各种应用，从回答技术问题到创建创意内容。这种范式转变代表了人工智能领域的突破，使得人类与机器之间的互动更加自然。然而，这也意味着我们必须学习如何与这些模型互动，以便正确使用它们，这对一些人来说可能具有挑战性。
这本书的目的是带您进入 ChatGPT 这个迷人的世界。您将发现这个工具如何改变您沟通、工作和解决问题的方式。在这本书的每一页，我们将从这项技术的最基本概念开始，逐步深入到其最先进的应用，向您展示无论您是学生、企业家，还是只想在日常生活中更加高效的人，如何利用它。我们将深入研究提示工程，探索实用和高级用法，甚至分享案例研究以激发您的灵感。这本书是掌握 ChatGPT 并最大化其潜力的完整指南。准备好发现这项革命性技术如何成为您日常生活的一部分，以您尚未想象的方式改变它。
ChatGPT 可以在各种主题上展开对话，并就科学和技术到文学和哲学等话题提供连贯的答案。它从上下文中学习并跟随对话线索的能力使其变得有价值且多才多艺。
要了解我们是如何到达这里的，了解这项技术的背景和历史是至关重要的。让我们从 ChatGPT 的开发商 OpenAI 开始：ChatGPT 是基于自然语言处理（NLP）的技术，这是人工智能的一个分支，几十年来一直在不断发展。人工智能反过来是计算机工程的一个学科，其主要目标是让计算机执行通常需要人类智能的任务。自然语言处理的主要目标是帮助计算机有效地理解、解释和生成人类语言。换句话说，这是关于教会机器理解和使用我们人类用来相互沟通的语言。
这一点至关重要，因为世界上大部分信息都是以人类语言的形式存在的，无论是书籍、文章还是社交网络。现在，想象一个未来，在这个未来中，机器不仅能够理解我们说的话，而且能够以我们人类只能梦想的方式进行推理。这不仅仅是将人工智能用于快速搜索或机器翻译（这些用途今天已经存在）的问题，而是一个更深刻的时间：当人工智能在推理上变得如此高级，以至于它能够发现现在看似无法解决的问题的解决方案。
例如，我们能否看到我们曾认为无法治愈的疾病的疗法，或者发现今天看起来像是科幻小说的创新？这个可能听起来是乌托邦或甚至反乌托邦的未来，比我们想象的要近。在这本书中，我们将探讨 AI，特别是 ChatGPT，如何成为引导我们走向这个可能性新天地的工具之一。
1.2. ChatGPT 背后的运作原理
ChatGPT 是一个大型语言模型（LLM）。请记住这些缩写，因为它们将在整本书中多次出现。一个模型（计算机模型，而不是血肉之躯）是一个程序或软件，它允许我们预测一个特定事件。例如，我们使用气候模型来预测未来几天天气的情况，以便提前做好准备。语言模型与此类似，但它不是预测天气，而是根据上下文预测句子中最可能出现的下一个词。
将 LLM 想象成一个工具，它允许机器理解人类语言。此外，LLM 不仅寻找每个词的含义，还试图理解它们之间的关系，以捕捉句子或文本的整体含义。
有许多 LLM（大型语言模型），每个都有其特点和独特之处。其中之一是 GPT，你可能很熟悉。但是……你有没有想过 GPT 是什么意思？它来自“生成式预训练变换器”。让我们来分解一下：
-
生成式：这是一种能够创造或生成新内容的 AI。在这种情况下，它可以创建文本、图像和音频。视频可能也不会太远。
-
预训练：GPT 在使用前已经用大量数据进行过训练。换句话说，它“准备好使用”而不需要执行任何额外的任务。
-
变换器：这是使用的神经网络类型。
就像人脑一样，神经网络可以从它处理的信息中学习，并且随着时间的推移，提高其处理信息的能力。这意味着 ChatGPT 可以理解人类自然语言，并从这个理解中生成连贯的回应。
我很确定你使用过那些网站上的客户服务聊天室：那些由于功能有限，你很少得到所需解决方案的令人沮丧的系统。这些旧的聊天工作方式不同；它们不是理解你询问的上下文，而是依赖于关键词来提供预定义的答案。因此，它们主要提供与你要找的内容无关的答案。
与它们不同，ChatGPT 不是依赖于关键词，而是可以分析整个句子或一组句子的含义，并基于此给出更准确、更详细的答案。换句话说，ChatGPT 能更好地“理解”你提出的问题，这意味着它不太可能给出无关或通用的答案，就像旧的聊天一样。
1.3. 从 GPT-1 到 OpenAI o1 以及更远
要正确理解 ChatGPT 以及其工作原理，讨论使其得以实现的不同的模型是至关重要的。下面展示的模型按时间顺序排列，从 2018 年的第一个 GPT 到 2024 年 9 月的 OpenAI o1。OpenAI o1 是第一个专门优化以执行复杂实时操作（包括数学计算和高级数据处理）的模型。
GPT-1
2018 年，OpenAI 展示了其第一个语言模型 GPT。其主要目的是 modest but ambitious：准确且严格地预测句子中的下一个单词。尽管这个模型的应用范围有限，但它为未来奠定了基础。我们可以说，这是基于 Transformer 的语言模型力量的早期展示。
GPT-2
一年后，2019 年，推出了改进版的 GPT-2。由于拥有更多的数据和更大的模型，它不再局限于预测单个单词，而能够流畅地生成完整的句子。仅仅一年，这项技术就在自然语言生成和响应一致性方面取得了突破。这个模型有 15 亿个参数，结果开始接近更自然的语言，尽管还有很长的路要走。
注意：参数指的是神经网络不同层之间的连接。参数数量越多，网络的复杂性就越大，原则上模型的表现就越好。
GPT-3
2020 年，OpenAI 通过推出 GPT-3 实现了一个突破性的里程碑，这个模型重新定义了人工智能的格局。这个创新模型代表了人工智能技术的一次重大进步，拥有令人印象深刻的架构，拥有 1750 亿个参数。这种庞大的规模使得 GPT-3 能够生成高质量的文字，远远超过了其前辈。
GPT-3 的能力超越了传统的文本生成。它展示了所谓的“涌现技能”，这意味着该模型能够执行一系列复杂的任务，而这些任务并没有被特别编程进去。例如，虽然它最初被训练来预测句子中的下一个单词，但 GPT-3 很快就展示了其翻译语言、回答各种问题和甚至编写连贯且与上下文相关的代码的能力。
这种非凡的通用性标志着人工智能的一次变革性转变，标志着其演变过程中的一个关键时刻。GPT-3 的推出不仅提高了人工智能能够实现的标准，也为未来的进步奠定了基础，从根本上改变了该领域的研究和应用轨迹。这个里程碑现在被公认为人工智能历史上的一个转折点，标志着能力和潜力的新时代。
GPT-3.5
OpenAI 于 2021 年 6 月发布的 ChatGPT 相比 GPT-3 有了显著的改进，并取得了显著的进展。其使用包括文本和代码在内的多种数据集进行训练，提高了其处理更复杂语言任务的能力。这种训练方法使得 GPT-3.5 能够更好地理解上下文，产生更连贯的回应，并生成更长的内容，与 GPT-3 相比，出现不准确或“幻觉”（当模型生成错误或不合逻辑的信息时）的问题更少。
GPT-3.5 包含了几个模型的版本，其中一些在跟踪用户意图方面表现出更高的准确性。此外，GPT-3.5 的架构使得生成更长的文本输出成为可能。它展示了在处理复杂任务方面的更好表现，例如在创意写作中回应更复杂的提示或在编程中提供协助。
ChatGPT
ChatGPT 于 2022 年 11 月推出，不仅仅是一个技术新玩意：它成为了一种前所未有的现象。它的采用在几天内急剧增加，成为人类历史上增长最快的应用。突然之间，全球数百万人与该系统互动，测试其进行流畅对话、回答问题和执行各种任务的能力。这是一个真正的现象，震撼了技术领域以及社会对 AI 的理解和应用方式。
对于很大一部分人口来说，AI 时代始于 ChatGPT 的推出。这并不完全正确。正如我们所见，OpenAI 的 GPT 系列语言模型自 2018 年以来就已经存在，而 AI 的起源可以追溯到 20 世纪 50 年代。
尽管很容易将 ChatGPT 与其基于的语言模型（如 GPT-3 或 GPT-4）混淆，但 ChatGPT 本身不是一个模型，而是一个会话界面，允许普通用户与这些模型流畅自然地互动。其目标是使大众能够民主化地与这些大型语言模型（LLMs）互动，模拟对话而不是孤立地生成文本。
ChatGPT 通过这个个性化层为每个回应提供上下文，维持对话线程，回答问题，并使用户感觉他们正在与 AI 进行对话。我们将在稍后更深入地探讨这项技术的工作原理，但重要的是要记住，GPT 模型负责生成内容。同时，ChatGPT 是一个工具，它允许我们以对话和直接的方式与之互动，提供了一个易于使用的界面，消除了模型的技术复杂性，并简化了没有高级 AI 知识的用户的使用体验。
GPT-4
GPT-4 于 2023 年 3 月 14 日发布。当这次重大升级到来时，ChatGPT 已经上市不到四个月。GPT-4 在推理、事实准确性和处理更长、更复杂的提示方面显著改进了 GPT-3.5。该模型展示了更出色的理解上下文和生成结构良好、高质量响应的能力，使其在接下来的几个月里成为 OpenAI 模型系列中的旗舰。
直到那时，ChatGPT Plus 用户唯一的优势是在高峰需求期间可以访问，即许多用户同时尝试访问的高使用时段。是的，在其生命的最初几个月里，ChatGPT 由于用户数量高且未计划而经历了不断的停机。如果你支付了订阅费，即使系统关闭你也可以登录，但除此之外几乎没有其他好处。
GPT-4 的升级为订阅此服务提供了令人信服的理由。GPT-4 由于其广泛的一般知识和解决问题的技能，可以更准确地解决复杂问题。它是迄今为止最具创造性和协作性的模型。以下是该模型相对于其前辈的一些关键优势：
-
多模态：GPT-4 不仅处理文本，还处理图像和音频，这意味着它可以理解和响应不同类型的内容。这种能力使模型能够识别图像中的物体，听并生成音频，以及更完整、更自然地响应。换句话说，多模态使 GPT-4 成为一个更加多才多艺的工具，使人机交互更接近于我们之间的人与人之间的交流。
-
互联网连接：GPT-4 可以通过互联网访问实时信息，这意味着它不再受限于固定知识集（GPT-3.5 的一个重大限制）。这种连接使它能够搜索最新数据并提供更准确的答案，提高了其在最近新闻查询、体育比分或需要新鲜信息的任何研究中的实用性。这提高了它对需要更新数据的查询的实用性，例如新闻、最近的研究或当前趋势和事件的细节。
-
扩展的上下文窗口：得益于比 GPT-3.5 大得多的上下文窗口，GPT-4 能够处理更多的文本，无论是在每次交互中还是在整个对话中。这使得它能够处理更长和更复杂的讨论，在扩展通信中拥有更大的上下文，并且能够处理更长的文档。
-
在响应生成中具有更高的精确度和控制力：GPT-4 在调整语调和风格机制方面得到了改进，提供了更好地匹配上下文和用户需求的响应。此外，它能够区分不同级别的正式程度并根据指示调整内容。
-
减少错误和幻觉：GPT-4 识别和避免错误或“幻觉”（当模型生成错误或虚构信息时）的能力得到了优化。尽管不完美，但它比其前辈 GPT-3.5 更不容易提供错误数据，使其在关键应用中更加可靠。
-
提高对复杂指令的理解：GPT-4 擅长理解和执行详细的多步骤指令，使其非常适合编程和报告生成等复杂任务。
-
与外部工具的集成：尽管 GPT-4 依赖于 Whisper 和 DALL-E 等工具进行特定功能，但它与这些工具的集成更好，从而促进了更流畅的工作流程。这扩大了其多功能性，并允许它在单一平台上提供更广泛的服务。
这些改进使 GPT-4 比 GPT-3.5 成为一个更加健壮和多功能的模型，扩展了其功能，使其适用于更广泛的应用。为了总结本节，让我们来看一下 GPT-4 和 GPT-3.5 的官方比较。OpenAI 通过执行包括为人类设计的测试模拟在内的不同测试，评估了这两种语言模型。这些测试的结果显示在图 1 中，比较了两种模型的性能。
图 1. 不同测试中的 GPT-3.5 与 GPT-4 的结果。来源：OpenAI
图表显示了令人着迷的现实：GPT-4 在许多领域都优于其前辈 GPT-3.5，这些领域 GPT-3.5 未能表现出色。这表明 GPT-4 不仅仅是 GPT-3.5 的改进版本，它在各个领域都超越了其前辈，从而扩大了其有用性和适用性。
GPT-4o
2024 年初，AI 社区中流传着关于 OpenAI 没有训练 GPT-5 的传言。随着年份的推进，发布新模型的期望逐渐降低。然而，OpenAI 采取了一种令许多人惊讶的举措，宣布将在即将到来的演示中推出一款新模型。这款模型被指定为 GPT-4o，其中的“o”代表“Omni”。这一最新版本标志着重大进步，因为它可以同时生成和理解文本、图像和音频。这种多模态能力表明它甚至可以处理视频内容。
虽然视频功能已集成到 GPT-4o 的本地版本中，但必须注意的是，此功能目前对用户不可用，并承诺未来将发布。熟悉 ChatGPT Plus 版本的用户可能会回忆起 GPT-4 的功能，包括能够口述回复、大声朗读答案和生成图像。尽管这些功能仍然存在，但关键的区别在于支持 GPT-4o 的底层操作。
与其前辈 GPT-4 不同，GPT-4 依赖于外部工具和系统来处理非文本格式，而 GPT-4o 具有直接理解音频、图像和视频的内在能力，无需任何转换。传统模型会将音频转换为文本或使用其他方法来处理不同类型的数据。相比之下，GPT-4o 的“原生”理解能力使其能够以原始格式处理各种输入，显著提高了生成响应的速度和效率。虽然 GPT-4 依赖于辅助系统来解释文本格式之外的其他格式，但 GPT-4o 作为一个全面的多模态模型，完全配备了无缝处理音频、图像和视频的能力。
此模型为用户提供实际应用。例如，如果你在调整自行车座椅时遇到问题，可以向 ChatGPT 展示一张照片，使其能够诊断问题。此外，如果你不确定根据你的储藏室食材要做什么菜，分享冰箱里可用的食物图片将允许模型帮助你进行餐食计划。此外，GPT-4o 还可以分析关于工作相关数据的复杂图表，提供有价值的见解。
对于那些希望专注于图像特定部分的人来说，移动应用内提供了一个绘图工具，允许用户注释或突出感兴趣的区域，如图 2 所示。
图 2. 使用绘图工具上传到 ChatGPT 的图片示例
要启动与 ChatGPT 的多模态交互，用户可以点击相机按钮来捕捉一张图片或选择一个现有的图片。如果使用 iOS 或 Android 设备，点击"+"按钮即可开始。用户还可以对多张图片进行评论或使用绘图工具来适当地引导模型的注意力。
类似于 GPT-4o 这样的多模态模型利用复杂的语言推理来处理各种输入，从普通的照片和截图到包含文本和视觉元素的文档。这种能力代表了人工智能与理解人类沟通多样形式的一种范式转变。
OpenAI o1
今天，我们在语言模型方面取得的进展是几年前无法想象的。ChatGPT 的全球革命性变革，得益于其背后的 GPT-3 语言模型。GPT-3 能够快速、相对准确地生成具有显著一致性的文本。GPT-4 的问世代表了一个重大的飞跃：它生成文本的速度更快，准确性更高，在复杂任务中的表现也更好。
然而，这些模型存在一个共同问题。在构建问题时，模型往往在没有考虑问题的复杂性情况下立即给出答案。例如，“西班牙的首都是哪里？”这样的问题很容易回答。然而，其他问题，如“海森堡不确定性原理如何影响我们对量子物理中亚原子粒子行为的理解？”则需要进一步分析。无论问题的复杂性如何，模型都提供了即时答案，通常由于缺乏反思而导致错误。
不加思考地回应可能会导致错误的答案，尤其是在复杂的环境中。
这就是 OpenAI o1 的用武之地。尽管它基于相同的技术，但这个模型与 GPT 系列的不同之处在于它不会急于给出即时回应。首先，它处理我们的请求，分析它，并研究最佳的回应方法。这在琐碎的任务中可能不会带来太大的差异，但在科学领域这是一个真正的革命。这是新系列模型的第一款发布。OpenAI 首席执行官山姆·奥特曼表示，这个模型相当于 GPT-2 发布时的情况；还有很长的路要走。
接下来，在图 2 中，展示了 GPT-4o、01-preview（可供 GPT Plus 用户使用）和 o1（即将对付费订阅者开放）模型之间的比较。从左到右，这个比较分别测量了数学、代码和博士水平科学问题的性能。
图 2. 测量推理能力的测试。来源：OpenAI
毫无疑问，这是一个突破。如果人类能够开发出一个既能生成文本又能自我推理并自我纠正推理过程的模型，我们可能就接近实现超级智能，即通用人工智能（AGI）。AI 已经能够好于全球最佳选手玩国际象棋或围棋等游戏好几年了。这是可能的，因为这些系统可以显著预测未来的走法，分析比人类无限多的选项。OpenAI o1 代表了将此类智能应用于语言的开始。想象一个能够在超人类水平上进行推理的 AI，会引发许多有趣的问题：我们能否治愈癌症？解决宇宙的谜团？消除全球贫困？虽然这些目标可能看起来还很遥远，但我们无疑正在朝着这个方向前进。
GPT-5
下一个 OpenAI 模型正在开发中，但尚未公布官方发布日期。预计它将提高推理、可靠性和多模态能力，包括语音、图像和视频，超越 GPT-4。尽管山姆·奥特曼强调在发布前还有工作要做，但据传闻，内部已经取得了显著的进展。发布可能是一个付费版本，遵循 OpenAI 当前的货币化策略。
不想错过任何更新？加入我们的社区，您将收到每周一封包含这个世界上最好的新闻和本书未来更新的电子邮件。您绝对不能错过！
图 3. QR：加入我们的社区
1.4. 局限性
在上一节中，我们了解了不同的 OpenAI 模型及其所有潜在能力，但这并不意味着它们没有局限性。尽管它们的局限性越来越少，但突出一些仍然是有价值的。以下是一些主要局限性。
训练数据中的偏差
人工智能模型，如 ChatGPT，从它们训练的数据中学习。如果这些数据包含偏差，模型也会记住它们，并在其回答中复制和放大它们。这可能导致歧视性或偏见的结果，例如亚马逊不得不停止使用一个显示性别偏差的招聘算法，该算法惩罚包含“女性”一词的简历。为了减轻这些偏差，应用了各种技术，例如仔细编辑训练数据、包含更多样化的数据以及实施后续调整。
事实与虚构之间的混淆（幻觉）
ChatGPT-像我这样的语言模型通常有一个被称为“幻觉”的局限性。这是因为我们的主要功能是根据大量文本（包括事实和虚构）的训练来预测句子中下一个最可能出现的单词。由于我们不像人类那样“理解”信息，只是复制语言模式，我们可以生成看似令人信服的答案，但实际上是错误的或虚构的。因此，尽管我们试图保持准确，但我们并不总是能够充分区分事实与虚构。
幻觉是大型语言模型（LLM）最显著且最危险的局限性之一。为了解释它们是什么，我决定询问 ChatGPT，这是它告诉我们的：
参考文献的准确性
尽管所有 ChatGPT 用户，包括免费版本的用户，现在都可以访问互联网，但参考文献往往不准确。提供的链接也可能不正确，导致无关话题，甚至出现断链。因此，审查和验证提供的信息是确保其准确性的关键。
专业化任务中的局限性
ChatGPT 在执行特定和专业化任务时可能存在困难，尤其是在处理高度复杂的技术或科学语言时。虽然它可以处理各种一般性话题，但当面对高度专业化的术语、科学领域的行话或需要深入理解背景的情况下，其表现可能受限。在这些情况下，结果可能不准确，并且需要人类专家的介入来验证和调整提供的信息。
