image.png

〇、導言

隨著人工智能技術(shù)的迅猛發(fā)展，大語言模型（LLM）以微軟 OpenAI 為代表，初次問世，為新一次的 AI 革命打響了第一槍。在短短的幾個月內(nèi)，GPT-3.5 和 GPT-4 的加持下，New Bing、Copilot、Cursor 等產(chǎn)品也相繼問世，推動了產(chǎn)品開發(fā)的新思路。國內(nèi)廠商也緊隨其后，百度文心一言、華為盤古大模型、阿里通義千問、訊飛星火認知大模型相繼發(fā)布。

我們現(xiàn)在可以通過與 AI 進行對話來獲取各種信息和解決問題。但想要獲得更準確、有用的回答，我們需要掌握如何向 AI 提問的技巧和方法。本文將探討一些技巧，幫助您在與 ChatGPT 和其他類 ChatGPT 的大語言模型對話時更加有效且高效。

一、Base LLM 與 Instruction Tuned LLM

在開始之前，我覺得獲取有必要向大家講解一個關(guān)于 Base LLM（基礎(chǔ)大語言模型）與 Instruction Tuned LLM（指令調(diào)整型大語言模型）的知識點，來幫助大家更好地了解大家更好了解之后的內(nèi)容。如果你對 Base LLM 與 Instruction Tuned LLM 有一定的了解，可以跳過這部分來加速閱讀完這篇文章。

Base LLM（Base Language Model）是指大型語言模型的基礎(chǔ)版本。這些模型具有廣泛的語言理解和生成能力，能夠生成連貫、有邏輯的文本回答，并在部分任務和應用中展現(xiàn)出強大的表現(xiàn)；最常見的應用就是文章續(xù)寫，大家可能見過的應用比如早期 github 上的狗屁不通生成器、夸克瀏覽器中的 AI 作文靈感生成器、不少人喜歡拿來寫文案的秘塔寫作貓。

image.png

然而，盡管Base LLM在很多方面表現(xiàn)出色，它們?nèi)匀淮嬖谝恍┚窒扌?。比如訓練?shù)據(jù)大多都是來自于互聯(lián)網(wǎng)，社交平臺等易于獲取的數(shù)據(jù)，Base LLM可能會在某些情況下給出不準確或不合適的回答。此外，它們在理解特定領(lǐng)域或任務相關(guān)指令時的表現(xiàn)也相對較弱；比如我要詢問 “安徽有哪些好玩的地方？”，根據(jù)所訓練的網(wǎng)絡(luò)數(shù)據(jù)的不同，Base LLM 生成的內(nèi)容可能會有 Answer 1 與 Answer 2 以下兩種結(jié)果：

• Answer 1，像是一些旅游推薦，搜索推薦所產(chǎn)生的的文本，不是特別符合我們的預期；
• Answer 2，像是出自一些旅游文章或者博客，比較符合我們的預期。

image.png

Base LLM 在生成內(nèi)容時，可能被一些不確定的數(shù)據(jù)所污染，導致產(chǎn)生的結(jié)果并不是我們所預期的結(jié)果。為了克服這些限制，研究人員提出了Instruction Tuned LLM（指令調(diào)整型語言模型）。Instruction Tuned LLM是一種經(jīng)過專門優(yōu)化以更好地理解和執(zhí)行指令的語言模型。它們通過額外的訓練和微調(diào)，針對特定任務或領(lǐng)域進行了特定的優(yōu)化。

與Base LLM相比，Instruction Tuned LLM在特定任務上的性能和準確性更高。它們能夠更好地理解并執(zhí)行給定的指令，生成更符合特定任務需求的回答。通過對模型進行精細調(diào)整和針對性訓練，Instruction Tuned LLM可以提供更加定制化和個性化的輸出。

需要注意的是，Instruction Tuned LLM通常需要更多的訓練數(shù)據(jù)和計算資源來進行優(yōu)化，因此在實際應用中可能會受到一些限制。此外，對于不同的任務和領(lǐng)域，可能需要針對性地進行模型調(diào)整和優(yōu)化。

總而言之，Base LLM是大型語言模型的基礎(chǔ)版本，具備廣泛的語言理解和生成能力。而 Instruction Tuned LLM是通過針對特定任務和領(lǐng)域進行優(yōu)化的版本，能夠提供更加定制化和個性化的輸出。這兩種模型在不同的應用場景中發(fā)揮著重要的作用，并為人工智能技術(shù)的發(fā)展帶來了更多的可能性。接下來，我們以較為成熟的 ChatGPT，來講一下如何有效的向 AI 提問。

二、如何提出有效的問題 ？

How To Ask Questions The Smart Way? 向別人提問一直是一門藝術(shù)，向 AI 提問也是如此；有效的問題能夠更容易獲得你想要的答案，下面就來從語義方面簡單講一下如何向 AI 提出有效的問題。