第二章
开始使用 ChatGPT
2.1. 创建账户
创建 ChatGPT 账户是一个快速且简单的过程。只需遵循以下步骤：
-
打开您的浏览器并访问 chat.openai.com。
-
点击“订阅”：在主页上点击“订阅”按钮。不用担心——这是免费的。
-
完成注册表单：输入您的电子邮件地址和密码。您也可以使用 Google 或 Microsoft 账户进行注册，以获得快速和便捷的体验。
-
验证您的电子邮件：OpenAI 将向您发送验证电子邮件。打开电子邮件并按照指示验证您的账户。
-
登录您的账户：一旦您验证了您的电子邮件地址，您就可以登录到您的 OpenAI 账户，并从主菜单访问 ChatGPT。
-
完成附加信息：当您首次登录时，您将被要求提供您的姓名和姓氏。
-
短信验证：您必须提供您的电话号码进行短信验证。输入您收到的代码。
-
就这些！现在您可以使用 ChatGPT 并开始用它来完成各种任务。
登录后，您将看到主屏幕，您可以在高亮文本框中输入您的查询。
提示 - 请简要解释如何烹饪西班牙煎蛋卷。
例如，假设您想知道如何烹饪土豆煎蛋卷。在文本框中输入以下内容：
在输入您的查询后，按 Enter 键或点击提交按钮（向上箭头）。然后，等待几秒钟，让 ChatGPT 处理您的请求。一旦完成，您将在聊天窗口中收到回复。
ChatGPT 将为您提供遵循您指示的易于理解的答案。如果您对某个主题有进一步的问题，例如烹饪西班牙煎蛋卷的过程，您可以继续给出指示，ChatGPT 将继续为您提供信息。
2.2. 常见问题
这里有一些基本问题，可能有助于澄清关于 ChatGPT 使用的常见疑问
2.2.1. 什么是提示？
提示是您给 LLM 的指令以执行任务。这就像与它交谈或写下您希望它执行的操作，类似于与一个知识丰富的在线人物交谈。提示可以从一个简单的问题到几个句子或一个完整的上下文，使我们能够生成更准确的答案。如果我们向 ChatGPT 提供正确的信息，我们可以探索许多可能性并获取知识。
我们输入的质量决定了我们得到的回答的质量。提供详细的输入允许模型提供更符合我们需求和期望的个性化回答。从 ChatGPT 或其他大型语言模型中获得最大收益的关键在于我们信息的质量。
让我们通过三个例子来看看不同层次指示的效果：
基本提示 - 写一个短故事
提示的详细说明 - 写一个设定在中世纪世界的短故事，有一个年轻勇敢的英雄。
更详细的提示 - 写一个大约 500 字的短篇小说，设定在中世纪世界，讲述一个名叫 Aron 的年轻英雄，在他的狼的陪伴下，踏上寻找传说中的剑的冒险之旅，面对挑战和神秘生物。
使用这些提示与 ChatGPT 进行交流，你会发现第一个答案是通用的，而最后一个答案，得益于提供的详细信息，提供了一个更符合我们需求的答案。
2.2.2. ChatGPT 是否免费？
是的！ChatGPT 是免费的，可用于写作、编程、学习新事物等更多用途。然而，还有一个名为 ChatGPT Plus 的订阅选项，每月费用为 20 美元。
使用 ChatGPT Plus，您可以获得以下额外好处：
-
优先访问高级 OpenAI o1 和 Canvas 模型。
-
DALL-E 3 图像生成工具。
-
最新性能改进和更新。
这个付费选项非常适合那些想要更完整和更快体验的人。
2.2.3. 有 ChatGPT 应用程序吗？
是的，有官方的 ChatGPT 应用程序适用于 iPhone 和 Android。下载官方 OpenAI 应用程序很重要，以避免假冒应用程序，因为苹果应用商店和谷歌应用商店中可以发现许多与 OpenAI 无关的应用程序。此外，这两个应用程序都是完全免费的，并获得了良好的评价。如果您想快速从手机访问 ChatGPT，这些应用程序非常推荐。此外，您还可以向它们口述指令。
另一方面，macOS 上的 ChatGPT 应用程序也可用。此应用程序允许通过快捷键快速访问聊天机器人。最初，这个 Mac 版本仅对 ChatGPT Plus 订阅者开放，但 OpenAI 最近已将其提供给所有用户。
2.2.4. ChatGPT 是否安全？
如 ChatGPT 之类的 AI 聊天机器人引发了对其对人类智能、错误信息和隐私影响的担忧。有些人担心聊天机器人会取代人类技能，例如写作，这引发了教育中欺诈的担忧。最初，一些学校封锁了对 ChatGPT 的访问，但许多学校已经解封，一些大学甚至将 AI 课程纳入其中。聊天机器人也可能传播错误信息。ChatGPT 建议验证接收到的信息，因为它们的回答并不总是准确的。OpenAI 警告说，该模型可以生成看似可信但实际上是错误的回答。
另一方面，关于用于训练 ChatGPT 的数据的伦理问题也引起了担忧。OpenAI 未经同意从互联网上收集数据，这引发了版权问题。此外，使用用户数据来改进模型的做法也受到质疑，尽管 OpenAI 允许您禁用您的数据用于训练和聊天记录。如果您对隐私问题最为关心，OpenAI 提供数据保护选项。关于伦理问题的辩论仍在继续，围绕 AI 使用的规则可能也会演变。
2.2.5. 我的 ChatGPT 对话会被用于训练吗？
默认情况下，OpenAI 使用对话来改进其技术。然而，您可以选择不分享您的数据用于训练。点击左下角的问号，选择设置，取消选中“为所有模型增强”选项。
2.2.6. ChatGPT 是否可检测？
简短的回答是肯定的。工具试图检测由 ChatGPT 生成的文本，但没有一个提供完全可靠的准确性。目前，没有方法可以完全通过检测工具来检查文本是否由 ChatGPT 编写。
最有效的方法是使用 ChatGPT 的经验。那些与该模型广泛合作的人通常可以识别出响应中的一些特定模式。例如，ChatGPT 采用一种相对客观和结构化的写作风格。然而，这种评估是主观的，并且很大程度上取决于读者的感知，因此这不是一个万无一失的方法。
应该注意的是，将 ChatGPT 作为辅助工具来起草或润色文本并没有什么不妥，只要主要思想和内容来自我们自己。ChatGPT 可以作为一个优秀的补充，以提高我们写作的清晰度和准确性，使我们能够保持对信息和风格的掌控。
简而言之，尽管存在检测工具，但没有一个是完全可靠的。最终，重要的是我们在整个写作过程中塑造内容并保持我们的原创声音。
2.3. 编写良好指令的提示
指令的质量对于获得高质量的结果至关重要。通过提供精心编写的指令，对话将更加有意义，并生成有价值的信息。为了实现这一目标，在制定我们的指令时，建议考虑以下方面：
-
清晰度：最好是清晰和精确的。避免使用可能引起混淆的含糊语言。
-
简洁：不要使用不必要的词语；简明扼要的指令将有助于理解并提高回答的质量。
-
焦点：设定一个明确的要实现的目标，并在指令中尽可能具体，以保持对话的焦点。
遵循这些提示将使您与 ChatGPT 的互动更加高效，让您在每次对话中获得更好的回答。
环境的重要性
与 ChatGPT 互动时，提供清晰和详细的环境信息至关重要。尽管我们可能对想要实现的目标有一个精确的想法，但如果解释不够充分，模型可能会生成模糊或过于笼统的回答。这可能是对简单问题的充分回答。然而，在处理更复杂的问题、制定计划或创建策略时，环境变得至关重要。
我们提供给 ChatGPT 的背景信息越详细，它就越能理解和适应我们的需求，提供更准确和有帮助的回答。就像谷歌搜索一样，我们提供的信息越具体，结果就越精细、越相关。ChatGPT 需要适当的背景信息才能在回答中真正有效。
下面的示例说明了模型回答的质量如何根据背景信息的数量和质量而变化。
提示 - 我如何增加网站流量？
缺乏足够背景信息的回答 - 为了增加您网站的流量，考虑使用 SEO 技术来提高搜索引擎排名并定期发布内容。
问题：虽然答案有效，但它过于笼统，可能根据网站类型、目标受众或具体业务目标的不同而不够实用。
带有额外背景信息的模型问题 - 我经营一家在线体育配件店，我想增加网站流量。你推荐哪些具体的策略？
带有背景信息的回答 - 为了增加您的在线体育配件店流量，您可以考虑与体育影响者合作进行产品评论和提及。针对与体育配件相关的搜索词启动定向的 PPC 活动也很有效。此外，确保您的网站针对移动设备进行了优化，并且产品描述中包含 SEO 相关的关键词。
结果：关于业务类型和目标市场的具体背景信息，模型提供了详细且直接适用的建议，这可能会对用户更有效。
这个例子展示了即使是合理的问题，通过增加细节也能显著受益，使回答更加有针对性和有价值。
在接下来的章节中，我们将继续努力开发技能，以创建适当的指令并充分利用这个强大的工具。
第三章
ChatGPT 的基本用法
在本章中，我们将深入探讨 ChatGPT 最常见的使用方法，探讨这个工具如何简化并丰富我们的日常生活。从生成文本和定义概念到规划日常活动和发现个性化推荐，我们将学习如何充分利用基本功能。此外，我们还将了解提示工程的基础，在那里您将发现与 ChatGPT 更有效互动的关键提示和策略。最后，我们将探索画布功能，这是一个新增功能，为更多可能性打开了大门。准备好发现如何使用 ChatGPT 处理日常任务以及更多。
3.1. 我们可以用 ChatGPT 做什么？
ChatGPT 提供了一些基本功能，这些功能可能非常有用。通过理解和生成连贯且具有上下文的人类语言，这个模型打开了一个可能性的世界。ChatGPT 的功能包括文本生成、问答、信息摘要和语言翻译等，还有很多其他功能。在以下内容中，我们将探讨这些主要用途，尽管它们可能看起来很简单，但它们是构建更复杂和定制应用的基础。
3.1.1. 文本生成
如第一章所述，ChatGPT 是一个大型语言模型（LLM），其主要功能之一是文本生成。这个 AI 模型理解并处理人类语言，并使用它来创建新的、连贯的文本。在写作时，ChatGPT 会考虑对话的上下文，以确保回答适合请求。例如，如果它提供了关于特定主题的先前信息，它可以使用这些细节来提供更个性化的回答。
快速且一致地生成文本在各种应用中都有益处，从回答问题或写电子邮件到编程应用。
3.1.2. 定义术语
现在，当我们遇到不熟悉的术语时，ChatGPT 为我们提供了一个有效的替代方案，即在线词典或 Google 搜索。这个 LLM 提供定义，并将它们置于上下文中以获得更深入的理解。虽然 ChatGPT 是一个强大的工具，但它也有局限性，可能会产生不准确的结果。它仍然是直观理解任何术语的有价值资源。例如，如果你想要了解“比特币”是什么，而不是在 Google 上搜索并浏览链接和广告，你可以使用 ChatGPT 并获得一个直接的答案。
另一个优点是，你可以根据需要调整定义的复杂度，从技术解释到为 10 岁儿童简化的版本。让我们看看一些例子。
提示 - 什么是量子计算？用技术术语简要解释。
ChatGPT 回复 - 量子计算是计算机科学的一个领域，它使用量子力学的原理来处理和存储信息。它使用量子比特，或称为 qubits，这些比特可以同时处于多种状态，从而使计算更高效。
提示 - 现在向一个 10 岁的孩子解释。
ChatGPT - 量子计算是计算机的超级力量。常规计算机使用称为“比特”的小块进行计算。但量子计算机使用一种称为“量子比特”的东西，就像超级比特，可以同时处于许多位置。这使得量子计算机速度更快。
OpenAI 的大语言模型很容易适应我们的需求，提供所需详细程度和简单性的定义，无论是为专家提供技术解释还是为初学者提供简单的类比。我们还可以探索更多创意方法，例如要求 ChatGPT 用谐音韵律定义一个术语，如量子计算，这在传统的网络搜索中很少见。
提示 -
用谐音韵律定义量子计算。
ChatGPT -
量子计算是一门艺术，
在量子比特中成为其一部分。
量子比特是关键，
在多种状态下经常被发现，
以极大的灵巧解决问题，
是一种微妙地让每个人都感到惊讶的技术。
对于一个 AI 来说，还不错，对吧？
3.1.3. 想法生成
ChatGPT 非常适合生成创新想法。无论你是在寻找创意项目的灵感，需要解决工作中问题的建议，还是想探索博客的新主题，ChatGPT 都能帮助你打开新的大门。提出问题，模型将根据它所学习到的知识生成各种想法和建议。
除了提供初步想法之外，ChatGPT 可以帮助你扩展这些想法，探索不同的角度，深入挖掘你可能未曾考虑到的细节。这个工具既提供数量也提供质量，让你看到之前未曾考虑过的新可能性，并促进更加繁荣和多样化的创意过程。例如，如果你从一项广告活动的初步想法开始，ChatGPT 可以提出你最初未曾考虑过的具体方法、口号和策略。
如果你希望它生成的想法遵循特定的规则或约束，你可以通过指出你认为的限制来引导模型。例如，你可以要求它包含特定的单词、一定数量的字母，或者遵循特定的主题。这使得工具更有价值，因为你可以定制想法。最好的是，ChatGPT 永远不会厌倦提供新想法。它总是准备帮助你，不断地生成建议，无论你问多少次。所以，无论想法是简化还是更详细，ChatGPT 旨在满足你的创意需求，没有限制。
3.1.4. 文本翻译
关于翻译，ChatGPT 作为一个强大的工具，在几个关键领域超越了传统的平台，如 Google Translate 或 DeepL。它的一项主要优势是能够理解更广泛的上下文和细微差别。与通常默认为直译的传统翻译工具不同，ChatGPT 可以根据意图调整翻译，捕捉到否则可能丢失的微妙的文化或风格上的细微差别。这种能力使其在需要准确传达语调时特别有用，使翻译感觉更加自然和上下文适当。
此外，ChatGPT 提供了一种传统翻译工具无法比拟的定制化水平。用户可以要求特定的正式程度或要求调整以适应特定的受众或目的。这在翻译需要保持一致风格时特别有用，无论是专业、休闲还是专业环境。这种适应翻译的灵活性使 ChatGPT 成为一个多才多艺的选择，无论是面向一般受众还是深入研究更狭窄的主题。
不仅仅是简单的翻译，ChatGPT 还具有独特的解释其选择的能力。如果你对某个特定的单词或短语感到好奇，ChatGPT 可以提供选择该词或短语的理由，从而揭示那些可能原本不透明的语言决策。这个功能对于想要理解语言细微差别的学习者来说是无价的，它使他们能够理解为什么某个翻译可能比另一个更合适。
ChatGPT 的另一个优势在于其内置的语法纠错功能。它不仅翻译所写内容，还纠正原文中的错误，产生一个连贯且精致的翻译。这种能力与传统工具形成鲜明对比，传统工具通常将错误原样翻译，而不考虑最终输出的整体清晰度。因此，结果是翻译感觉更加专业和准确。
此外，ChatGPT 允许动态交互，使用户能够实时地完善和修改翻译。如果初始翻译不够准确，你可以要求澄清或具体的调整，而不必从头开始。这种交互性比 Google Translate 或 DeepL 的僵化输出提供了一个更平滑、更高效的翻译过程。
改写是另一个 ChatGPT 擅长的领域。它可以将句子重新表述，以保留其原始意义，同时调整结构、风格或语气。这种超越字面翻译的能力，在以不同的方式呈现信息而不失去其本质时是一个重要的优势。相比之下，标准工具在要求改写时可能难以保持清晰，导致翻译显得尴尬或不连贯。
专业领域从 ChatGPT 的灵活性中受益匪浅。在适当的语境下，它可以处理复杂的专业术语，无论是医学、技术还是法律，提供一种精确度，这是通用翻译工具有时所缺乏的。ChatGPT 可以深入到行话的具体细节中，适应文本的需求，而 Google Translate 或 DeepL 在这些专业领域可能并不总是能击中目标。
最后，ChatGPT 的潜力不仅限于简单的文本翻译。其多模态能力允许它与图像或音频等其他格式进行交互，扩大了其在复杂场景中的实用性。这种适应性使其成为需要比简单独立翻译更多功能的用户的更全面解决方案。与通常仅限于处理孤立文本的传统工具不同，ChatGPT 与其他技术的集成使得翻译方法更加丰富、更加灵活，满足更广泛的需求和情境。
3.1.5. 对文本进行分类
文本分类是 ChatGPT 的一项功能能力，可以根据各种标准进行定制，例如情感分析、内容主题或紧急程度，展示了其多功能性。这个过程涉及将文本组织到预定义的类别中，这在许多情境中特别有用，包括情感分析、按主题排序电子邮件，以及根据紧急程度或相关性对内容进行分类。
例如，如果一家公司每天收到数千条客户评论，ChatGPT 可以自动将这些评论分类为正面、负面或中性。这种功能节省了时间，并能够快速识别需要关注的特定领域，例如反复出现的客户服务问题或用户反馈中的常见主题。
此外，ChatGPT 还可以帮助根据各自的主题对研究文章进行分类，这使得管理大量学术信息变得更加容易。
3.1.6. 提取信息
信息提取是语言模型的另一项关键能力。ChatGPT 可以从大量文本中识别特定数据，使得在不进行完整人工审查的情况下获取关键细节变得容易。例如，在法律或金融领域，文件可能很长且复杂，ChatGPT 可以帮助快速定位关键数字、重要日期或特定的合同条款或报告条款。这使得文档审查更加高效，并减少了遗漏错误的可能性，因为它允许你准确提取相关元素，而无需阅读整个文档。
在学术研究中，这种能力使得研究人员能够从先前的研究中提取引文、关键概念或结果，而无需阅读每一篇完整的文章，从而促进了文献综述和新项目的发展。
3.1.7. 创建列表和表格
ChatGPT 最实用的优点之一是它能够以不同格式提供答案。它不仅限于生成段落文本；你还可以将信息以要点列表、编号列表或表格的形式进行结构化。为了以特定格式获取输出，你可以像与另一个人交谈一样指示它。例如，你可以这样说：“请将此信息以表格形式呈现给我”或“给我一个包含五个主要要点的列表”。
例如，如果你正在计划一个活动并需要组织任务列表，你可以向 ChatGPT 询问：“列出组织活动的必要任务。”然后 ChatGPT 可以生成一个包含所有步骤的编号列表，使任务可视化和组织变得容易。
同样，如果你需要比较不同产品的特性，你可以说：“以表格形式展示特性。”ChatGPT 将以表格形式展示数据，让你可以一目了然地看到差异和相似之处。这种根据需求调整信息格式的能力使 ChatGPT 在各种环境中成为一个非常灵活和有价值的工具，从个人规划到职业和学术用途。
3.1.8. 总结文本
ChatGPT 可以快速准确地总结文本，这在处理大量信息时非常有用。它可以直接提供的文本和已知的书籍和文章进行浓缩。
例如，你可以请求对《富爸爸，穷爸爸》这本书的总结，这本书以简化的方式帮助用户理解复杂的书籍。此工具还允许你选择总结格式，如要点列表、编号列表或表格，这对于学生和专业人士特别有用。
ChatGPT 消除了冗余文本，并突出了关键方面，如关键论点、主要发现或中心思想。这使得它在准备学习材料、简化报告阅读或总结书籍和研究文章，以及在学术和职业环境中提高效率方面非常理想。
3.2. 日常使用示例
人们很容易认为 ChatGPT 是为那些在办公室或技术职位工作的人准备的，但事实并非如此。这个工具在日常生活中有无数的应用，从时间管理和个人组织到教育辅助和活动规划。ChatGPT 可以帮助你组织购物清单、创建锻炼计划或规划旅行。它旨在使日常任务更加便捷和高效。以下是一些示例，但请记住，可能性之广与你的想象和日常需求一样广泛。
3.2.1. 可用食材的食谱
想象一下，你打开冰箱，发现里面有一些散装的食材：几根胡萝卜，一些鸡肉，也许还有一些意大利面。你只有一点时间或欲望去思考，但你想用这些食材快速地做出美味的食物。这时，ChatGPT 就出现了，来帮助你。通过一个相对简单的提示，你可以得到一个创意和快速的食谱；无需搜索食谱书或在网上浏览数百页的信息。ChatGPT 会提供想法、替代品和可能替换那些你可能没有的食材的建议。
提示 - 我冰箱里有胡萝卜、鸡肉和意大利面。我想准备一个快速、简单且美味的食谱。你能给我一些建议的主菜想法，并一步一步给我食谱吗？如果可能的话，包括我可以添加或替换的食材的变体或建议。
为什么这个提示有效：
-
明确性：您告诉 ChatGPT 您确切拥有的食材，这缩小了选项范围并使其聚焦。
-
灵活性：通过要求变体或替代建议，ChatGPT 可以提供更多想法并帮助您适应您可用的资源。
-
清晰的焦点：您提到您需要一个快速且简单的食谱，因此 ChatGPT 理解您不需要高级技术，而需要实用且直接的东西。
3.2.2. 购物清单
想象一下，您正在考虑本周需要购买的所有东西，从早餐到晚餐再到零食。与其在纸上写下或在超市里走动时试图记住所有事情，您可以使用 ChatGPT 使您的生活更轻松。您可以直接从 ChatGPT 应用中口述您需要的东西，提到每个产品时，您就提到它。然后，您要求它以有序的方式组织清单。一旦准备好，请将其复制粘贴到您的手机笔记编辑器中，就这样！现在您有一个可以在购物时随时勾选的清单，适应现代时代，更高效、更快速地完成所有事情。
提示示例（移动应用，语音模式） -
接下来，我将向您口述我的购物清单：[列出产品]。请将产品按新鲜、罐头和乳制品类别分组。请以列表格式进行，这样我就可以将其复制粘贴到我的笔记应用中。
为什么这个提示有效：
-
清晰的结构：通过要求您将产品组织到类别中，您的清单将更直观，在超市购物时可以节省时间。
-
优化使用：请求可复制粘贴的列表格式确保 ChatGPT 为您提供有用的结果。
-
便利性：此提示还便于语音输入，允许您使用语音快速捕捉您的想法。这样可以在不费劲打字或记住所有事情的情况下保持您的组织性。
3.2.3. 锻炼计划
有时，知道从哪里开始或如何构建适合您特定需求的健身计划可能需要时间和精力。虽然可能看起来 AI 不是这种个性化信息的理想来源，但 ChatGPT 经过了一个涵盖训练、生理学和锻炼计划的广泛数据库的训练。这使得它能够为您提供计划，只要您提供正确的信息，就可以帮助您实现目标。通过提供有关您的目标、经验水平和设备可用性的有价值且详细的背景信息，您将获得更准确的锻炼计划。此外，指定您可以投入的时间将有助于使其更有效。
应提供的关键数据以获得最佳可能的常规：
-
主要目标：指出你是否想要增加肌肉量、减少脂肪、提高耐力，或者做些所有的事情。
-
经验水平：说明你是否是初学者、中级或高级，以便训练基于你的能力。
-
训练频率：指定你每周可以用于健身房的天数和每次会话的分钟数。
-
设备可用性：描述你拥有的设备类型，无论你是去一个设备齐全的健身房，还是在家用哑铃和弹力带进行训练。
-
偏好或限制：如果你对某些类型的运动（如自由重量练习与器械）有偏好，或者 ChatGPT 应该了解的身体限制。
使用这些数据，ChatGPT 可以为你创建一个个性化的常规，为你提供实现目标所需的架构和锻炼。以下是一个提示示例：
提示示例 - 我想要一个个性化的健身房常规。我的主要目标是[例如，增加肌肉量]，我是[初学者/中级/高级]水平，我可以在每周[X 天]进行[X 分钟]的训练。我有[指出可用设备：哑铃、弹力带、器械等]，我更喜欢[指定你的偏好或提及限制]。你能创建一个符合这些数据并包括每天锻炼次数和组数的常规吗？
为什么这个提示有效：
-
明确和具体的环境：通过包括你的目标、水平和可用设备，ChatGPT 可以根据你的情况调整常规。
-
个性化：你的偏好和限制帮助 ChatGPT 避免你不喜欢的或不能做的锻炼，使计划更适合你。
-
实用细节：包括会话长度和每周频率，使 ChatGPT 能够设计一个适合你的可用性并最大化结果的计划。
3.2.4. 旅行规划
当规划一次旅行时，选项可能无限，信息可能令人不知所措。从选择理想的目的地到寻找最佳的活动和餐厅，规划可能会变得漫长而乏味。这就是 ChatGPT 发挥作用的地方。利用这个模板的大量数据，你可以获得一个完全符合你偏好和预算的完整行程，而无需花费数小时搜索不同的网站。你需要提供一些关键细节，ChatGPT 就会为你提供一个定制的计划，让你享受完美的旅行。
你应该提供的重要数据以获得最佳的规划：
-
想要的目的地或一般想法：指定你是否已经有一个地方在心中，或者描述你正在寻找的旅行类型（冒险、海滩、文化等）。
-
旅行时长：为了更好地组织时间，说明你将旅行多少天。
-
大概预算：指出一个费用范围，ChatGPT 可以据此建议适当的选择。
-
兴趣和活动：如果你更喜欢户外活动、文化参观、当地美食或夜生活，请发表评论。
-
限制或偏好：如果您与儿童旅行，想避开人群或需要无障碍设施，请包括这些信息以进行更准确的规划。
提示示例 - 我计划前往[目的地或目的地类型，如果您还不清楚]并将在那里停留[天数]。我的预算大约是[预算范围]，我想要专注于[例如文化、自然、美食]等活动。此外，我有一些偏好/限制，如[指定额外细节]。你能帮我制定一个包括活动、餐厅建议和推荐参观地点的每日行程吗？
为什么这个提示有效：
-
个性化方法：ChatGPT 可以使用您的偏好和限制来创建符合您需求的计划。
-
明确的组织：关于时长和预算的详细信息使建议更加现实和实用，最大化旅行中的时间和资源。
这个提示允许 ChatGPT 为您量身定制一个完整的旅行计划，而无需您担心细节。
3.2.5. 与儿童一起进行活动的想法
当您作为父母、家庭成员或照顾者照顾儿童时，保持他们的娱乐和刺激可能会很具挑战性。您不必总是求助于相同的活动，可以使用 ChatGPT 找到针对儿童年龄和偏好的定制想法。只需提供一些细节，您就会得到创意和多样化的建议，从家庭活动到户外选项。ChatGPT 是一个方便的工具，可以帮助孩子们保持活跃和快乐，帮助您探索您可能没有考虑过的新可能性。
您应提供的基本数据以获得最佳活动建议：
-
儿童年龄：指定年龄以确保活动适合且安全。
-
兴趣和偏好：评论他们是否喜欢自然、艺术、桌游、运动等。
-
可用空间：如果您有花园，或者活动将在家中进行，或者您正在寻找户外活动，请说明。
-
活动时长：请指出您可用于 ChatGPT 建议活动的可用时间，以便其相应地提出建议。
-
资源或材料：如果您有特定的材料（如颜料、乐器、游戏等），请包括它们以提供更多实际的选择。
这里有一个示例：
提示示例 - 我正在寻找适合[年龄或年龄范围]的儿童的活动的想法，这些活动是[兴趣，如创意、运动、教育等]。活动可以持续大约[表示可用时间]，我可以在[可用空间，如在家、在公园或花园]进行。我有[提到的可用材料]，你能为他们建议一些有趣且适合的活动吗？
为什么这个提示有效：
-
上下文特定：通过详细说明年龄和偏好，ChatGPT 可以提供安全且真正吸引儿童的活动。
-
适应性：关于空间和材料的信息使 ChatGPT 能够根据您的具体情况提出实用且易于实施的选项。
3.2.6. 书籍、电影或电视剧推荐
不论是家庭电影之夜、新剧集的追剧还是一本值得深入阅读的好书，找到合适的推荐可能需要时间。ChatGPT 使这个过程变得快速简单，根据您的口味和偏好提供个性化选项。得益于其拥有的信息量，ChatGPT 可以建议符合您需求的标题，即使是在您未曾考虑过的类型或风格中。您只需提供一些背景信息，就会有一份量身定制的推荐列表供您探索和享受。
获取最佳推荐所需提供的基本信息：
-
类型偏好：提及您喜欢的类型，如戏剧、喜剧、科幻、悬疑或奇幻。
-
期望的风格或语气：如果您想要轻松、深入、幽默或反思的体验，请说明您想要什么样的体验。
-
长度或格式：指定您是否更喜欢短内容，如电影，长内容，如电视剧，还是可以分几个阶段享受的阅读。
-
您喜欢的标题示例：如果您有喜欢的书籍、电影或电视剧的参考，分享它们以获得更符合您口味的推荐。
-
可用性或平台：如果您更喜欢 Netflix、Amazon 等平台上的选项，请包含此信息，以便 ChatGPT 可以建议可访问的可能性。
使用指定您偏好和最喜欢的平台的提示，以获得符合您兴趣的选择。以下是一个示例：
提示示例 - 我正在寻找[书籍、电影或电视剧]推荐，它们属于[期望的类型，如惊悚、喜剧、奇幻等]，风格[轻松、深入、娱乐等]。我享受过[提及您之前喜欢的书籍、电影或电视剧]。我更喜欢它们可以在[期望的平台或格式，如 Netflix、Amazon、有声书等]上找到。你能推荐一些类似的选择吗？
使用这个提示，您将收到一份与您的风格完美匹配的建议列表，确保您能够轻松找到下一个最喜欢的。
3.2.7. 预算和储蓄
制定月度或年度预算可能看起来令人望而却步，但有了 ChatGPT，这项任务变得容易得多。使用这个工具，您可以创建一个符合您收入和储蓄目标的财务计划。无论您是想为度假储蓄、减少开支还是更好地了解您的钱花在哪里，ChatGPT 都可以提供一个清晰实用的结构。您只需提供一些关于您的财务状况和目标的信息，它就会返回一个现实且易于管理的预算计划，非常适合您开始掌控您的财务。
重要提示：虽然 ChatGPT 可以帮助构建预算和提出储蓄建议，但它并不构成专业的财务建议。在做出决定之前，您必须审查并完全理解任何建议，并考虑咨询合格的财务顾问以解决重要问题。ChatGPT 可以为您提供探索的初步基础，但最终，分析并评估您的财务决策取决于您自己。
获取最佳预算和储蓄计划所需提供的基本数据：
-
喜好的类型：提及您喜欢的类型，如戏剧、喜剧、科幻、悬疑或奇幻。
-
希望的风格或语气：如果您想要轻松、深刻、幽默或反思的体验，请说明您想要哪种类型的体验。
-
长度或格式：指定您是否更喜欢短内容，如电影，长内容，如剧集，或可以分几个阶段享受的阅读材料。
-
您喜欢的标题示例：如果您有喜欢的书籍、电影或电视剧的参考，请分享它们，以便获得更符合您口味的推荐。
-
可用性或平台：如果您更喜欢 Netflix、Amazon 等平台上的选项，请包括这些信息，以便 ChatGPT 可以建议可访问的可能性。
提示示例 - 我想要帮助创建月度预算。我的月收入是[金额]，我有一些固定支出，例如[提及固定支出：房租、水电费等]，以及一些变动支出，例如[外出就餐、娱乐等]。我想要在[可用时间]内为[目标，例如度假或紧急基金]储蓄。我还想优先考虑[您不希望削减的领域]。您能帮我构建一个带有类别和建议的预算，以最大化我的储蓄吗？
为什么这个提示有效：
-
详细的财务背景：ChatGPT 可以理解您的收入、支出和目标，以生成适合您情况的预算。
-
明确的目标：包括储蓄目标可以让 ChatGPT 为您提供关于您想要实现的目标的专注建议，并具有具体的时限。
这种方法提供了一个实用且可管理的计划，帮助您有效地节省并组织您的财务，以实现您的短期或长期目标。
3.2.8. 学习新主题
学习新事物可以非常鼓舞人心且有价值，尤其是在信息只需点击即可获得的情况下。无论是深入研究复杂主题，如量子物理或经济学，还是学习实用技能，如摄影或编程，ChatGPT 都可供您探索和理解几乎任何主题。然而，重要的是要记住，尽管这些工具基于庞大的数据库，但它们也可能犯错或提供不准确的信息。因此，明智的做法是将它们用作初始指南或补充，并始终与其他来源交叉核对信息，尤其是对于重要主题。您应该提供以下数据以有效学习：
-
具体主题和深度水平：定义您想学习的内容以及您是否需要一般介绍、中级水平或高级解释。
-
偏好的学习方式：评论您是否更喜欢简短直接的解释、实际例子、视觉总结或详细阅读。
-
学习目标：解释您为什么想学习这个主题（为了考试、个人兴趣或将其应用于项目），因为这有助于调整重点。
-
可用时间：请说明您能投入多少时间用于学习，以便您能收到适合您进度的建议。
-
准确性警告：推荐额外来源或要求 ChatGPT 警告可能的局限性或错误，尤其是在复杂主题上。
使用包含这些细节的提示，以获得定制的学习体验。以下是一个示例：
提示示例 - 我想在[具体主题，例如人工智能、哲学等]的[基础/中级/高级]水平上学习。我的目标是[解释您为什么想学习这个主题：出于个人兴趣、为了一个项目等]，并且我更喜欢[简短直接、举例、详细等]的学习方式。我大约有[指明可用时间，例如每天 1 小时]。此外，你能指出信息的可能局限性或建议额外的可靠来源来补充学习吗？
为什么这个提示有效：
-
专注于目标和水平：ChatGPT 根据您的知识水平和学习目的调整解释，提供适当的介绍。
-
警告：询问注意事项和额外来源对于确保信息的准确性以及您能够可靠地深入挖掘至关重要。
3.2.9. 礼物想法
在赠送礼物时，我们常常会陷入想法的困境。找到合适的礼物可能具有挑战性，无论是生日、周年纪念日还是特殊场合。使用 ChatGPT，您可以快速获得个性化的想法，这些想法符合您想要惊喜的人的兴趣和品味。通过提供一些基本细节，您将收到一份创意和合适的建议清单，适用于该场合。
您应该提供的重要数据：
-
个人的兴趣和爱好：提及爱好或喜好，例如阅读、运动、科技等。
-
大概预算：说明您计划花费多少以获得合适的想法。
-
事件或关系：解释礼物是为了生日、周年纪念日还是特定庆祝活动，以及您与该人的关系（朋友、伴侣、家庭成员）。
为了快速准确地获得想法，您可以使用这样的简单提示：
提示示例 - 我需要为[提及关系，例如朋友、伴侣等]喜欢[描述兴趣，例如音乐、运动、科技]的人寻找礼物。我的预算是[指明预算]并且场合是[周年纪念日、生日等]。你能推荐一些选项吗？
为什么这个提示有效：
-
简单性：这个提示直接明了，为 ChatGPT 提供了所需的基本信息，以提出相关想法。
-
快速定制：通过包括兴趣、预算和场合，你将收到实用且与情境相符的选项。
使用这个简单的提示，你将收到一份礼物清单，帮助你做出正确的选择并减少搜索时间。
3.3. 提示工程的基本原则
提示工程涉及开发和改进我们如何向大型语言模型（LLM）提出问题或命令。这个过程有助于确保模型理解所提出的问题，并作出最有效的回应。它是一种艺术与科学的结合，因为它需要深入了解人类语言以及 AI 模型如何处理这种语言。其理念很简单：我们输入的提示越准确、越精确，我们得到的回应就越有效、越有价值。
提示工程不仅仅是设计和开发提示。它包括许多有助于与 LLM 互动的技能和技术，理解 LLM 的能力是一项重要的技能。
在本章中，几个示例展示了具体性、简洁性和简洁性如何提高结果。
3.3.1. 指令
你可以使用特定的命令，如“写”、“排序”、“总结”、“翻译”、“排序”等，为各种简单任务设计有效的提示。尝试不同的指令、关键词、上下文和数据类型对于发现最适合你需求的方法至关重要。
你提供的上下文必须与你要执行的任务相关且具体；上下文越紧密，结果就会越好。此外，将指令放在提示的开头，并使用清晰的分隔符，如" "来区分指令和上下文是可取的。以下是一个示例：
提示 - 将以下文本翻译成英文：Text: "你好！"
ChatGPT - 你好！
3.3.2. 具体性
提示必须具体且描述性，以便模型能够准确执行任务。提示越详细、越清晰，结果就越好。这在寻找特定结果或生成风格时尤为重要。没有魔法词可以保证更好的结果；提示的清晰度和细节至关重要。在提示中包含示例可以有效地以期望的格式获得答案。
在设计提示时，你也应该考虑到允许的长度。具体和详细是关键，但避免包含不直接贡献于任务的无关细节同样重要。这种平衡需要实验和持续的调整。尝试不同的方法来优化提示以满足你的需求。让我们看看如何制定一个简单的提示来从文本中提取特定信息的示例：
提示 - 识别文本中提到的城市名称。所需格式：以逗号分隔的城市名称列表。“在她的欧洲之旅中，可持续性专家克拉拉·罗德里格斯访问了几个著名城市。她在马德里展示了关于气候变化的令人震惊的数据，然后在巴黎，最后在柏林的洪堡大学。”
ChatGPT - 城市：马德里，巴黎，柏林
3.3.3. 避免不准确
在寻求提示的有效性时，避免含糊至关重要。试图过于创意或巧妙，很容易走偏，创造出不清晰或不准确的描述。这里的类比与有效的沟通非常相似：你越直接，信息的影响力就越大。例如，你可能对学习提示工程的概念感兴趣。你可以尝试如下：
提示 - 解释促销工程的概念。请简要说明，只需几句话。
上述指令使得不清楚应该使用多少句子以及使用什么风格。你可能可以用上述提示得到可接受的答案，但一个具体、简洁、直接的提示会更好。例如：
提示 - 用 2-3 句话向高中生解释提示工程的概念。
3.3.4. 语言和词汇
理解在与 ChatGPT 等 LLM 有效互动时应采用的语言风格至关重要。以下，我们将分解一些保持适当语言和词汇的基本原则。
-
使用特定短语：在提示中包含短语可以更有效地引导模型。例如，“你的任务是”和“你必须”这样的短语可以明确期望并确保模型理解指令的重要性。同样，像“你将被惩罚”或“你被禁止”这样的短语比“不要这样做”之类的否定表述更有帮助。这种肯定的方法有助于建立清晰的界限和精确的指南，使模型更容易遵循，确保响应更接近期望。例如，与其说“不要使用非正式语言”，不如明确地说“你必须使用正式语言”。这种方法确保指令被明确理解。
-
直接表达：在与大型语言模型（LLM）互动时，没有必要使用“请”或“谢谢”等礼貌用语。这些模型被设计成高效响应，无需客套，因此直接表达是最好的。这有助于保持提示的明确性。
-
单词或短语重复：在提示中重复特定的单词或短语可以帮助强调某个特定的概念或指令。这确保了模型不会忽略任务执行中至关重要的方面。
-
在提示中包含货币激励：虽然这可能看起来不寻常，但在提示中提到“我会给你 xx€ 的小费以获得更好的解决方案”等激励措施，可以是一种激励生成更详尽响应的策略。
通过遵循这些原则，你可以提高与 ChatGPT 或任何其他 LLM 交互的质量和准确性，促进更有效的沟通和可靠的结果。
3.4. 六种提高结果的方法
现在我们对提示工程有了基本的了解，是时候将我们的技能提升到下一个层次了。让我们探索六个有效策略，以在与 ChatGPT 互动时获得更好的结果。这些技术将使我们能够微调我们的问题，以最大化获得响应的相关性。通过应用这些策略，我们可以充分利用任何 LLM 的能力，确保在日常工作项目或查询中更有效的交互和更有价值的结果。
3.4.1. 策略 1：写出清晰的指示
策略 1：在查询中包含细节以获得更相关的响应。
确保请求提供重要细节或背景信息以获得相关响应。否则，你是在让模型猜测你想要说什么。
| 最差 | 最好 |
|---|---|
| 如何在 Excel 中添加数字？ | 如何在 Excel 中将一行美元金额相加？我想为整个工作表的行自动执行此操作，所有总和都出现在名为“总计”的列中。 |