1. 明確問題：

在向AI提問之前，要先明確自己的問題。盡量用簡潔、清晰的語言表達問題的核心。如果問題過于寬泛或含糊不清，AI可能會給出模糊或不相關(guān)的回答。下面給出幾個例子便于大家理解：

• 不明確的問題： "最近的電影有什么好看的？"
• 明確的問題： "請推薦一些最近上映的懸疑電影。"

• 不明確的問題： "如何學好外語？"
• 明確的問題： "我想學習法語，你有什么建議和資源推薦嗎？"

• 不明確的問題： "旅游的最佳時間是什么時候？"
• 明確的問題： "我計劃去巴黎旅游，你能告訴我巴黎的最佳旅游季節(jié)嗎？"

通過將問題具體化和明確化，AI可以更好地理解您的需求并給出更有針對性的回答。確切的問題有助于AI系統(tǒng)準確定位并提供您真正需要的信息，從而提高對話的效果和滿意度。

2. 簡明扼要：

AI 喜歡簡潔明了的問題。避免冗長的描述和復雜的句子結(jié)構(gòu)。用簡單直接的語言表達問題，可以提高AI理解問題的準確性。例如，

• 冗長的問題： "我在這個城市有一個會議，我需要一個在市中心附近、價格適中的酒店，帶有免費早餐和免費停車場的。你能推薦一些嗎？"
• 簡明的問題： "請推薦一個價格適中、位于市中心的酒店，帶免費早餐和免費停車場。"

• 冗長的問題： "我對新聞感興趣，尤其是科技和娛樂方面的新聞。你有什么推薦的新聞源嗎？"
• 簡明的問題： "請推薦一些科技和娛樂新聞源。"

• 冗長的問題： "我在學習編程，我想知道最好的在線編程課程是什么，哪個平臺有最好的編程教學資源？"
• 簡明的問題： "請推薦一些在線編程課程和優(yōu)質(zhì)的編程教學平臺。"

通過使用簡潔明了的語言，您可以讓問題更易于理解和處理。這有助于AI系統(tǒng)更好地捕捉到您問題的核心，提供更相關(guān)和準確的回答。避免過多的細節(jié)和復雜的句子結(jié)構(gòu)，有助于提高交流的效率和準確性，使您與AI的對話更加流暢和順利。

3. 避免二義性：

確保您的問題不會引起歧義或模棱兩可的回答。AI可能會根據(jù)您的問題字面意思進行回答，而忽略其中的潛在含義。如果您的問題有多種解釋，請?zhí)峁└嗌舷挛男畔⒁员苊饣煜?。下面是一些例子?/p>

• 二義性問題： "請告訴我有關(guān)蘋果的信息。"
• 避免二義性： "我對蘋果公司感興趣，你能提供一些關(guān)于其歷史和產(chǎn)品的信息嗎？"

• 二義性問題： "這部電影好看嗎？"
• 避免二義性： "你個人認為這部電影是否值得觀看？"

• 二義性問題： "明天的天氣怎么樣？"
• 避免二義性： "請告訴我明天早上8點在紐約的天氣預報。"

在避免二義性問題時，需要提供足夠的上下文或具體細節(jié)，以確保AI能夠正確理解您的意圖。通過明確指定對象、時間、地點等關(guān)鍵信息，可以避免不必要的歧義和混淆。盡量將問題的背景和條件清晰地傳達給AI，以便它能夠提供更準確和有針對性的回答。

記住，AI系統(tǒng)是基于輸入的信息來進行處理和生成回答的，所以提供清晰明了的問題有助于AI準確地理解您的意圖，從而提供更好的回答和幫助。

4. 避免絕對化的問題：

AI通常不能提供關(guān)于絕對真理的回答。避免使用諸如“永遠”、“最好的”或“最適合”的絕對化詞匯。相反，盡量以更加客觀和相對的方式提問，以便AI可以給出更有用的答案。

避免絕對化問題是確保與AI交流準確性的關(guān)鍵，以下是一些舉例來說明如何避免絕對化問題：

• 絕對化問題： "什么是世界上最好的手機？"
• 避免絕對化： "請介紹一些當前市場上受歡迎的手機品牌和型號。"

• 絕對化問題： "哪個城市是全球最美麗的城市？"
• 避免絕對化： "你能推薦一些風景優(yōu)美的城市嗎？"

• 絕對化問題： "什么是最有效的減肥方法？"
• 避免絕對化： "你有一些建議來幫助我減肥嗎？"

避免使用諸如"最好的"、"最適合"、"永遠"等絕對化的詞匯，因為AI通常無法給出關(guān)于絕對真理的回答。相反，通過使用相對性的表達方式，可以讓AI提供更具有客觀性和實用性的答案。詢問用戶個人意見、建議或提供一些可選項和不同的觀點，可以幫助AI給出更靈活和有用的回答。