| 谁是总统？ | 2021 年墨西哥的总统是谁，选举多久举行一次？ |
策略 2：使用分隔符来指示提示的不同部分。
Prompt - 概括由三引号分隔的文本。
"""在此处插入文本""""
Prompt - 你将获得几篇关于同一主题的文章（由 XML 标签分隔）。首先总结每篇文章的论点。然后指出哪一篇文章的论点更好，并解释原因。
如三引号、XML 标签、章节标题等分隔符可以帮助限制文本的不同部分以进行不同的处理。
分隔符可能不会影响这些简单任务输出质量，但是任务越复杂，对分隔其不同部分或部分的重要性就越大。
策略 3：指定完成任务所需的步骤。
面对大型任务时，最好将其作为一系列步骤来管理。明确写出步骤可以使模型更容易遵循。
Prompt - 第一步：用户将提供用三引号括起来的文本。用带有“摘要：”前缀的句子总结此文本。
第一步 - 将步骤 1 中的摘要翻译成西班牙语，前缀为“翻译：”。
策略 4：提供示例。
这种提供示例的策略，也称为“少样本提示”，涉及使用我们提示中的仅几个输入示例来训练或调整语言模型，以教授特定任务。这与人类最有效地学习的方式相似：我们可以仅通过解释来理解概念，但具体的例子往往能提高我们的理解。通过提供具体示例，模型学会更有效地执行类似任务，模仿从实际示例和确认应用中受益显著的人类学习过程。
提示 -
优秀的产品，10/10：正面
工作效果不佳：负面
非常有用，值得：正面
这不起作用：
ChatGPT - 负面
我们构建示例的方式是基本的。由于我们已经以 |输入：评分| 格式组织了这三个实例，模型在最后一行之后生成一个单词，而不是输出一个完整的句子，例如“这个评论是负面的”。
3.4.2. 策略 2：提供参考文本
策略 1：指示模型使用参考文本进行回答。
如果我们可以为模型提供与当前查询相关的可信信息，我们可以要求模型使用提供的信息来编写其回答。
提示 - 使用由三引号分隔提供的文章来回答问题。如果答案未在文章中找到，请写“我找不到答案”。
<插入文章，每篇文章由三引号分隔>。
由于所有模型都有有限的范围窗口，我们必须谨慎提供文本的长度。
策略 2：要求模型引用参考文本中的引语进行回答。
提示 - 你将获得一个由三引号分隔的文档和一个问题。你的任务是使用提供的文档回答问题，并引用文档中用于回答问题的段落。如果文档不包含回答问题的信息，请简单地写：“信息不足”。如果提供了问题的答案，应注明引用。使用以下格式引用相关段落（{"引用": ...}）。
3.4.3. 策略 3：分配角色
当我们为 LLM 分配一个特定角色时，模型可以调整其方法和语言以适应用户的需求，从而显著提高体验。
- 角色定义：当数学家、工程师和物理学家从不同角度处理问题时，为 ChatGPT 分配一个定义好的角色允许它更适当地调整其答案。这使得获得的答案更加相关，因为模型有更大的对话上下文。
2. 专业化：角色分配允许 ChatGPT 使用其“子模型”或“专家”，每个都针对特定任务或查询进行了调整。GPT 模型被推测是我们所知的专家混合（MoE），这意味着 GPT 不是一个单一模型，而是几个较小的子模型，它们以协调的方式工作。通过建立角色，我们帮助确保只有必要的专家在给定的查询中被激活，从而优化了这些模型操作所需的计算资源。
3. 响应效率：有了明确的角色，ChatGPT 可以提供更专业的建议和回应。例如，如果被分配为物理教育者的角色，该模型将调整其语言和解释方法，以更好地适应该特定领域，从而为用户提供更好的回应。
为 ChatGPT 分配角色的有效方法是，在对话开始时将期望的角色包含在我们的指令中。这可以通过使用诸如“扮演”或“承担……的角色”之类的短语来完成。例如，如果你想 ChatGPT 扮演体育教练的角色，你可以在你的查询开始时说：“扮演一个体育教练的角色，并告诉我如何提高我的跑步耐力。”
3.4.4. 策略 4：思维树
思维树是一种通过将复杂决策分解为更易管理的选项来组织和简化复杂决策的技术。这种策略，以树形分支向不同方向可视化，有助于考虑所有可能的替代方案，并在每个过程步骤中选择最合适的方案。
假设你想要吃点东西，但又不确定吃什么。首先，你考虑你喜欢哪些类型的食物：意大利菜、中国菜、印度菜？如果你想吃意大利菜，这是你在地图上的第一条路径。然后，你有多样化的意大利菜选择：比萨、意面和冰淇淋。如果你想吃比萨，你就沿着通往比萨饼店的路线走。最后，在比萨饼店，你会在不同类型的比萨之间做出选择：玛格丽塔、那不勒斯或金枪鱼。最终，你选择了一块金枪鱼比萨。这个过程展示了你如何一步一步地缩小选择范围，直到做出一个特定的最终决定。你从一个非常一般的概念（“我想外出就餐”）开始，并在特定类型的餐厅中选择了一道特定的菜肴。
在人工智能领域，LLMs（大型语言模型）被设计来协助这些创造性过程。尽管我们有时会要求它们“决定”最佳解决方案或为我们做出决策，但它们并非为此而设计。它们的优势在于能够生成富有创意和多样化的内容，为我们提供多种选择，结合我们人类的判断，最终做出决策。这使得它们成为探索可能性并丰富我们决策过程的理想工具。
3.4.5. 策略 5：将复杂任务分解为子任务
战术 1：总结或筛选之前的对话。
为了处理长对话，理解语言模型处理文本的有限能力至关重要。这指的是上下文窗口。最终，将达到一个极限，以防止在不丢失先前文本的情况下添加更多文本。
处理这个问题的有效策略是对之前的对话进行总结或过滤。随着对话接近边缘，早期对话的信息可以被压缩成一个更短的摘要。这个摘要保留了对话的关键点，并允许对话继续进行，而不会丢失相关的上下文。这种技术使得长对话可以平稳地进行，而不会损害模型对上下文的理解。
策略 2：分部分总结长文档，并递归地构建完整的摘要。
由于模型有一个固定的上下文长度，它们不能用来总结比上下文长度减去单个查询生成的摘要大小还要长的文本。为了总结非常长的文档，例如一本书，我们可以使用一系列查询来总结每个部分。这些部分摘要可以连接起来形成一个单独的摘要。这个过程可以递归进行，直到整个文档被总结。
如果需要使用早期部分的信息来理解后续部分，一个额外的技巧是在书中任何给定点之前包含该文本的摘要。
3.4.6. 策略 6：给模型留出“思考”的时间。
策略 1：指示模型在得出结论之前找到其解决方案。
我们在早期模型中使用的实用方法是让他们逐步推理，在得出最终答案之前逻辑地发展他们的解决方案。这种方法在需要数学或科学推理的任务中很有用。模型不应立即回答，而应在得出结论之前检查每个步骤。这种提示类型对于提高答案的准确性至关重要，尤其是在复杂问题中。
随着 OpenAI o1 模型的引入，这个过程已经被直接纳入到模型设计中。OpenAI o1 被训练以结构化的方式进行思考，在提供答案之前检查其步骤并评估其推理的有效性。这使得它在数学和科学领域成为一个出色的工具，在这些领域中逻辑思维和准确性至关重要。而之前，我们只能引导 ChatGPT 遵循这个过程，OpenAI o1 则能自然地做到这一点，引领 AI 模型以更先进和受控的方式响应和“思考”的新时代。
这个突破提醒我们优化我们的提示策略的重要性。尽管 OpenAI o1 做得更有效率，但这只是通往未来更加复杂模型的第一步。这种能力的持续进化最终将使我们能够以越来越准确和可靠的方式与 AI 合作。
让我们看看这个策略的一个例子。在这种情况下，我们打算评估一个数学问题的解决方案。与其直接询问解决方案是否正确，不如让模型逐步解释为什么它认为答案是正确或错误的。这种方法鼓励更详细的分析，并可能导致更准确和有根据的答案。
提示 - 923 乘以 99 等于多少？
ChatGPT - 923 乘以 99 等于 91,677
答案错误（正确答案是 91,377）。我们可以修改我们的消息，并让它逐步思考。这表明 ChatGPT 可以通过额外的指令解决问题。这是因为 ChatGPT 会写出所有的工作，减少了失败的概率。
提示 - 923 乘以 99 等于多少？让我们一步步来。始终为每个项写出完整的 0。
ChatGPT - 要将 923 乘以 99，我们可以将其分解成更小的步骤：
步骤 1：将第一个数乘以 9：
923 乘以 9 等于 8307
步骤 2：将第一个数乘以 90（添加一个 0）：
923 乘以 90 等于 83070
步骤 3：将步骤 1 和步骤 2 的结果相加：
8307 + 83070 = 91377
因此，923 乘以 99 等于 91,377。
策略 2：询问模型在之前的迭代中是否遗漏了任何内容。
当使用语言模型时，一个有用的策略是询问它们是否在之前的答案中遗漏了任何内容。想象一下，你正在使用一个 LLM 来根据特定问题从文档中提取摘录。在列出每个摘录后，模型必须决定是否继续写另一个摘录或停止。如果文档很长，模型通常会提前停止，而没有列出所有相关的摘录。在这些情况下，通过询问后续问题以发现模型最初遗漏的摘录，通常可以获得更好的性能。
假设你有一篇关于科学历史的论文，并想了解生物学中的关键发现。在模型的第一次迭代后，你可能会问自己：
提示 - 是否还有关于生物学重要发现的摘录尚未提及？确保摘录包含所有必要的上下文，以便进行解释。
3.5. Canvas：一个新的协作界面
Canvas 是一个创新的界面，它超越了传统的聊天功能，以增强你的写作和编码项目。当检测到你的工作流程有潜在改进时，或者当你的消息中出现“使用 Canvas”提示时，ChatGPT 将自动启动一个单独的 Canvas 窗口。这个功能创建了一个可以与 ChatGPT 实时协作的环境，显著提高了你构思、起草和视觉互动式地完善想法的方式。
目前，Canvas 的测试版运行在强大的 GPT-4-turbo 模型上。用户可以从选择菜单手动选择此模型，尽管它仅对全球的 ChatGPT Plus 和团队用户开放。值得注意的是，在测试阶段结束后，计划将 Canvas 推广到所有 ChatGPT 用户，扩大其可访问性。许多用户每天都会转向 ChatGPT 以满足他们的写作和编程需求。虽然传统的聊天界面用户友好，但它可能缺乏涉及大量编辑和修订的项目所需的深度。这正是 Canvas 发挥关键作用的地方。它提供了一个独特的体验，让您能够更精确、更高效地可视化、修改和管理项目。
ChatGPT 通过 Canvas 对您项目的上下文有了更深入的理解。您可以选择您工作的特定部分，将 ChatGPT 的焦点引导得像文本编辑器或代码审查员一样。这促进了针对您特定需求的实时反馈和建议。
Canvas 同样重视用户控制。您可以直接在界面中编辑文本和代码，确保更改易于实施。此外，一个方便的快捷菜单——位于屏幕右下角的下拉选项中——允许您快速调整文本长度、调试代码以及执行其他有助于工作的命令，只需付出最小的努力。此外，如果您需要恢复到早期项目迭代，Canvas 提供了一个返回按钮功能，让您可以无缝返回到之前的版本，确保您永远不会丢失进度。
总结来说，Canvas 旨在通过提供更结构化和协作的方式来管理复杂的写作和编码任务，从而彻底改变用户与 ChatGPT 的互动方式。
3.5.1. Canvas 中的写作快捷键
这些快速操作是隐藏在按钮下的提示，这使得工作变得极其简单和快速。
-
提出编辑建议：ChatGPT 提供在线建议和详细的评论。
-
调整长度：修改文档的大小，使其更短或更详细。
-
改变阅读级别：将文本从基本水平调整到高级学术水平。
-
添加最终润色：改善文本的语法、清晰度和一致性。
-
添加表情符号：整合相关的表情符号以增加色彩和强调。
3.5.2. Canvas 编程
编程需要不断修订的过程，Canvas 使跟踪这些更改变得容易。多亏了它的工具，每次更新都确保了更高的透明度和理解。编程快捷键：
-
审查代码：接收优化和改进代码的建议。
-
添加记录：插入打印语句以进行调试。
-
添加注释：通过添加清晰的解释来促进代码阅读。
-
错误纠正：自动识别并修复问题。
-
转换为其他语言：将代码转换为 JavaScript、TypeScript、Python、Java、C++或 PHP。
第四章
提高你的生产力
在本章中，我们将看到几个用例示例，我们将展示 ChatGPT 如何改善我们的工作和沟通方式。我们将发现其在专业领域的应用，从准备简历和求职信到模拟面试，从而简化求职过程。此外，我们还将分析其在编程中学习新语言、解释代码甚至创建网页的潜力。我们将探讨这项技术在教育领域的影响，并提出如何将这些模型整合到教学学习过程中的建议，以简化诸如查找和管理参考文献等任务。这是一个真正革命性的工具，因为它能够理解和生成类似人类的文本。在接下来的页面中，我们将看到一些示例，展示其如何在我们生活的各个方面提高我们的生产力。
4.1. ChatGPT 在沟通中的应用
ChatGPT 已成为一项重要的沟通工具，帮助高效地创建和管理文本。它生成上下文相关响应的能力使用户能够优化他们的时间并提高写作质量。
尽管它有众多优点，但谨慎处理 ChatGPT 的响应是必要的。该工具有时可能会产生错误或“幻觉”，将不准确的数据作为事实呈现。因此，审查生成的内容始终是建议的做法，以确保准确性和真实性。
在沟通中有效实施 ChatGPT 简化了写作过程并提高了内容质量。然而，这取决于用户的信息和批判性监控。记住，虽然 ChatGPT 可以提供帮助，但确保内容的准确性和真实性是用户的责任。
4.1.1. 撰写电子邮件
有时候，写电子邮件可能很困难，因为我们必须找到合适的语气并使用正确的表达。有效地传达信息至关重要，以便收件人能够理解。ChatGPT 可以帮助我们撰写各种类型的电子邮件，包括商务提案、销售、调查等。如果我们给出适当的指令，它几乎可以开发任何类型的电子邮件。让我们来看一个例子：
提示 - 你将扮演一位经验丰富的商务沟通助理，为客户起草一封关于项目交付延迟的正式电子邮件。延迟的原因是：[列出原因]。你应该解释这些原因，提供一个新的交付日期，并重申对优质服务的承诺。请包括关于延迟的清晰简洁的细节，未来问题的预防措施，以及道歉。
使用 ChatGPT 进行电子邮件撰写可以提高生产力，让你能够将精力和注意力投入到其他更重要的任务上。
提示 - 修正用户提供的消息中的语法错误。仔细阅读消息，识别任何语法问题并提供修正版本。保持消息的原意和风格。指出消息是否语法正确；如果不正确，指出修改的部分。回复应直接、简洁，并且仅关注语法正确性。使用专业和有帮助的语气以确保修正的清晰性。
个人而言，我并不特别渴望将电子邮件的措辞完全控制权交给任何语言模型。我写一个草稿电子邮件，然后通过 ChatGPT 进行审查，快速轻松地提高文本质量。以下是我使用的提示：
4.1.2. 社交媒体出版物
接下来，让我们看看 ChatGPT 如何有助于生成想法和创建社交媒体帖子。ChatGPT 提供的答案可能因上下文和情况而异。例如，它可以根据目标受众或我们正在应对的社交网络进行调整，因为 Twitter 与 Facebook 不同。因此，我们提供给你（以平衡的方式）的信息和背景越多，我们得到的结果就越好。
提示 - 以一个拥有丰富技术经验的传播专家身份行动。为 LinkedIn 撰写一篇关于我在巴塞罗那参加 2024 年移动世界大会（MWC）的简洁帖子。提及以下主题或提及我在活动中获得的最重要见解：[在此处插入你的见解]。确保将这些观点与活动的相关性及其对行业潜在影响联系起来，并以邀请我的联系人探索这些想法作为结尾。
4.1.3. 撰写博客文章
与我们之前所做的一样，让我们看看如何制定一个出色的提示来请求我们博客的标题想法。从 ChatGPT 提供的建议中，我们将选择我们最喜欢的标题并对其进行更详细的处理。
提示 - 以一个拥有十多年探索世界经验的资深旅行博主身份行动，专注于发现隐藏的目的地和提供详细的旅行指南。你的目标是为你博客生成三个吸引人的、SEO 优化的标题，这些标题将吸引对独特和有见地旅行体验感兴趣的读者。考虑你的目标受众是冒险旅行者，使用动作动词和描述性形容词使标题生动，并包含关键词以提高搜索引擎的可视性。确保标题准确反映文章的内容。
深呼吸，一步一步解决这个问题。
4.1.4. 搜索引擎优化（SEO）
让我们继续使用上一节中展示的博客示例。想象一下，草稿已经准备好在博客上发布。让我们看看 ChatGPT 如何帮助我们通过关键词优化策略和引人入胜的元描述来优化我们刚刚创建的内容，以在搜索引擎中获得相关性。
提示 - 以一个拥有丰富数字营销经验的 SEO 专家的身份行动。根据我们上面写过的文章，提供一系列关键词以提高与旅行、异国目的地和冒险旅游相关的搜索中文章的可见性。此外，撰写一个简洁且吸引人的元描述，总结文章的关键点并鼓励读者探索这些鲜为人知的目的地。确保元描述和关键词准确反映了文章的内容，并突出其独特的价值，吸引对独特旅行感兴趣的读者。
4.1.5. 撰写标题或描述
现在，一旦我们有了我们的旅行博客文章，内容详尽且经过优化，我们将要求 ChatGPT 为我们生成一个标题，因为拥有文章，它就有适当的上下文来创建高质量的内容。以下是一个为我们的文章开发吸引人标题的指令示例：
提示 - 以一个拥有丰富数字内容创作背景的市场营销专家的身份行动。根据我们准备的隐藏目的地和旅行指南博客文章的内容，制定一个吸引人、好奇且引人深思的标题。这个标题应该吸引潜在读者的注意，邀请他们通过我们的详细指南发现鲜为人知的地方。确保标题机智且反映了文章的独特方法，增强潜在读者的兴趣和好奇心。
通过使用“吸引人、好奇和挑衅”这些词汇，我们得到了一个能够激发观众好奇心的标题，增加了他们注意到并进入我们帖子的可能性。
4.2. 使用 ChatGPT 实现职业发展
几乎任何公司和员工都可以利用这项技术，因为它在提高各种工作环境的生产力方面具有巨大的潜力。ChatGPT 简化了从撰写邮件到创建广告活动的多项任务，包括构思内容想法、审查和编写文档、验证代码、自动化客户服务以及分析职位描述。因此，跟上这些趋势并利用如此强大的工具是至关重要的。
在以下章节中，我们将看到 ChatGPT 如何通过撰写求职信、工作搜索邮件以及改进您的简历或 LinkedIn 个人资料来帮助您提升职业生涯。在您的办公场所应用这项技术将取决于您的需求。在这里，我们将为您提供使用技巧和想法，以便您可以根据这些技巧以最佳方式应用它们。完成之后，您将拥有使用这项 AI 为您的职业生涯带来益处的知识和技能。
4.2.1. 工作搜索邮件
撰写工作搜索邮件可能具有挑战性，因为给招聘人员留下良好和深刻的印象至关重要。邮件应清晰简洁，突出您的技能和对职位的热情，展示您如何为公司带来益处。
当撰写与工作机会相关的电子邮件时，ChatGPT 可以大有裨益，因为它可以根据我们的需求创建定制草稿。在整本书中，我们强调了在请求中提供详细信息的重要性，以获得更准确的结果。例如，让我们比较两个不同的请求：
提示 - 撰写一封申请工作职位的电子邮件
提示 - 撰写一封申请瑞士米特兰地区的嵌入式软件工程师职位的电子邮件。那里的挑战将是与一个年轻的多学科团队合作... 此外，该职位所需的品质和才能包括：……学位，……经验，……知识等。最后，我在这里留下我的简历：[粘贴简历]...
获得的结果将在生成的草稿的质量和细节方面有所不同。第二个示例将提供一个更具体的针对我们想要申请的职位的定制电子邮件草稿。这将使我们能够专注于审查和编辑文本，而不是从头开始写作，从而节省我们的时间和精力。
4.2.2. 撰写定制求职信
求职信是伴随你的简历的重要文件，它将你介绍给雇主。它突出了你的技能、经验和资格，解释了为什么你是理想的候选人。在你开始撰写之前，考虑你申请的工作、公司文化和他们寻找的技能是非常重要的。通过审查公司的网站、社交媒体和任何相关文章来研究公司文化，并确定工作描述中提到的技能。这些信息将使你能够根据你的工作和公司定制你的求职信。
一旦你收集了必要的信息，你就可以使用 ChatGPT 根据工作描述撰写定制求职信。这样，你将拥有一份针对公司需求的、结构良好的文件，这将增加你在求职过程中获得面试成功的机会。
让我们假设我们正在申请一个集成软件工程师职位，以展示这个工具如何帮助我们生成求职信。之前，我们已经向模型详细说明了该职位所需的职责和品质，并提供了我们的简历。现在，我们将要求 ChatGPT 根据该描述撰写一封求职信，突出与所讨论职位相关的经验和技能。
提示 - 以拥有丰富嵌入式系统经验的软件开发专家身份行动，专注于特定硬件设备和软件平台的编程。撰写一封针对上述嵌入式软件工程师机会的求职信。重点突出您的 C/C++编程技能、微控制器经验以及在敏捷开发环境中的工作能力。务必提及您应用这些技能的相关项目，以及您的经验如何有助于团队在新职位上取得成功。最后，以友好的邀请结束，讨论您的技能如何成为公司的资产。
深吸一口气，一步一步地解决这个问题。
一旦草拟了信件，确保它符合我们的标准至关重要。审查和编辑内容，确保其专业、简洁且适当。如有必要，请让 ChatGPT 调整求职信的语气，使其更加直接、热情或符合您的需求。
使用 ChatGPT 撰写求职信后，我们可以进行下一步：使用这些数据更新您的 LinkedIn 个人资料。
4.2.3. 改进您的 LinkedIn 个人资料
今天，一个强大的 LinkedIn 个人资料对于提高您的可见性、吸引招聘人员和与您所在行业的专业人士建立联系至关重要，从而提高您在就业市场的信誉。本节将探讨如何使用 ChatGPT 来提升我们的 LinkedIn 个人资料。目标是确保您的个人资料反映了您的专业品牌和您能为组织带来的价值。
我们可以使用 ChatGPT 根据我们的简历生成 LinkedIn 个人资料，突出关键要素，如成就、特定技能和相关信息。需要注意的是，为了获得最佳结果，我们必须在提示中指定我们希望包含的元素。这种详细的指定确保模型能够有效地理解和执行我们的请求。为了完成这项任务并优化我们的 LinkedIn 个人资料，我们可以使用以下提示：
提示 - 他是一位拥有超过 15 年经验的专家，帮助各领域的专业人士在职业生涯中脱颖而出，撰写和创建专业的 LinkedIn 个人资料。 目标：创建一个吸引人且有效的 LinkedIn 个人资料原型，反映个人的专业性、技能和独特经验，使用提供的相关详细信息
4.2.4. 使用 ChatGPT 准备求职面试
准备求职面试对于留下好印象和增加成功机会至关重要。ChatGPT 在这个过程中可以作为一个有用的工具，提供面试模拟、根据期望职位生成问题，并提供改进答案的建议。
1. 收集有关公司的信息
如果面试的是一家知名公司，你可以使用 ChatGPT 了解其使命和价值观。如果公司不太知名，你可以在网上搜索相关信息，然后将其提供给 ChatGPT 以获得适当的背景。
- 问答模拟
ChatGPT 可以根据职位描述生成常见的面试问题。提供一份职位描述和简历，以便 ChatGPT 根据你的技能和经验调整问题。然后，你可以通过进行模拟面试来练习回答这些问题。ChatGPT 可以审查你的答案，从 HR 的角度告诉你每个问题的目的，甚至建议一个理想的答案。这有助于你润色答案并确定需要改进的领域。
- 准备过程的定制
为了进行详细的准备，提供以下信息给 ChatGPT 是有帮助的：
-
职位描述：总结 ChatGPT 为满足职位需求而调整问题和答案所需的责任和技能。
-
专业简介或简历：这是对你经验和成就的描述，使 ChatGPT 能够识别你在该职位方面的优势和劣势。
-
重点关注领域：任何让你担心的面试特定方面，例如你的技术专长或人际交往技能。
-
希望的答案风格：定义你是否更喜欢简短或更详细的答案，以适应你的风格和面试类型。
以下是一个面试准备提示的示例：
提示 - 你是一位面试准备助手。我想让你帮我准备一份[职位名称]在[公司名称]的职位面试。以下是职位描述：[粘贴职位描述]。我的经验和技能如下：[粘贴你的简历或相关经验的总结]。我还想提高一些特定的领域：[提及具体方面]。
补充资源：在“7.2，提示库”部分，你可以找到更多和更详细的准备面试的提示，包括详细的指南和高级模拟。
4.3. ChatGPT 的基本编程
在我们开始之前，请注意，本节是为没有编程经验的人设计的。以下页面将提供工具和知识来提高和练习你的编程技能。
ChatGPT 可以帮助我们在各种编程任务中，从代码优化和修正，到代码翻译，再到从头开始生成代码。此外，如果我们想学习一门新的编程语言，它还可以作为个人导师，在从初学者到高级中级水平的不同领域发展技能。
4.3.1. 使用 ChatGPT 学习编程
良好学习的关键是诚实并与 ChatGPT 分享我们的当前水平，告诉它我们知道了什么以及需要学习什么。通过分享你对主题或语言的当前理解，这项技术将能够适应你的需求，为你提供更有效的培训。
为了使你的学习体验更加有趣，我建议从尝试一个项目开始。例如，你可以向 ChatGPT 请求与你当前的知识和技能水平相匹配的项目想法，这将帮助你达到你想要达到的水平。让我们看看一个例子：
提示 - 我没有技术学习或任何职业。我习惯于使用电脑，但只是办公部分（excel、word 等）。我了解 C#和 C++编程的基础。我想学习如何用 Python 编程，你能创建一个适合初学者的项目来帮助我学习吗？
如果你对手套程式设计感兴趣，我鼓励你深入其中，并从 ChatGPT 开始编码。如果你是编程新手，感到迷茫，不要犹豫，向 ChatGPT 请求一些示例；它会乐意帮助！为了我们的目的，让我们从最简单的例子开始。
提示 - 开发第一个示例
ChatGPT - 当然可以！这里我为你提供一步一步的指导，教你如何使用 Python 编写一个计算平均绩点的程序：
如果你和以前一样，甚至更糟，不要担心，这是好事。我们找到了一些新的东西要学习，ChatGPT 可以帮助我们。只需问他代码片段的功能，他就会解释。下一课将向你展示如何从代码中获得有价值的解释。
4.3.2. 使用 ChatGPT 解释代码的功能
正如我们所说，如果你不理解代码中提到的某些概念，你可以询问 ChatGPT，它会彻底解释它们，甚至使用类比来帮助理解。
提示 - 向我解释一下上述代码的功能，以便没有编程知识的人也能理解。
带有注释的代码可能很有用，但即使有了解释，你仍然可能不理解提到的某些概念。没关系；我们可以使用 ChatGPT 来解释这些概念。你可以询问你不懂的具体内容，或者询问在完成这些练习之前你应该了解的概念列表。记住，你可以像与人类导师交谈一样与 ChatGPT 交谈，澄清疑问并在不理解某个概念时请求额外的解释。接下来，我们将询问你应该了解的基本概念。
提示 - 要编写计算平均绩点的程序，你应该了解哪些基本概念？
ChatGPT - 变量：这些是用于存储数据的容器。你需要变量来存储单个成绩和平均值。
- 数据类型：特别是，你必须理解...
如果你想要深入了解上述任何概念，请继续对话并要求解释。如果你不是专家，或者对编程或技术语言不熟悉，我们可以要求它像对一个 10 岁的孩子一样进行解释。这样，你将使用类比和易于理解的语言。例如，让我们问他关于第一个概念，变量。
提示 - 什么是变量？请像对我一个 10 岁的孩子一样解释这个概念。
ChatGPT - 想象你有一个盒子，你可以把东西放进去。在那个盒子里，你可以在不同时间放不同东西，对吧？在编程中，变量就像那些盒子，你可以在不同时间存储不同类型的信息。例如，想象你有一个叫“Age”的盒子。在某个特定时间，你可以在那个盒子里存储你现在的年龄。但后来，如果你的年龄变了，你可以在同一个盒子里放你的新年龄...
这个解释非常出色。它清晰、简洁，并且使用了类比，正如我们要求的。为了确保我们理解代码，我们将要求你展示这个变量解释如何与我们的项目相关联。
提示 - 这个变量如何与 GPA 计算程序相关？
ChatGPT - 在 GPA 计算程序中，变量是基本的部分，因为它们用于存储每个科目的成绩信息，以便计算平均分。
这样，你就可以拥有一个私人教师，他会给你一些练习题，你可以在之后进行纠正。因此，你可以使用这种方法来学习你想要的任何编程语言。
4.3.3. 在不同编程语言之间进行翻译
就像语言一样，ChatGPT 可以充当翻译，它也可以用几种编程语言编写代码。流行的语言包括 Python、Java、JavaScript、C++、C#、PHP、Ruby、Swift、Go 和 Kotlin。为了展示这种能力，我们将进行一个经典的练习，即在测试一种语言时：显示“Hello World”消息。这个练习是学习新语言的第一步，因为它是一个基本且易于实现的函数。
提示 - 给我 C#、Python 和 Java 中显示“Hello World”消息的代码。
正如你所见，在不同语言之间进行翻译相对容易，如果你已经掌握了一种语言并想学习另一种语言，这将非常有用。最后，需要注意的是，ChatGPT 提供的代码可以使用右上角的“复制代码”按钮复制，然后在文本编辑器或集成开发环境中使用它来测试其操作。
4.3.4. 创建一个基本的 HTML 网页
ChatGPT 非常神奇，因为它能够生成我们要求它生成的任何类型的代码，包括 HTML（通常用于网页开发）。在这个例子中，我们将要求它创建一个基本的网页，背景中有一个大按钮，点击该按钮会导致网页背景颜色改变。
提示 - 创建一个网页，使用 HTML，其中有一个大按钮占据网页中心。当点击该按钮时，网页的背景颜色会随机改变。
* 示例截图
几秒钟内，我们就能获取一个网页的完整代码，但如何知道它真的能工作呢？答案很简单。我们将使用Replit.com，这是一个允许我们快速轻松地预览和编辑网页的平台。我们只需在该平台上注册，这不会超过一分钟。一旦登录，我们将之前复制到剪贴板上的代码粘贴进去，然后点击“运行”。这样，我们就能获得期望的结果，并能够检查代码在我们网页上的正确运行情况，如下所示。
代码符合要求。如果我们想修改它，比如在下面添加一个比大按钮小的第二个按钮，我们必须告诉 ChatGPT。它将再次生成完整的代码，我们将复制并粘贴到 Replit 中，以获得以下结果。
这是一种创建网页的方法，但不是唯一的方法。这个例子展示了 ChatGPT 创建简单网页的能力。
4.4. 转变你的学习方式
自从 ChatGPT 推出以来，许多教师对它在大学和学校中可能被用于剽窃工作的可能性表示了担忧。然而，与任何技术一样，例如计算器或在线学习平台，它对教育的影响取决于采取的方法。虽然 ChatGPT 确实可以轻松地生成完整的论文（尽管这些论文的质量可能值得怀疑），但它也可以是一个有用的辅助工具，以提高我们交付成果的质量，节省时间，并提高效率。在接下来的课程中，我想向大家展示 ChatGPT 如何成为写作的有价值工具，同时保持内容的独特性。
ChatGPT 的教育潜力巨大，尤其是对于那些渴望创造更美好世界但有时缺乏正确工具来进步的年轻人。这些年轻人持有积极的态度，并愿意学习和做得更好。一些学生将 ChatGPT 视为避免努力的方式并不意味着我们应该在学校中禁止其使用。这样做就像在运动场上设置栅栏一样。这不是正确的解决方案，因为这个工具可以帮助许多学生的学习和成长。
解决学校中使用 ChatGPT 相关问题的真正方法是要鼓励对这一工具的积极态度。与其禁止使用，我们更应该鼓励学生利用 ChatGPT 节省时间，提高生产力，并在工作中找到灵感。这样可以帮助学生将工具视为有用的补充，而不是作弊的手段。
此外，ChatGPT 可以在研究中成为一位出色的盟友，帮助我们根据收集到的信息找到基于质量来源的工作。我们不应将此工具用于开发工作并复制粘贴而不学习，而应自觉地、负责任地使用它来提升我们的教育。
人工智能通过适应每个学生的需求并提供教授 21 世纪关键技能的新方法，正在改变教学。得益于 ChatGPT，我们可以拥有一个虚拟助手，提供额外的支持，回答问题，并提供资源以强化技能。这适用于任何学科。
将这项技术整合到学习过程中比禁止它更重要。纳瓦拉大学经济学学位主任弗朗塞斯科·普约尔（Francesc Pujol）提出将 ChatGPT 整合到教育中以提高学习效果。他在自己的课程中将其作为必修内容。普约尔认为，ChatGPT 的影响将与学生的态度相关联。虽然有些人可能会逃避责任，但积极参与的学生会利用它来丰富他们的学习。
教师应该有效地引导和整合这项技术，避免 ChatGPT 的误用。这将帮助学生学会提出更好的问题，并逐步获取知识。
教师必须设计出能够有意识地整合 ChatGPT 的活动。这种方法将培养批判性思维并提高学术表现。关键在于结构化的实施和良好的指导。
4.4.1. 学习任何学科
使用 ChatGPT 等工具学习新知识比以往任何时候都要容易。凭借庞大的数据库和不断扩展的知识，ChatGPT 允许你探索和理解你感兴趣的几乎所有主题，从科学技术到历史和艺术。这使得它成为自学的理想工具，提供了清晰的解释、示例和资源，以便深入各种主题。然而，重要的是要记住，尽管这种情况越来越少见，ChatGPT 仍然可能生成错误信息或“幻觉”。因此，建议你用额外的来源验证关键数据。一个好的提示可以帮助你最大限度地发挥 ChatGPT 的作用，并按需定制你的学习。
这里有一个提示示例：
提示 - 我想了解[感兴趣的主题]并希望获得[基础/中级/高级]水平的解释。我更喜欢包含[具体细节，例如实际例子、类比或一般概述]的方法。你能解释这个主题并建议一些资源或额外的步骤来深入了解吗？
补充资源：在“7.2，提示库”部分，你将找到关于如何使用费曼技巧学习任何事物的更详细、更深入的提示。
4.4.2. 寻找和管理参考文献
直到最近，学术论文参考文献的搜索主要还是通过互联网从可靠来源、专业媒体或大学图书馆进行。然而，随着 ChatGPT 的出现，这个过程经历了根本性的变化。记住，这个 AI 是用许多文档训练的，比我们一生中能读到的还要多。因此，ChatGPT 拥有我们需要的信息，我们需要学习如何提出正确的问题。
提示 - 我正在写一篇从道德角度论述比特币能源消耗的论文。请为我推荐一些学术书籍。
ChatGPT - 1. 亚历克斯·爱泼斯坦的《化石燃料的道德辩护》：从道德角度捍卫化石燃料，并认为它们对人类福祉至关重要。尽管它没有专门针对比特币，但其中的论点可以应用于该技术的能源使用。
-
詹姆斯·加维的《气候变化伦理导论》：为考虑各种技术的环境影响提供了一个伦理框架，这与分析比特币的能源使用相关。
-
威廉·詹姆斯的《能源伦理》：从哲学角度探讨了能源的负责任使用，对评估比特币的能源影响很有帮助。
正如你所见，ChatGPT 不仅为我们提供了一本书的单子，还简要描述了每本书如何与我们的工作主题相关。这是一个极好的机会来运用我们关于总结信息所学的技能，因为我们可以要求它总结与我们工作相关的书籍的关键点。
这种信息搜索原本可能需要我们花费数小时；然而，有了 ChatGPT，我们可以在几分钟内完成。这仍然是我们自己进行的信息搜索，只是效率更高。我们从未用它来复制或剽窃我们工作的任何部分，只是用它来加速信息搜索过程。最后，让我们看看 ChatGPT 如何帮助我们完成一项繁琐的任务，通常在论文的结尾，即引用所使用的来源。有几种引用风格，如 APA、MLA、芝加哥和哈佛，每种风格都有自己引用和参考来源的规则，可能会让人感到不知所措。一般来说，在引用来源时，你应该考虑包括以下元素：作者（们）、作品标题、出版者（们）、出版日期、出版地点、出版者名称、页码（们）、URL 等。让我们要求 ChatGPT 引用他推荐的上述来源，以及一个相关的网页：
提示 - 按照哈佛风格引用你提到的三本书以及这个其他来源：ethics.es/2020/02/bitcoins-el-supervillano-virtual-del-medio-ambiente/
ChatGPT - 当然，在这里我为你提供了我推荐的这三本书以及你提供的额外来源的参考文献，采用哈佛引用风格：
-
Epstein, A. (2014). 《化石燃料的道德辩护》。Portfolio。
-
Garvey, J. (2008). 《气候变化伦理：导论》。Continuum。
-
Steffen, L. (2014). 《能源伦理：聚焦威廉·詹姆斯的道德哲学》。Scranton 大学出版社。
-
Ethic (2020). 《比特币，环境中的虚拟恶棍》。2023 年 4 月 7 日检索自
ethics.es/2020/02/bitcoins-el-supervillano-virtual-del-medio-ambiente/
你可以看到这种人工智能如何显著地简化并加快这个过程。ChatGPT 处理格式，几乎瞬间就在参考文献中包含了所有必要的信息。提供给我们所使用的来源，为我们节省了大量时间，使我们能够专注于工作的其他重要部分。
4.4.3. 提高你的语言学习能力
学习一门新语言可能是一个挑战，但有了 ChatGPT，你将拥有一个能够以个性化且有趣的方式帮助你提高的助手。ChatGPT 会适应你的需求，无论是初学者还是高级学习者。你可以使用 ChatGPT 来完成任务、练习词汇，并加强语法、阅读理解等特定领域。你甚至可以给它分配你在网上找到的任务，或者要求它为你生成符合你水平和目标的新练习，为你提供全面的学习体验。
使用 ChatGPT 的一个优点是，你可以根据你想要关注的语言方面来创建任务。例如，你可以要求它设计专注于动词时态的语法练习，与工作或学习相关的词汇表，或者甚至带有理解问题的阅读材料。
当学习一门新语言时，使用像 ChatGPT 这样的 LLM（大型语言模型）特别有益，因为它在理解和生成语言方面表现出色。虽然在其他主题上总有可能出现“幻觉”（犯错或提供虚构事实）的情况，但在学习新语言时，这种情况出现的可能性很小，因为重点在于结构、词汇和语法，而不是事实信息。ChatGPT 经过广泛的多语言数据的训练，使其成为练习任何语言的优秀工具，通常能提供精确和准确的表达。
ChatGPT 在创建适应您背景的假设情景方面也非常有用。例如，如果您正在准备求职面试，您可以要求它生成面试中可能出现的目标语言问题，并练习您的回答。或者，如果您想提高您的对话技巧，您可以模拟您感兴趣的情况的对话，例如旅行、项目或工作场景。这些练习使学习更加愉快和具有相关性，让您能够将新语言实际有效地应用到日常生活中。
语音模式是 ChatGPT 在语言学习方面特别有用的另一个特性。您可以直接与 ChatGPT 练习说话，并自然地进行对话。该模型经过多样化的语言录音训练，使其能够以高质量理解和回应。此外，ChatGPT 的语音模式有助于发音，并让您在说话时培养流利和自信。
在所有这些工具的帮助下，ChatGPT 成为学习新语言和提升技能的灵活资源。它提供了一种针对您特定水平和需求的互动方法。它非常适合自学，并辅以教师的指导，提供了许多练习和巩固知识的机会。
4.5. ChatGPT for Gamers
除了在教育和生产效率方面的有用性之外，ChatGPT 还可以成为游戏玩家，尤其是角色扮演游戏玩家的不可思议的工具。像《龙与地下城》和《是，黑暗领主》这样的游戏需要创造力、即兴发挥和沉浸于复杂故事的能力。使用 ChatGPT，您可以在单人游戏或提高团队角色扮演技能时模拟和增强您的游戏体验。
例如，在《是，黑暗领主》中，您可以扮演 ChatGPT 作为黑暗领主，审问和评判冒险者的失败。ChatGPT 可以扮演游戏主持人的角色，询问您的任务，并让您即兴编造借口和为自己的决定辩护。您可以使用特定的提示来调整 ChatGPT 的角色，使其适应这种类型的游戏，使体验变得更加动态和互动。
类似地，在《龙与地下城》游戏中，ChatGPT 可以扮演虚拟地下城主，为你的冒险创造定制的故事、敌人和挑战。许多玩家发现他们可以使用 ChatGPT 引导他们的角色穿越沉浸式的剧情，做出决策，甚至接收详细描述以增强沉浸感。AI 可以调整剧情并给你带来意想不到的转折，从而带来独特的体验。
在下一页有一个提示，开始与 ChatGPT 玩黑暗领主游戏。这是如何将此工具集成到你的游戏体验中的示例。
ChatGPT - 让我们玩“是的，黑暗领主”。这是一款幽默的角色扮演游戏，玩家扮演一群冒险者，必须向一个强大而邪恶的黑暗领主解释他们的失败。我想让你扮演黑暗领主的角色，他将审问角色关于他们失败的使命。冒险者（角色 1、角色 2 和角色 3）从一次取回重要包裹的任务中返回，但空手而归。依次审问每个角色，寻找这次失败的罪魁祸首。> 下面，我给你分配每个角色的角色：
角色一：[角色的简要描述]。
角色二：[角色的简要描述]。
角色三：[角色的简要描述]。
作为黑暗领主，你的目标是保持严厉和好奇的语气，寻找他们答案中的荒谬或不合理的借口。你可以在每一轮中更换角色，并在每次辩解后惩罚你认为借口最差的人。采用幽默的方法，发挥你的创造力，使游戏有趣且出人意料。
第五章
ChatGPT 的高级应用
5.1. 编写提示的高级技巧
在探索 ChatGPT 的主要用途并看到它如何通过实际示例提高我们的生产力之后，我们已经有了良好的基础。在本章中，我们将深入探讨这个工具的高级应用，发现利用其全部潜力的新方法。
5.1.1. 指定输出格式
当你向 ChatGPT 提问时，你可以指出你希望答案如何呈现。想象一下给一个学生布置作业，并指定学生提交作业时应如何组织工作。以下是一些你可以这样做的例子。
提示 - 美国最长的公路有哪些？以项目符号的形式列出前四名。
ChatGPT - 美国国道 20 号 - 3,365 英里（从马萨诸塞州波士顿到俄勒冈州纽波特）
U.S. Route 6 - 3,207 miles (从马萨诸塞州普罗文斯顿到加利福尼亚州 Bishop)
州际公路 90 号（I-90）- 3,021 英里（从华盛顿州西雅图到马萨诸塞州波士顿）
U.S. Route 30 - 3,073 miles (从新泽西州大西洋城到俄勒冈州阿斯托里亚)
然而，我们可以在下一页指定另一种输出格式。
你可以告诉 ChatGPT 你希望以何种格式呈现信息，根据你的需求。
5.1.2. 请求格式为 HTML
您可以指定您希望结果如何显示。例如，您可以要求生成 HTML 表格。
提示 - 问题：美国最长的道路是什么？只显示前四条，并以 HTML 格式呈现结果。
ChatGPT
...
您也可以要求使用更现代的 HTML 样式显示信息，例如 CSS，而不是传统的表格标签。
提示 - 展示该信息，但使用 CSS 而不是表格标签。
ChatGPT
...
使用 HTML 和 CSS，您可以进一步自定义表格布局以适应您网页的风格，使展示更加视觉上吸引人且现代。
5.1.3. 多次尝试迭代
有时必须与 AI 合作才能达到预期的结果。例如，我们上面的 CSS 结果。看起来是这样的：
图 4. HTML 格式中的第一次迭代结果
很遗憾，它没有我们希望的那样美观。让我们看看我们是否能纠正这一点。
提示 - 请再次执行，但确保所有列都对齐。将标题设置为较深的蓝色，使用白色大写粗体字母。使每行数据为浅灰色，但改变灰度级别，使第 1 行是浅灰色，第 2 行略深，第 3 行是浅灰色，等等。确保高速公路的名称为粗体。
图 5. HTML 格式中的第二次迭代结果
永远不要假设编程很容易。但如果你曾经教过人类编程，这正是你得到的结果。有时他们似乎很被动攻击，但更有可能的是你没有足够仔细地指定你的要求。
5.1.4. 为响应提供明确的约束
在上面的提示中，我们已对答案应用了一些限制，例如我们想要展示的道路数量。但您也可以为更开放的问题使用约束。
这种提示类型有一定的限制。让我们看看这个例子：
提示 - 提供了当时主要报纸报道的第二次世界大战的关键事件摘要。
由于模型没有在第二次世界大战报纸上进行训练，它无法回答该问题（尽管它尝试了）。
提示 - 列出 2010 年至 2020 年之间的重要太空任务。
同样，您不能指定任何“去年”的结果，因为模型数据截止到 2023 年。但话虽如此，您可以选择在模型范围内的数据，例如这个：
提示 - 列出 2010 年至 2020 年 NASA 执行的主要太空任务。
注意，我们是在日期上进行限制。但我们可以添加更多限制。让我们仅限制美国任务的数据。你也可以回到我们之前讨论的格式化方法，并做类似这样的事情：
提示 - 列出 2010 年至 2020 年间进行的所有主要太空任务。按国家和航天机构分组。将国家和航天机构的名字加粗。
你甚至可以更加明确。然后我们包括大洲，并指定任何没有任务的都被排除在外。
提示 - 列出 2010 年至 2020 年间进行的所有主要太空任务。按大洲分组。将大洲的名字加粗，并全部大写。将国家和航天机构的名字加粗，首字母大写，或者如果由航天机构格式化（如 NASA），则全部大写。如果一个大陆没有太空任务，不要将其包括在这个列表中。
我们可以继续下去，尽可能多地限制 ChatGPT 提供的结果。
5.1.5. 表示单词、短语或字符的数量。
关于限制，你可能已经注意到，ChatGPT 在字数统计方面往往不够准确。如果你要求它限制回答在 50 个字以内，有时它会超出或不足。这是因为语言模型与与数据表示（tokens）工作，这些表示并不直接对应于单个单词。
例如，当我要求 ChatGPT“总结电视剧《权力的游戏》”时，他用了六个段落，294 个字来回答。但你可以尝试限制答案。尝试各种限制术语，直到你确定哪个最适合你。例如：
提示
用 50 个字总结电视剧《权力的游戏》。
用两句话总结电视剧《权力的游戏》。
用不到 200 个字符总结电视剧《权力的游戏》。
将《权力的游戏》电视剧总结到一条推文中。
5.2. 定制 GPTs
定制 GPTs 是针对特定功能定制的 ChatGPT 版本，允许用户以更专业的方式利用 AI 的力量。这些 GPTs 旨在提供独特的解决方案，满足不同的需求，如教育、编程、设计、研究等。多亏了它们，任何人都可以创建或使用专注于精确领域的模型，将互动 AI 的经验转变为更加针对和有效的体验。
5.2.1. GPTs Store
GPT Store 是寻找定制版 ChatGPT 以满足特定需求的理想之地。OpenAI 在这个商店展示了其团队、社区成员和知名公司创建的 GPTs。这些公司包括提供设计工具的 Canva；提供定制路线推荐的 AllTrails；以及提供名为 Code Tutor 的编程辅导的 Khan Academy。
店内的 GPT 被组织成各种类别，使用户能够轻松找到合适的工具。特色类别包括“最佳选择”、“写作”、“生产力”、“研究和分析”、“教育”、“生活方式”和“编程”。这种结构允许您根据特定兴趣探索 GPT，从专注于生产力的工具到增强学习或简化日常生活的工具。
此外，必须提到的是，ChatGPT Plus、团队和企业用户可以在这个商店中创建和分享他们的 GPT。未来，OpenAI 计划实施一个收益计划，允许创作者根据他人如何使用他们的 GPT 来赚钱。这个系统将基于每个 GPT 的流行度和实用性，奖励那些影响最大的人。如果您是 ChatGPT Plus 用户并希望在自己的 GPT 商店中分享您的版本，以下是创建这些自定义 GPT 的方法。
5.2.2. 创建您的 GPT
创建定制的 GPT 使我们能够根据我们自己的特定需求和项目调整这个出色的 LLM 的力量，从而控制我们希望它如何交互和响应。这为优化任务、简化流程以及在各个领域提供独特价值打开了可能性。此外，设计我们自己的 GPT 使我们能够与社区分享，获得反馈，甚至在未来，如果他人认为我们的创作有帮助，我们还可以从中获得收入。这是探索 AI 潜力并将我们的想法提升到下一个层次的好方法！
要创建一个 GPT，请按照以下步骤操作：
-
入门指南：您需要一个有效的 ChatGPT Plus 订阅。如果您已经有了，请访问 chatgpt.com/gpts 或从左侧导航栏选择“探索 GPT”。
-
创建 GPT：在右上角选择“+创建”选项。
-
创建向导：在“创建”标签页中，您可以与 GPT 构建器进行交流，它可以帮助您构建一个新的 GPT。您可以给出如下指令：“设置一个 GPT，根据我喜欢的类型和过去的阅读推荐书籍”或“开发一个 GPT，为我提供个性化的园艺建议”。
-
设置：点击“设置”标签页为您的 GPT 命名和描述。您还可以选择您希望 GPT 执行的操作，例如浏览网页或创建图片。
-
发布：当您准备好发布您的 GPT 时，选择“发布”并与他人分享或保留给自己。
高级配置
在 GPT 编辑器中，您可以配置更详细的设置：
-
添加图片：您可以在“配置”标签页中要求 GPT 构建器为您的 GPT 创建图片或上传您自己的图片。
-
补充说明：在此处，您可以提供详细的指令或指南，说明您的 GPT 应该如何表现，其功能以及应避免的具体行为。
-
对话开场白：这些是对话开场提示的示例。
-
附加知识：这允许您为您的 GPT 提供额外的背景信息。请注意，上传文件的内容可能包含在输出中。
-
新功能：启用网络浏览、DALL-E 图像生成和高级数据分析将使 GPT 能够执行更多功能。
-
自定义操作：您可以通过提供端点、参数以及模型如何使用它的详细信息，使第三方 API 对您的 GPT 可用。GPT 的操作也可以从 OpenAPI 架构导入，因此如果您已经构建了一个插件，您可以使用现有的插件清单来定义 GPT 的操作。
简而言之，'我的 GPT' 提供了一个极其灵活且易于访问的平台，可以根据您的需求定制 AI，为它在各个领域的应用打开了无限可能。
5.2.3. GPT 转写票据的实际示例
让我们想象一下，我们想要创建一个 GPT，帮助我们从照片中转录购买票据，并将信息整理成表格。为此，一旦我们进入编辑器，在“创建”标签内，我们只需用我们自己的话描述所需的函数，GPT Builder 就会处理其余部分：“我想有一个 GPT，它能将购买票据的内容转录成表格。”
用这个描述，ChatGPT 将自动完成以下“配置”部分。让我们看看结果是什么。
我们可以看到分配给我们的 GPT 的名称和描述以及一张图片（由 DALL-E 3 生成）。此外，GPT Builder 会根据我们的需求编写指令。不仅如此，它还创建了与 GPT 互动的起始对话和建议，例如“转录我的购买票据”或“将我的购买整理成表格”。值得一提的是，我们也可以直接访问这个“配置”标签并手动填写所有这些数据。最后，我们访问“预览”标签，在那里我们可以通过测试一些提示来检查我们自定义的 GPT 的结果。让我们测试一下它的工作情况：
正如您所看到的，我们刚刚发布了票据。没有额外的说明，GPT 知道它的任务。GPTs 是用于我们必须以一定稳定性执行的任务。我们可以训练一个 GPT 来理解它的任务是什么。
如果我们喜欢结果，我们将继续发布它。在这里，我们面临三个隐私选项：发布它以便每个人都可以使用，通过链接仅与特定的人分享，或者保持私密。这样，我们只通过一个初始描述就创建了一个专门针对我们需求的 GPT，准备好简单而实际地优化我们的任务！
5.2.4. GPTs 高级水平
如果你觉得上面的内容很有趣，我必须告诉你这仅仅是个开始。我们可以将定制化做得更深入。这些 GPT 能够响应我们的指令，并允许我们添加我们的知识文件，创建一个适合特定任务的专用环境。想象一下，你正在学习某个特定主题，准备参加一场竞争性考试，或者在一个 ChatGPT 默认没有信息的项目上工作；这就是这些高级 GPT 的神奇之处。
当你上传笔记、教学大纲或任何其他参考文件时，GPT 将在整个对话中访问它们。每次你与之互动时，它都可以使用这些特定数据来提供与你的文件内容一致的答案。例如，如果你正在为某个特定主题学习，你可以上传你的笔记、学习指南或甚至主题摘要，GPT 将它们整合到其回答中。因此，你不仅在与一个 AI 对话，实际上你有一个个性化的导师可供使用，这位导师处理你正在工作的材料。
除了能够定制 GPT 查询的知识外，另一个关键特性是 ChatGPT 在每个模型中提供的集成功能。这些功能包括三个可以根据我们创建的 GPT 需求激活或禁用的工具：
-
网络浏览：这个工具允许 GPT 实时搜索网络，这对于获取数据库中没有的更新信息非常理想。如果 GPT 需要查询新闻、最近的数据或任何在线内容，默认启用此选项是有帮助的。然而，如果你希望 GPT 只处理你提供的信息，你可以禁用此功能。
-
使用 DALL-E 进行图像生成：这个默认启用的特性允许 GPT 从文本描述中生成图像，使用 DALL-E 技术。这对于创意或视觉项目特别有用。就像导航功能一样，如果你不需要图像生成，你可以将其关闭。
-
代码解释器和数据分析：这个默认关闭的第三项特性允许 GPT 进行计算、分析数据和执行代码片段。对于那些处理科学数据或编程的人来说，这是一个强大的工具，但启用此功能也存在风险。特别是，如果 GPT 是公开共享或通过链接共享的，第三方可能会访问你上传的知识文件或配置指令，这可能会危害你的信息安全。因此，重要的是要仔细评估其使用并意识到其潜在风险。
最终，每个功能都为我们的 GPT 增加了定制化和功能。然而，强大的能力也伴随着重大的责任，因此在决定如何配置你的 GPT 之前，了解和考虑这些因素是很重要的。
5.2.5. GPT 中的股份
动作是高级功能，允许 GPT 与外部应用程序或服务交互。这些动作充当 ChatGPT 模型与真实世界之间的“桥梁”，使 GPT 能够在 ChatGPT 的纯文本环境之外执行任务。这是通过集成第三方 API 实现的，这些 API 简化了自动化操作，如访问数据库、在线购物、发送电子邮件，甚至动态查询其他网络服务。
例如，如果你创建了一个需要查询在线商店中更新产品价格的 GPT，你可以集成一个连接到商店 API 的动作。这样，GPT 可以实时查询数据，从而能够准确回答有关价格、可用性或产品特性的查询。
虽然这个过程通常需要编程知识，但有一些无代码工具，如 Actionize，可以简化配置。这个平台促进了应用程序集成，使 GPT 能够连接到数千个应用程序，而无需高级技术知识。
这一特性使 GPT 成为真正的“数字助手”，能够在最少的人工干预下执行复杂和定制化的任务，从而在任何工作流程中提高自动化水平。
5.3. 数据分析
数据分析对于检查、清洗和转换数据以提取有用信息、得出结论和支持决策至关重要。想象一下，你有一个由数千个散落的碎片组成的拼图；数据分析就是如何组织这些碎片，以看到整体画面，这有助于你更好地理解眼前的事物，并基于这种理解做出决策。在一个我们每天产生大量数据的世界里，从应用程序使用统计到客户满意度调查结果，数据分析使我们能够过滤掉噪音，识别趋势，预测行为，并在几乎任何可想象的领域改进流程。
在本文中，我们已经探讨了 ChatGPT 的各个方面。现在，我们将关注一个引人入胜的应用：数据分析。ChatGPT 是一位优秀的对话者，也是处理和分析数据的工具。它处理和理解结构化和非结构化信息的能力使其成为数据探索的盟友。ChatGPT 可以与数据集互动，无论是通过提取关键信息、执行描述性分析，还是从提供的数据中生成新的见解。此外，现在无论你是否拥有 ChatGPT Plus 订阅，我们都可以直接上传文件。之前，这个文件上传功能仅限于 Plus 用户。然而，今天，任何人都可以这样做，尽管免费计划限制了可以上传的文件数量。目前支持的文件格式包括 TXT、PDF、DOC、DOCX、JPEG、PNG、MP4、AVI、CSV、JSON、XML、XLS、XLSX、CPP、PY、HTML、DB、SQLite 等。
这种能够交互式加载文件和操作数据的能力为所有级别的用户打开了新的可能性，从试图解读复杂学术数据库的研究人员到需要快速、可靠市场分析的公司。在接下来的页面中，我们将解释如何利用这些 ChatGPT 功能将原始数据转化为明智的决策和有效的策略。
5.3.1. LLM 在数据分析中的局限性
在继续之前，了解在使用这些工具进行数据分析时的限制和安全考虑是至关重要的。
-
上下文理解：ChatGPT 可能难以理解完整的上下文或捕捉到详细分析中至关重要的具体细节。
-
大量数据带来的挑战：ChatGPT 处理大型数据库可能存在问题，影响其在广泛分析中的有效性。
-
数据安全风险：将数据上传到 ChatGPT 时，存在数据可能因安全漏洞而泄露或误用的风险。
-
模型训练中的数据使用：上传的数据可能用于模型训练，如果涉及敏感或机密信息，则可能引发担忧。
在使用 ChatGPT 进行数据分析时，考虑这些限制和风险是至关重要的，以确保风险最小化并最大化其使用的益处。接下来，我们将探讨如何正确准备数据和提出实际的问题。
5.3.2. 数据分析方法
有效利用 ChatGPT 进行数据分析需要适当的数据准备、准确的问题制定以及结果解释的技术。以下详细说明了这些关键步骤。
数据准备
在使用 ChatGPT 进行数据分析之前，确保数据组织良好且干净至关重要。这包括：
-
数据清洗：删除或纠正错误或不完整的数据。
-
数据结构化：组织数据以便 ChatGPT 能够轻松解释。这可能涉及将非结构化数据转换为更结构化的格式或简化复杂数据。
-
敏感数据的匿名化：如果数据包含敏感信息，在上传到平台之前对其进行匿名化以保护隐私是至关重要的。
数据查询和处理
向 ChatGPT 提出问题和命令是一种艺术，需要清晰和精确以获得最佳结果：
-
明确的问题表述：问题应具体直接，以避免歧义。例如，与其问“你能告诉我关于这些数据什么？”不如问“去年第三季度的销售趋势是怎样的？”会更有效。
-
分析任务的具体命令：使用命令指导 ChatGPT 执行特定分析，例如描述性统计的计算、相关性或基于统计模型的预测。
结果的可视化和解释
最后，最关键的部分是解释和可视化结果。这是从 ChatGPT 执行的数据分析中获得最大价值的基本任务，这直接落在了我们身上：
-
响应解释：理解 ChatGPT 的响应以及它们如何与提出的问题和提供的数据相关联。
-
可视化工具的使用：尽管 ChatGPT 可以为我们生成图表，我们可能需要使用外部工具来可视化提供的结果，以更好地理解数据中的模式和趋势。
5.3.3. 应用和提示
ChatGPT Plus 在数据分析中的应用如同每个用户的想象和具体需求一样多样化，从风险分析，这使金融专业人士能够评估潜在投资的可行性和威胁，到产品开发，公司可以预测其创新的市场接受度。在教育领域，学生表现的数据可以用来定制教学方法，而在项目管理中，通过高效地识别运营瓶颈，可以实现资源优化。这只是几个例子，还有更多的地方，创意和个体需求可以使这个工具达到新的高度。
为了展示 ChatGPT 在数据分析中的潜力，并便于直接应用所学概念，我们准备了一个用户可以通过 QR 码访问的提示示例。这个提示旨在简化他们希望探索的任何数据集的分析。您可以在以下页面找到它。
图 6. QR 提示数据分析
总结来说，重要的是要注意，尽管 ChatGPT 可以快速有效地执行数据分析，但在现实中，任何具有平均水平知识的人也能做到。
案例研究
为了将您使用 ChatGPT 学习到的数据分析知识付诸实践，我们提出一个互动练习，您可以分析不同类型个人数据，以发现您日常生活中的模式、优化和改进。以下有三个选项供您选择，具体取决于您能访问的数据和您的兴趣：
个人财务分析
使用 ChatGPT 分析您的银行交易（之前已导出并匿名化以去除个人信息）。通过将此数据上传到 ChatGPT 或复制粘贴到平台中，您可以要求它识别支出模式。在这些领域，您可能花费了不必要的费用，并获得优化支出的建议。
- 能耗评估
如果您能访问您的数字化电费账单，ChatGPT 可以帮助您了解您的能源消耗。有了这些信息，该工具可以分析您的月度消费模式，识别异常使用峰值，并提供提高家庭能源效率的实用建议。
- 位移优化
ChatGPT 可以分析旅行数据，为使用 Google Maps 等通勤应用的用户提出效率改进建议。这包括改变常规路线、选择其他时间表以避免拥堵，或探索更有效的交通替代方案。
练习说明
-
选择数据类别：根据数据的可用性和相关性，从个人财务、能源消耗或通勤中选择。
-
准备您的数据：确保数据不包含敏感个人信息，并且格式是 ChatGPT 可以轻松处理的。
-
与 ChatGPT 互动：将您的数据上传到 ChatGPT 或手动输入信息，并提出具体问题以探索您最感兴趣的部分。您也可以使用上面提供的提示。
本案例研究将使您能够应用在本节中获得的知识，同时也会为您提供可用于改善您日常生活特定方面的实用知识。
5.4. 扩展以增强 ChatGPT
在整本书中，我们已经看到了 ChatGPT 的各种用例，它提供了许多可能性。最好的是，它可以通过添加扩展与其它工具集成，以增加其功能。这些扩展将使您充分利用您的体验。让我们看看其中的一些主要扩展：
5.4.1. AIPRM for ChatGPT
AIPRM 为 ChatGPT 提供提示模板，简化了提问过程。模板来自 AIPRM 社区，您也可以保存自己的模板。尽管大多数与 SEO 和营销相关，但我们也可以找到各种模板。
5.4.2. HARPA AI
HARPA AI 是一个工具，它允许我们在浏览器内将 ChatGPT 的力量应用于多个任务。例如，我们可以用它来回复电子邮件和社交媒体帖子，总结任何网络文章的内容，或重写我们想要发布的任何文本，而无需访问 ChatGPT 网站。此外，它还会在同一搜索引擎结果页面上显示 ChatGPT 对我们搜索的答案。它还可以从网页中提取数据/价格/SEO 关键词。如果还不够，它还包括 ChatGPT 之外的功能，例如监控亚马逊产品价格变动的功能。
5.4.3. TweetGPT
如果我们想在浏览器中使用 ChatGPT 回复推文，而不需要使用全能扩展，那么 TweetGPT 是理想的解决方案。使用此附加组件，一个机器人图标将出现在 Twitter 网页界面中，通过分析我们正在回复的内容自动生成我们的推文。
5.4.4. ShareGPT
有时候，我们可能希望在网上分享与 ChatGPT 的一次对话，以便其他用户可以访问它。截图、粘贴和复制通常不是很好的系统，尤其是如果对话很长的话。这就是为什么 ShareGPT 允许我们在其平台上创建对话的公共备份，同时保持原始格式。
5.4.5. 总结
如果您希望您的浏览器能够通过点击按钮来总结您正在查看的任何网页以及任何 YouTube 视频，那么 Summarize 就是您需要的扩展。您无需切换标签页来阅读摘要；它将在覆盖网页的小窗口中生成。
5.4.6. ChatGPT Writer
使用 ChatGPT Writer 扩展，我们只需点击一下就能创建电子邮件并回复消息，只要我们提供原始文本。此扩展与 Gmail 集成得非常好，尽管它与任何其他网络邮件平台都兼容。
5.4.7. 普罗米修斯
普罗米修斯为 ChatGPT 添加了一个有价值的特性，允许它接收语音输入，将聊天机器人转变为像 Siri 这样的有用语音助手。
5.4.8. 梅林
梅林是一个由 Open AI 支持的 ChatGPT 扩展，它可以在浏览器中工作。它根据 Open AI 的 GPT AI 模型，始终如一地响应各种指令。
第六章
专家级
6.1. 参数配置
尽管 ChatGPT 界面简单易用，但其背后是一个具有多个参数和设置的复杂模型。尽管模型通常使用默认设置就能达到最佳效果，但了解一些影响其行为的关键参数是有趣的。在本章中，我们将探讨这三个参数：温度、Top-P 和 Top-K，以了解它们如何影响 GPT 模型的表现以及它们可以为定制响应生成做出什么贡献。
6.1.1. 温度
温度是您可以在 ChatGPT 中调整的最重要参数之一。此参数控制模型响应的随机程度。较高的温度将产生更多样化和创造性的响应，而较低的温度将产生更可预测和一致的响应。
ChatGPT 中的温度范围从 0 到 1。温度值为 0 将导致 ChatGPT 在每一步都始终选择最可能的单词，从而产生非常一致但可能不太有创造性的响应。另一方面，温度值为 1 将导致 ChatGPT 生成包含更多样化单词的响应，这可能导致更富有创造性和不可预测的响应。例如，如果您要求 ChatGPT 以 0.2 的温度创建一个故事，您很可能会得到一个连贯且专注的故事。然而，如果将温度设置为 0.8，生成的故事可能会更加多变和令人惊讶，尽管它可能也会不那么连贯。调整 ChatGPT 中的温度是一个简单的过程。您在编写提示时指定所需的温度值，如下面的示例所示：
提示 - 从前，在一个遥远的王国里，有一位名叫兰斯洛特爵士的勇敢骑士。故事继续进行，温度 = 0.1。
ChatGPT - 从前，在一个遥远的王国里，有一位名叫兰斯洛特爵士的勇敢骑士。他在整个王国以他的勇敢和勇气而闻名。每天，他会骑上马背
将温度设置为 0.9 可能会导致更多样化和令人惊讶的反应：
ChatGPT - 从前，在一个遥远的王国里，有一位名叫兰斯洛特爵士的勇敢骑士。有一天，他在城堡图书馆里发现了一个隐藏的传送门，通往一个充满会说话的动物和神奇生物的世界。
记住，较高的温度可能导致更具创造性和不可预测的反应，而较低的温度可能会产生更连贯但可能不太具创造性的反应。关键在于找到适合您需求的正确平衡。简而言之，温度是控制 ChatGPT 回答中一致性和创造力平衡的工具。调整此参数允许您定制 ChatGPT 以满足您的特定需求。
6.1.2. Top-K 和 Top-P
在 GPT 架构中，两个可调整的超参数，Top-K 和 Top-P，在文本生成中起着至关重要的作用。这些技术提高了一致性并控制了模型回答的创造力。
Top-K 和 Top-P 是采样技术，允许用户调整生成回答的精确性和多样性。换句话说，它们将使您能够控制模型在生成文本时的“安全”或“冒险”程度。根据上下文和所需的控制水平，您可以选择使用 Top-K、Top-P，甚至两者的组合以获得最佳结果。例如，您可能会使用 Top-K 来寻求具体和精确的答案。另一方面，如果您正在寻找更多样化和创造性的回答，您可能会选择使用 Top-P。
但 Top-K 和 Top-P 究竟是什么，它们是如何工作的，您如何在 ChatGPT 中调整它们？在以下页面中，我们将分解这些概念，并展示如何使用它们来定制 ChatGPT 中的文本生成。
Top-K，这个参数在确定模型在生成回答时可以考虑的单词多样性方面至关重要。通过设置 Top-K，您告诉模型在文本生成的每一步中应该考虑多少最有可能的单词。K 值较低，例如 K=1，将限制模型仅选择最有可能的单词，这可能会导致更准确但不太具创造性的回答。
另一方面，K 值较高，例如 K=2000，将允许模型考虑更广泛的单词集，这可能会导致更具创造性和多样化的反应。K 的最大值将是您希望在回答中包含的词汇量大小，即词汇表中独特单词的总数。
例如，如果您将 Top-K 设置为 50,000，模型在生成答案时会考虑多达 50,000 个不同的单词。您还可以将 Top-K 定义为模型答案词汇量的百分比。例如，如果您将 Top-K 设置为 90%，模型将考虑其词汇量中最有可能的 90%的单词。Top-K 是一种限制输出、避免不一致的反应并扩展 ChatGPT 创造力的技术。通过调整此参数，您可以定制 ChatGPT 的回答的一致性和多样性，以满足您的特定需求。
在 ChatGPT 中设置 Top-K，你需要在指令中告诉它这样做。例如，让我们要求它以 Top-K 为 1 来完成句子“天空是……”。
ChatGPT - 天空是蓝色的。
让我们要求它以 Top-K 为 50,000 来完成相同的句子。
ChatGPT - 天空是一块宁静的布，是一幅不断变化的色彩画布，它反映了时间的流逝，从黎明到黄昏，然后在夜晚填满星星。
如上例所示，低 Top-K 值和高 Top-K 值之间的差异是显著的。一个较低的 Top-K 值，例如 1，将限制模型始终选择最可能的单词，这可能会导致更可预测但可能不太富有创造性的响应。另一方面，一个较高的 Top-K 值，例如 50,000，允许模型考虑一个更广泛的单词集，这可能会导致更富有创造性和多样化的，但也更不可预测的响应。总之，调整 Top-K 值允许你控制 ChatGPT 生成的响应中一致性和创造性的平衡。
Top-P 是基于 GPT 架构的语言模型中可以调整的另一种采样技术，例如 ChatGPT。这个超参数根据累积概率选择单词，这可能导致更多样化和富有创造性的响应。
Top-P 的值可以从 0 到 1 不等。一个较低的 P 值，例如 P=0.1，将限制选择最可能的单词，这可能会导致更连贯和具体的答案。另一方面，一个较高的 P 值，例如 P=0.9，将允许在生成响应单词时具有更多的多样性，这可能会导致更富有创造性和多样化的响应。例如，如果你将 Top-P 设置为 0.1，模型将仅限于选择总概率加起来达到 10%的单词。这可能会导致更可预测的响应。然而，如果你将 Top-P 设置为 0.9，模型将考虑总概率达到 90%的一组单词，这可能会导致更富有创造性的响应。
在 ChatGPT 中设置 Top-P 时，指定 Top-P 的值。如果你将 Top-P 设置为 0.1，模型将仅限于选择总概率加起来达到 10%的单词。例如，如果你要求 ChatGPT 以 Top-P 为 0.1 来完成句子“苹果是……”，你很可能会得到一个像“苹果是红色的”这样的答案。
另一方面，如果我们将 Top-P 设置为 0.9，模型将考虑总概率达到 90%的一组单词。如果你要求 ChatGPT 以 Top-P 为 0.9 来完成相同的句子“苹果是……”，你可能会得到一个更富有创造性的答案，例如“苹果是诱惑和知识的象征”。Top-P 是控制 ChatGPT 响应中多样性和创造性的强大工具。调整此参数允许你根据特定需求定制 ChatGPT。
6.1.3. 理解差异
区分 Top-K 和 Top-P 可能具有挑战性，所以用类比来简化它。想象你有一个玩具能说出很多话，但你只想听到最激动人心的那些。
你可以将 Top-K 想象成对玩具说，“只给我展示三个最有趣的话。”玩具随后会选出并展示这三个词，忽略所有其他词。
另一方面，Top-P 就像是告诉玩具，“只给我展示有趣的话，但前提是它们有足够的概率。”在这种情况下，玩具会逐个展示单词，并且当它所展示的单词的累积概率累计到你决定的具体数值时，它会停止。
总结来说，Top-K 和 Top-P 是两种不同的技术，用于控制 ChatGPT 生成的响应的多样性和一致性。Top-K 限制了模型可以考虑的单词数量，而 Top-P 则基于单词的累积概率进行限制。这两个参数都允许你根据需要更好地定制 ChatGPT 中的文本生成。
6.2. 高级提示工程
到目前为止，我们已经探讨了使用 ChatGPT 的基础知识。在本章中，我们将探讨使用此工具的高级技术。我们将探讨高级提示工程技术和示例提示，这将使你能够最大限度地发挥 ChatGPT 的作用。
提示工程已被证明有助于有效地设计和改进提示，以在 LLMs（Brown 等人，2020 年）的不同任务中取得更好的结果。因此，我们现在将探讨十种可能对你有帮助的提示技术。尽管没有必要将它们全部付诸实践，但它们将帮助你更好地理解 LLMs 的工作原理。
6.2.1. 零样本提示
今天，LLM 模型，如 GPT-3.5 Turbo、GPT-4 和 Claude 3，被调整以遵循指令，并使用大量数据进行训练。大规模训练使这些模型能够在某些任务中以“零样本”的方式执行。零样本提示意味着用于与模型交互的提示将不包含示例或演示。零样本提示直接指示模型执行任务，而无需额外的示例来引导它。
以下是一个零样本指令的示例：
提示 - 将文本分类为中性、负面或正面。文本：我认为假期很好。情感：
ChatGPT - 中立
在上述提示中，我们没有向模型提供任何文本示例及其分类；LLM 已经理解了“情感”。这些都是零样本能力。当零样本不起作用时，建议在提示中提供演示或示例，这会导致提示少样本。
6.2.2. 少样本提示
尽管大规模语言模型在零样本任务中表现出惊人的能力，但在使用此配置进行更复杂的任务时，它们仍然存在局限性。我们使用“少量样本提示”，这是一种在提示中提供演示以引导模型获得更好性能的技术。这些演示作为后续示例的条件，在这些示例中，我们希望模型生成一个响应。
提示 - whatpu 是一种原产于坦桑尼亚的小型毛茸茸的动物。使用 whatpu 这个词的句子示例：我们在非洲旅行时看到了这些非常可爱的小 whatpus。“To 'farduddle'”意味着快速地跳上跳下。使用 farduddle 这个词的句子示例：
ChatGPT - 当我们赢得比赛时，我们都开始高兴地 farduddle。
根据 Touvron 等人（2023）[1]的研究，少量样本属性首次出现在模型扩展到足够大时（Kaplan 等人，2020）[2]。让我们通过 Brown 等人（2020）[3]提供的示例来演示少量样本提示。在这个例子中，任务是正确地在句子中使用一个新词。
我们可以观察到，通过仅提供一个示例（即 1-shot），模型已经学会了如何执行这项任务。对于更复杂的任务，我们可以通过增加演示的数量进行实验（例如，3-shot，5-shot，10-shot 等）。
在 Min 等人（2022）[4]的研究发现基础上，以下是一些在少量样本中进行演示/示例时的额外提示：
-
由演示指定的输入文本的标签间距和布局至关重要（无论标签是否对单个条目正确）。
-
您使用的格式在性能中也起着至关重要的作用；即使您只使用随机标签，这也比不使用标签要好得多。
-
其他结果显示，从有效的标签分布中选择随机标签（而不是均匀分布）也有帮助。
让我们尝试一些示例。首先，让我们尝试一个带有随机标签的示例（意味着负面和正面标签被随机分配到条目中）：
提示 - 这太难以置信了！ // 负面
这太糟糕了！ // 正面
哇，那部电影太棒了！ // 正面
多么可怕的场景！ //
ChatGPT - 负面
即使标签已经被随机化，我们仍然得到了正确答案。请注意，我们也保留了格式，这也有助于。实际上，随着更多实验的进行，我们正在实验的新 GPT 模型在随机格式下变得更加稳健。让我们看看以下示例：
上述格式没有一致性，但模型仍然预测了正确的标签。总的来说，似乎提供示例有助于解决一些任务。当零样本提示和少量样本提示不足时，这可能意味着模型学习到的知识不足以很好地完成这项任务。
面对更复杂的推理任务时，将问题分解为步骤并向模型展示过程可能会有所帮助。这被称为思维链提示，这是一种受到广泛欢迎的技术。事实上，它启发了 OpenAI o1 模型。
6.2.3. 思维链（CoT）提示
图 7. 图片来源：Wei 等人（2022 年）
在 Wei 等人（2022 年）[5] 中引入的 Chain-of-thought（CoT）提示通过中间推理步骤使复杂的推理能力成为可能。您可以将它与少量提示结合使用，以在需要推理才能响应的更复杂任务上获得更好的结果。
当我们提供推理步骤时，我们可以看到完美的结果。作者声称这是随着大型语言模型的出现而出现的一种新兴能力。
6.2.4. 自动思维链（Auto-CoT）
该过程涉及在应用思维链提示时手动创建引人入胜且多样化的示例。这种手动努力可能导致次优解。张等人（2022 年）[6] 提出了一种利用具有“让我们一步步思考”提示的大型语言模型来为演示逐个生成推理链的方法，以消除手动努力。这个自动过程仍然可能在生成的字符串中产生错误。为了减轻错误的影响，演示的多样性至关重要。本文提出了 Auto-CoT，它选择多样化的问题并生成推理链来构建演示。Auto-CoT 包括两个主要阶段：
-
问题分组：将给定数据集的问题划分为几个组。
-
演示采样：从每个组中选择一个代表性问题，并使用零样本-CoT 和简单启发式方法生成其推理链。
简单的启发式方法可以是问题的长度（例如，60 个标记）和推理步骤的数量（例如，五步推理）。这鼓励模型使用简单且准确的演示。过程如下所示：
图 8. Self-CoT 推理过程。来源：张等人（2022 年）
6.2.5. 提示链
提示工程中的一个关键技术是将任务分解为子任务以提高大型语言模型的可靠性和性能。一旦确定了这些子任务，就将其中一个呈现给大型语言模型，并将其响应用作另一个提示的输入。这被称为提示链，其中任务被分解为子任务以创建一系列提示操作。
提示链有助于执行大型语言模型可能难以应对的复杂任务。在提示链中，链式提示在达到期望的最终状态之前对生成的响应进行额外的处理。
除了实现更好的性能外，提示链还帮助提高 LLM 的透明度、可控性和可靠性。这意味着您可以轻松调试模型响应中的问题，并在需要改进的不同阶段分析和改进性能。
提示链可以在涉及各种操作或转换的不同场景中使用。例如，LLM 的一个典型用例是回答关于长文档的问题。如果您设计两个不同的提示，其中第一个提示负责提取回答问题的相关引文，第二个提示则将引文和原始文档作为输入来回答给定的问题，这将很有帮助。换句话说，您将创建两个提示来回答文档中的给定问题。
以下提示从提供的文档中提取相关引文。为了简化，我们为文档添加了一个占位符 {{document}}。您可以从任何网站上复制并粘贴一篇文章来测试这个提示。在这种情况下，它是在提示工程页面上完成的。由于这个任务使用了更大的上下文，我们使用了 OpenAI GPT-4o 模型。您可以使用这个提示与其他 LLM（如 Claude）一起使用。
提示 - 你是一个有用的助手。你的任务是帮助回答论文中的一个问题。第一步是从文档中提取与问题相关的引文。请使用
{{document}}
ChatGPT
-
思维链（CoT）提示[27]。
-
生成知识提示[37]
-
方向性刺激提示[46]
-
文本反转和嵌入[59]
-
使用梯度下降搜索提示[61][62][63][64]
-
提示注入[65][66][66][67]
在第一个提示中返回的引用现在可以用作下面第二个提示的输入。您可以进一步清理这些引用，即删除参考文献。这些引用可以被删除或用作字符串中另一个提示的一部分，但您现在可以忽略这一点。第二个提示随后将第一个提示提取的相关引用与文档中给出的问题和提取的引用结合起来，准备一个有价值的答案。第二个提示可以如下所示：
提示 - 给定从文档中提取的一组相关引文（由
{{document}}
-
思维链（CoT）提示[27]。
-
生成知识提示[37]
-
方向性刺激提示[46]
-
文本反转和嵌入[59]
-
使用梯度下降搜索提示[61][62][63][64]
-
提示注入[65][66][66][67]
ChatGPT -
文档中提到的提示技术包括：
思维链（CoT）提示[27]。
生成知识提示[37]
从少到多提示[38]
自洽解码[39]
基于复杂度的提示[41]
自我完善[42]
思维树提示[43]
启蒙式提示[45]
方向性刺激提示[46]
文本反转和嵌入[59]
使用梯度下降搜索提示[61][62][63][64]
提示注入[65][66][66][67]
这些技术中的每一个都采用独特的策略来增强或指定与大型语言模型的交互，以产生所需的结果。
如您所见，简化和创建提示字符串是一种有价值的方法，其中答案必须经过各种操作或转换。作为练习，您可以在将其作为最终答案之前，自由设计一个提示，以删除答案中的参考文献（例如，[27]）。
您还可以在此文档[7]中找到更多提示链的示例，该文档由 LLM Claude 支持。此示例受其文档的启发和改编。
6.2.6. 思维树（ToT）
传统的提示技术对于需要探索或战略规划复杂任务是不够的。Yao et al. (2023)[8]和 Long (2023)[9]提出了思维树（ToT），这是一个鼓励通过语言模型探索想法作为中间步骤来解决问题的框架。
ToT 维护一个思维树，其中每个都是通向解决方案的中间步骤。这种方法允许模型通过一个有意识的过程自我评估进度。此外，它将思维生成和评估与搜索算法（如广度优先和深度优先搜索）相结合，以系统地探索可能的解决方案。
以下是对 ToT 框架的说明：
图 9. 图片来源：Yao et al. (2023)
当使用 ToT 时，不同的任务需要定义候选数量和思考/步骤的数量。例如，正如论文中所示，24 的集合被用作需要将思维分解为三个步骤的数学推理任务，每个步骤都涉及一个中间方程。在每一步中，保留最佳 b=5 个候选。
为了在 ToT 中对 24 游戏任务进行广度优先搜索（BFS），要求语言模型评估每个思维候选者关于达到 24 的“确定/可能/不可能”。根据作者的说法，“目标是促进可以在几轮预测中验证的正确部分解决方案，并基于常识的‘太大/太小’消除不可能的部分解决方案，其余的保持为‘可能’”。每个思维的价值采样 3 次。
以下是对该过程的说明：
下图所示的结果表明，ToT 在性能上显著优于其他提示方法。代码在此处[10]和此处[11]可用。
图 10。图片来源：Yao 等。（2023）
Yao 等。（2023)[12]和 Long（2023)[13]的主要思想相似。两者都通过多轮对话通过树搜索提高了 LLMs 解决复杂问题的能力。主要区别之一是 Yao 等。（2023）使用了深度优先搜索（DFS）、广度优先搜索（BFS）和束搜索（Beam Search），而 Long（2023）提出的树搜索策略（即何时回溯以及回溯多少层等）是通过强化学习（RL）训练的“ToT 控制器”驱动的。DFS/BFS/Beam 搜索是通用的解决方案寻找策略，无需针对特定问题进行适应。相比之下，通过 RL 训练的 ToT 控制器可以从新的数据集中学习，因此，即使 LLM 固定，该系统也可以继续进化并学习新的知识。
提示 - 想象有三个不同的专家在回答这个问题。所有专家都将写下他们的思考过程，然后与小组分享。然后所有专家将进入下一步，等等。如果任何专家在任何时候意识到自己是错误的，他将退出。问题是。
Hulbert（2023)[14]提出了思维树提示，它通过将 LLM 评估单个提示中的中间思想作为简单的提示技术，应用了 ToT 框架的主要概念。一个示例 ToT 提示是：
Sun（2023)[15]将思维树提示与大规模实验进行了比较，并介绍了 PanelGPT，这是一种在 LLMs 之间进行小组讨论的提示想法。
6.2.7. 自动提示工程师（APE）
Zhou 等。（2022)[16]提出了自动提示工程师（APE），这是一个用于自动指令生成和选择的框架。指令生成问题被表述为自然语言合成，将其作为使用 LLMs 生成和搜索候选解决方案的黑盒优化问题。
第一步涉及一个大型语言模型（例如推理模型）给出输出演示来生成任务的指令候选方案。这些候选解决方案将指导检索过程。指令通过目标模型执行，然后根据计算出的评估分数选择最合适的指令。
APE 发现了一种比人类设计的提示“让我们一步步思考”（Kojima 等，2022[17]）更好的链式推理提示（零样本 CoT）。提示“让我们一步步解决这个问题，以确保我们得到正确的答案”导致模型进行链式推理，并在 MultiArith 和 GSM8K 基准测试中提高了性能。
图 11。图片来源：Zhou 等。（2022）。
本文涉及与提示工程相关的一个重要主题：自动优化提示。尽管我们在这本书中并未深入讨论这个主题，但如果您对此感兴趣，以下是一些关键文章。
-
Prompt-OIRL[18]：提出使用离线逆强化学习来生成查询相关的提示。
-
OPRO[19]: 介绍了使用 LLMs（大型语言模型）来优化提示的想法。例如，让 LLMs“深呼吸”可以提升数学问题的性能。
-
AutoPrompt[20]：提出了一种基于梯度引导搜索自动为各种任务创建提示的方法。
-
Prefix Tuning[21]：一种轻量级的微调替代方案，为 NLG（自然语言生成）任务添加一个可训练的前缀。
-
Prompt Tuning[22]：提出了一种通过反向传播学习软提示的机制。
6.2.8. ReAct 提示
Yao 等人，2022[23]介绍了一个名为 ReAct 的框架，其中 LLMs 生成交错推理轨迹和特定任务的动作。
生成推理轨迹允许模型归纳、跟踪和更新动作计划，甚至处理异常。动作步骤提供了与外部来源（如知识库或环境）交互和收集信息的能力。ReAct 框架可以使 LLMs 与外部工具交互，检索更多信息，从而得出更可靠和事实性的答案。
结果表明，ReAct 在语言和决策任务中可以超越几个最先进的模型。ReAct 还提高了 LLMs 的人类可解释性和可靠性。总体而言，作者发现最佳方法是将 ReAct 与思维链（CoT）结合使用，这允许使用推理过程中获得的内部知识和外部信息。
它究竟是如何工作的？ReAct 受到“行动”和“推理”之间协同作用的启发，这种协同作用使人类能够学习新任务并做出决策或推理。思维链（CoT）提示已经证明了 LLMs 执行推理任务和生成涉及算术和常识推理等问题答案的能力（Wei 等人，2022[24]）。然而，它们无法访问外部世界或无法更新其知识可能导致事实幻觉和错误传播等问题。
ReAct 是一个结合推理和动作与 LLMs 的通用范式。ReAct 提示 LLMs 为任务生成口头推理轨迹和动作。这允许系统进行动态推理，在创建、维护和调整动作计划的同时，与外部环境（例如维基百科）交互，将更多信息纳入推理。下方的图 12 是 ReAct 和回答问题的步骤示例。
在以下示例中，我们传递一个如下问题类似的提示：
提示 - 除了 Apple Remote 之外，还有哪些设备可以控制 Apple Remote 最初设计用于接口的软件？
图 12. 图片来源：姚等，2022 年。
应注意，提示中也添加了上下文示例，但为了简化，我们在此省略。我们可以看到，模型生成了任务解决轨迹（思考，行动）。Obs 对应于与环境交互的观察（例如，搜索引擎）。ReAct 可以检索信息以支持推理，而推理有助于确定下一步要检索什么。
为了演示 ReAct Prompting 的工作原理，让我们跟随文章中的一个例子。第一步是从训练集中选择案例（例如，HotPotQA）并在 ReAct 格式中组成轨迹。这些被用作提示中的少样本示例。轨迹由多个思考-行动-观察步骤组成，如图上所示。自由形式的思考执行不同的任务，例如分解问题、提取信息、进行常识或算术推理、指导搜索的制定以及综合最终答案。以下是一个 ReAct 提示示例的例子（从文章中获取并简化为单个实例以简化说明）：
提示
问题：科罗拉多造山带的东部地区延伸到该地区的海拔范围是多少？
思考 1：我需要查找科罗拉多造山带，找到科罗拉多造山带东部地区延伸到的区域，然后找到该区域的海拔范围。
行动 1：搜索[科罗拉多造山带]。
观察结果 1：科罗拉多造山带是科罗拉多及其周边地区山脉形成（造山运动）的一个阶段。
思考 2：它没有提到东部地区。所以我需要查找东部地区。
行动 2：搜索[东部地区]。
观察结果 2：（结果 1/1）东部地区延伸到大平原，被称为中部平原造山带。
思考 3：科罗拉多造山带的东部地区延伸到大平原。所以我需要查找大平原并找到其海拔范围……
行动 3：搜索[大平原]。
评论 3：大平原指的是两个不同的陆地区域之一。
应注意，对于其他类型的任务，使用了不同的提示配置。对于推理是主要重要性的任务（例如，HotPotQA），使用多个思考-行动-观察步骤用于任务解决路径。对于涉及许多行动步骤的决策任务，思考的使用更为零散。
论文首先评估了 ReAct 在知识密集型推理任务上的表现，例如问答（HotPotQA）和事实核查（Fever）。PaLM-540B 被用作 Prompting 的基础模型。
图 13. 图片来源：姚等，2022 年。
使用不同提示方法在 HotPotQA 和 Fever 中产生的提示结果表明，ReAct 在两项任务中通常比仅涉及 Act 的 Act 表现更好。
我们还可以观察到 ReAct 在 Fever 中优于 CoT，在 HotPotQA 中落后于 CoT。文章中提供了详细的错误分析。总之：
-
CoT 受到事实幻觉的影响。
-
ReAct 的结构限制降低了其在制定推理步骤方面的灵活性。
-
ReAct 严重依赖于它检索到的信息；无信息搜索结果会破坏模型的推理，使其难以恢复和重新构思思想。
-
结合并支持在 ReAct 和 CoT+Self-Consistency 之间切换的提示方法通常优于所有其他提示方法。
论文还展示了 ReAct 在决策任务上的性能结果。ReAct 在两个基准上进行评估：ALFWorld（一个基于文本的游戏）和 WebShop（一个在线购物网站环境）。两者都涉及需要推理以有效行动和探索的复杂环境。
应该注意的是，ReAct 的提示针对这些任务设计不同，同时保持结合推理和行动的相同核心思想。以下是一个示例 ALFWorld 问题中的 ReAct 提示的图 14。
ReAct 在 ALFWorld 和 WebShop 中都优于 Act。Act 没有任何思考，无法正确地将目标分解为子目标。在这些类型的任务中，推理似乎在 ReAct 中具有优势，但基于提示的当前方法在这些任务上的性能仍然远低于人类专家。请参阅文章以获取更多详细结果。
图 15. QR 个人提示收藏
7.2.2. +2,500 个 ChatGPT 提示
质量比数量更重要。因此，我建议使用上一节中提供的提示。然而，我有一个包含超过 2,500 个提示的模板，按类别组织，为那些寻求更多提示以供灵感和直接使用的人提供。这个令人印象深刻的收藏是由流行的生产力应用 Notion 的开发者 Ignacio Velasquez 创建的。
在这里，你可以找到许多类别：农业、博客写作、商业、名人新闻、代码解释等等。每个类别都有各种提示，其中一些提供超过 100 个选项。无论你需要关于金融或食品的写作灵感，想要探索虚构世界，还是对电子邮件营销感兴趣，这个网站都有适合每个人的内容。该网站设计得易于使用。你可以按类别搜索，过滤结果，并根据需要排序。每个类别还包括直接链接，让你可以轻松访问提示。例如，如果你对内容创作感兴趣，可以查看“内容创作框架”部分，其中包含 21 个现成的提示。如果你更关注 Facebook 广告，那么“Facebook 广告文案”部分提供了 15 个提示，帮助你制作有效的广告。
图 16. Notion 中的 QR +2500 提示
简而言之，这个仓库是任何使用 ChatGPT 并寻找提示灵感的用户的金矿。所以，探索并发现 Ignacio Velasquez 为您准备的所有内容！
第七章
AI 的结论和未来
我们生活在一个迷人的时代，在这个时代，AI 正成为我们生活的一个不可或缺的部分。大型科技公司正在越来越多地投资这项技术，它对我们职业和整个世界的影响是无可否认的。但未来会怎样，我们如何反思 AI 对我们社会的影响呢？
AI 已被证明是帮助不同领域的许多专业人士的强大工具，使效率和生产率更高。正如我们在本书中所见，AI 工具可以帮助开发者更快、更高效地编写代码。在新闻业，AI 可以简化信息收集和分析，而在法律领域，它可以提供支持。它可以帮助医生更准确地诊断疾病并制定有效的治疗方案。尽管如此，我们必须记住，AI 不能完全取代许多职业中所需的人类触感和批判性判断。专业人士必须继续运用他们的判断力，依靠他们的经验来确保最佳和道德的结果。
这种在各个领域的日益增长的实用性是 AI 在近年来数十年的努力和研究后取得的惊人进步的结果。以这种速度，它很快就能解释多种形式的交流，如文本、图像和音频。
我们必须记住，人类几乎所有的知识都是书面或视觉的。从最早的洞穴壁画到最新的 AI 研究论文，这是我们传递文明间知识和智慧的方式。因此，我们可以肯定，如果 AI 继续以这种速度发展，它将能够精确理解人类语言，更重要的是，它将能够进行推理，甚至达到超人类水平。如果到了那时，我们让 AI 无限制地与世界互动，技术可能会超出我们的理解，这可能会引起对其对人类影响的担忧。这就是为什么，随着这项技术的发展，关于其对经济和人们生活的影响的新问题和担忧不断出现。
现在，人工智能对日常生活产生了重大影响，其潜在的能力改变资本主义的经济和社会结构，带来了我们必须面对的重大挑战。正如工业革命期间，商品生产的自动化取代了许多农业和手工艺制造业的工人一样，由人工智能驱动的自动化可能会取代特定行业的工人，导致失业人数大幅增加。这一次，不是低技能的工作被取代，而是高技能的工作将被取代。
虽然在工业革命期间，确实出现了工作岗位的丧失，同时也创造了新的就业机会；但这种情况在人工智能领域也在发生，人工智能远未消除工作岗位；它创造了新的工作。例如，“请求工程师”这一角色，其职责是设计和制定具体的问题或指令，以引导像 ChatGPT 这样的 AI 模型，使其提供高质量和准确的答案或结果。
我们知道人工智能可以提高效率和降低成本，但最初看似合理的事情，在更仔细的检查下可能需要改进。资本主义基于对人类劳动和努力的重视。公司之间的竞争推动创新和生产效率，从而产生财富和经济增长。如果我们把一台执行以前仅限于人类任务的机器加入等式中，结果可能是不可预测的，因为它将迅速且低成本地创造大量知识，从而以前所未有的方式提高效率。
当公司采用提高效率的技术时会发生什么？由于他们目前无法假设所有产品的需求都足够，他们会减少雇佣的工人数量，以增加利润，而不会显著增加总产量。这种情况会导致财富更加集中在能够更有效地利用这些技术的少数公司手中。
人工智能算法正在渗透到每个角落，可用于员工选拔过程、贷款发放，甚至司法行政中的决策，这可能导致不公平或不经意的歧视。这些伦理和社会问题突出了负责任地解决人工智能带来的挑战的重要性。
总之，人工智能的未来充满希望，但也充满了不确定性和挑战。随着我们进入这个新时代，解决这些担忧至关重要，我们需要共同努力，确保人工智能被道德和负责任地使用。只有这样，我们才能最大限度地发挥人工智能的潜力，确保所有人都有一个光明和繁荣的未来。
参考文献
-
Kumar, V. (2022, January 11). These 8 potential use cases of ChatGPT will blow your mind. Analytics India Magazine. Retrieved from https://analyticsindiamag.com/these-8-potential-use-cases-of-chatgpt-will-blow-your-mind/
-
Springboard (2021, August 31). ChatGPT 革命。来自 https://www.springboard.com/blog/news/chatgpt-revolution/
-
Crist, C. (2021, November 29). 最棒、最差、最有趣、最荒谬等的 ChatGPT 回复。Medium。来自 https://medium.datadriveninvestor.com/the-best-worst-funniest-most-absurd-etc-chatgpt-responses-9094dda976fb
-
Tech News. (2022, January 25). 什么是 ChatGPT，是否是时候告别谷歌搜索引擎了？来自 https://tech.news.am/eng/news/689/what-is-chatgpt-and-is-it-time-to-say-goodbye-to-google-search-engine.html
-
OpenAI (n.d.). 示例 - OpenAI API。来自
beta.openai.com/examples/ -
Martinez, A. (2019, October 3). 大全：71 项 AI 工具，告诉我你需要什么，我会告诉你哪些 AI 是最好的。Xataka。来自 https://www.xataka.com/basics/mega-guia-71-herramientas-inteligencia-artificial-dime-necesitas-te-digo-que-ias-mejores
-
OpenAI (2021, October 6). ChatGPT：一种用于聊天的生成模型。来自 https://openai.com/blog/chatgpt
-
OpenAI (n.d.). OpenAI 游乐场。来自 https://platform.openai.com/playground/
-
OpenAI (n.d.). GPT-4. 来自 https://openai.com/product/gpt-4
-
(n.d.). 当前最广泛使用的 5 种 AI。来自
blogthinkbig.com/5-ias-mas-utilizadas-en-la-actualidad -
Hugging Face (n.d.). Transformers 文档。来自 https://huggingface.co/docs/transformers/index
-
GPT-3 创意写作 (n.d.). GPT-3 演示。来自 https://gpt3demo.com/
-
Hernandez, J. (2023, January 6). OpenAI 首席执行官回应埃隆·马斯克关于 AI 风险的信件。Merca20. 来自 https://www.merca20.com/ceo-de-openai-responde-a-carta-de-elon-musk-sobre-riesgo-de-ia/
-
Udemy (n.d.). ChatGPT 完全指南 - ChatGPT 强化，ChatGPT Plus，GPT4 AI。来自 https://www.udemy.com/course/chatgpt-complete/
-
Emprende Aprendiendo (n.d.) 什么是 ChatGPT 插件？来自 https://emprendeaprendiendo.com/que-son-los-pluggins-de-chatgpt
-
La Razón (2022, October 5). 意大利临时禁止 ChatGPT AI。来自 https://www.larazon.es/tecnologia/20221005/t6xl4l8e7fg6zjm5i5eq5w5gmu.html
-
Sanchez, D. (2022, October 5). 意大利因违反 GDPR 禁止 ChatGPT：这一举措在欧洲投下了疑云。Xataka。来自 https://www.xataka.com/legislacion-y-derechos/italia-prohibe-chatgpt-infringir-gdpr-movimiento-que-vierte-sombra-duda-toda-europa
-
BBC News World (2018, July 18). 超过 1,000 名专家联名呼吁限制人工智能作为“对人类构成的威胁”的信件。来自 https://www.bbc.com/mundo/noticias-44890160
-
Gates, B. (2021, November 15). 人工智能时代已经到来。先锋报。来自 https://www.lavanguardia.com/tecnologia/20211115/7831794/edad-inteligencia-artificial-comenzado-bill-gates.html
-
Serrano, A.（2022 年 9 月 21 日）。7/10 的人在工作中使用 ChatGPT 而老板不知道。Business Insider 西班牙。检索自 https://www.businessinsider.es/7-10-personas-usan-chatgpt-trabajo-que-sepan-jefes-938327
-
Fishbowl（2022 年 9 月 21 日）。70% 的在工作场所使用 ChatGPT 的员工没有告诉他们的老板。检索自 https://www.fishbowlapp.com/70-percent-of-workers-using-chatgpt-at-work-are-not-telling-their-boss
-
当前在线学习（未注明日期）。在学校中使用 ChatGPT。检索自 https://www.elearningactual.com/uso-de-chatgpt-en-las-escuelas
-
LinkedIn（未注明日期）ChatGPT 在教学中的应用？将其整合到所有学生工作中。检索自 https://www.linkedin.com/posts/ángel-gonzález-álvarez_chatgpt-en-enseñanza-integrando-su-uso-activity-6858255752278446080-S0Kj
-
Martínez, A.（2022 年 10 月 10 日）。14 个最佳的 ChatGPT 扩展程序：通过将其集成到您的浏览器中，充分利用流行的 AI。Genbeta。检索自 https://www.genbeta.com/navegadores/14-mejores-extensiones-para-chatgpt-exprime-opciones-inteligencia-artificial-moda-integrandola-tu-navegador
-
Twelve Rays Agency（2022 年 10 月 2 日）。您需要检查的 10 个最佳 ChatGPT Chrome 扩展程序。检索自 https://twelverays.agency/blog/top-10-best-chatgpt-chrome-extensions-you-need-to-check-out
-
OpenAI（2021 年 9 月 30 日）。ChatGPT 插件。检索自 https://openai.com/blog/chatgpt-plugins
-
The Fig Co（未注明日期）。YouTube 统计数据。检索自 https://es.thefigco.com/youtube/estadisticas
-
Forbes 阿根廷（2022 年 8 月 4 日）。独家访谈：OpenAI 首席执行官，人工智能可以打破资本主义。检索自 https://www.forbesargentina.com/innovacion/entrevista-exclusiva-ceo-openai-la-inteligencia-artificial-puede-romper-capitalismo-n29018
-
Communia（未注明日期）。人工智能。检索自
es.communia.blog/inteligencia-artificial -
Genbeta（2022 年 1 月 25 日）。OpenAI 首席执行官对埃隆·马斯克关于人工智能风险的信件的回应：冷静，但密切关注风暴。检索自 https://www.genbeta.com/actualidad/ceo-openai-reacciona-a-carta-elon-musk-riesgo-inteligencia-artificial-tranquilo-ojo-huracan
-
Forbes 科技委员会（2023 年 2 月 7 日）。几乎任何公司都可以使用 ChatGPT 提高业绩和生产力。检索自 https://www.forbes.com/sites/forbestechcouncil/2023/02/07/how-almost-any-company-can-use-chatgpt-to-boost-performance-and-productivity/
-
MakeUseOf（未注明日期）。使用 OpenAI 的 ChatGPT 的创意方式。检索自 https://www.makeuseof.com/creative-ways-to-use-chatgpt-openai/
关于作者
帕布洛·塔皮亚斯·坎托斯是一位对人工智能和机器学习有深厚热情的高级工业工程师。作为畅销书《三天精通 ChatGPT》的作者，他致力于为广泛受众普及这项技术的应用。作为培训者和传播者，他与几家西班牙大学合作，教授关于 AI 应用的课程和研讨会，特别是在自然语言处理领域。
帕布洛不仅在教育领域表现出色，在专业领域也取得了卓越成就，他在股票预测方面开发了机器学习算法。在他的硕士论文中，他实施了一个预测系统，通过高级 AI 模型改进库存管理，展示了他将理论概念应用于实际和实用解决方案的能力。
致力于持续发展，帕布洛紧跟这个不断发展的领域，将最新的创新融入他的项目中，并寻找将 AI 应用于提高效率和增强项目自动化的方法。
只有一件事要再说...
您的意见至关重要！如果这本书照亮了您在 AI 世界的道路，我们想了解这一点！您在亚马逊上的评论不仅让我们感到自豪，而且成为未来渴望知识的读者的指南。您的每一句话都有助于形成一个共同庆祝学习和探索 AI 的社区。
作为一位作者，您的评论是我的灵感和指南。我致力于阅读每一篇评论，吸收您的观点，以进一步丰富未来的版本。我如何贡献？很简单：访问书籍的亚马逊页面，选择“写评论”，并分享让您产生共鸣的内容。无论多简短；即使是关于您最喜欢的书籍部分或它为您开辟了新视野的几句话，都极具价值。
我们衷心感谢您分享经验所花费的时间和精力——感谢您成为这个探索 AI 世界的旅程的一部分，并帮助我们丰富日益增长的爱好者社区！
总是保持最新状态！
扫描二维码加入我们的独家社区。
收到书籍更新，
额外内容和惊喜。
| 道路 | 连接 |
|---|
浙公网安备 33010602011771号