5. 利用引導詞：

在提問時，可以使用一些引導詞來指導AI的回答。例如，使用“如何”、“為什么”、“哪個”等引導詞可以引導AI提供更詳細和有針對性的回答。這樣可以幫助您更好地理解問題的背景和答案的原因。

利用引導詞可以幫助您引導AI的回答，使其更加詳細和有針對性。以下是一些舉例來說明如何利用引導詞：

• 引導詞："如何"
• 問題："如何學習一門新的編程語言？"
• 這個引導詞可以引導AI提供關(guān)于學習編程語言的步驟、資源或技巧的回答。

• 引導詞："為什么"
• 問題："為什么鍛煉對身體健康很重要？"
• 這個引導詞可以引導AI解釋鍛煉對身體健康的益處、影響或科學原理。

• 引導詞："哪個"
• 問題："在紐約市，哪個博物館是最受歡迎的？"
• 這個引導詞可以引導AI提供關(guān)于紐約市最受歡迎博物館的信息和評價。

通過使用不同的引導詞，您可以調(diào)整問題的語氣和期望的回答類型。這些引導詞可以指示AI提供指導、解釋、推薦或比較的回答，以滿足您的具體需求和意圖。根據(jù)您的問題，選擇適當?shù)囊龑г~可以幫助AI更好地理解您的問題，并提供更加有針對性和詳細的回答。

需要注意的是，引導詞只是一種提示方式，AI仍然根據(jù)其訓練和模型來生成回答，所以結(jié)果可能因模型的理解和數(shù)據(jù)限制而有所差異。

6. 檢查語法和拼寫：

在與AI對話之前，檢查您的問題的語法和拼寫錯誤。雖然AI可以理解一些錯誤拼寫或語法錯誤，但確保問題清晰、準確無誤可以提高回答的質(zhì)量和效果。

7. 追問細節(jié)：

有時候AI可能無法準確理解您的問題或需求。如果您得到的
ChatGPT 回答不完全符合您的期望，可以追問一些細節(jié)來進一步澄清。通過進一步的對話和交流，您可以與AI建立更好的理解和溝通，從而得到更準確的回答。以下是一些進行追問細節(jié)的例子：

• 原始問題： "我正在計劃去旅行，你有什么建議？"
• 回答： "您可以考慮去歐洲或亞洲旅行。"
• 追問： "對于歐洲和亞洲，你能給我一些具體的目的地建議嗎？"

• 原始問題： "我想買一本好書，有什么推薦的嗎？"
• 回答： "您可以試試《1984》或《人類簡史》。"
• 追問： "這兩本書的主題是什么？"

• 原始問題： "我需要一份健康的早餐食譜。"
• 回答： "您可以嘗試燕麥片和水果的組合。"
• 追問： "你還有其他關(guān)于健康早餐的建議嗎？"

通過追問細節(jié)，您可以向AI提供更具體和詳細的信息需求，以獲取更加準確和個性化的回答。這樣可以幫助AI更好地理解您的意圖，并提供更符合您具體需求的建議或答案。

需要注意的是，AI的回答可能基于其訓練數(shù)據(jù)和模型的限制，可能無法滿足所有細節(jié)要求。在進行追問細節(jié)時，要根據(jù)AI的回答和能力來判斷何時需要進一步追問或調(diào)整問題，以使對話更加有意義和有用。

三、如何將提問的內(nèi)容進行應用？

最近，300 + ChatGPT Prompts 火遍全網(wǎng)，通過這些總結(jié)后的提示詞，我們能更方便的獲取自己想要的內(nèi)容，并將其用到應用開發(fā)上。在這之前，我們先來講述一下如何使用 Python 進行 ChatGPT 相關(guān)內(nèi)容的開發(fā)。

• 英文版 ChatGPT Prompts：https://github.com/f/awesome-chatgpt-prompts
• 中文版 ChatGPT Prompts：https://github.com/PlexPt/awesome-chatgpt-prompts-zh

1. API 的基本使用

首先，我們要先使用 pip 下載 openai 組件，之后創(chuàng)建一個 Python 文件：

配置部分只需要兩句話，首先導入 openai 包，然后配置 openai 的 api_key，我這里不方便展示 api_key，所以把 api_key 配置到環(huán)境變量再通過 os 獲取。

import openai   # 導入 openai 包
import os

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

openai.api_key = os.getenv('CHATGPT_KEY')   # 配置 openai 的 api_key 

接下來是一個函數(shù)，用來向 openai 請求數(shù)據(jù)，復制即可

def get_completion(prompt, model="gpt-3.5-turbo"):
    messages = [{"role": "user", "content": prompt}]
    response = openai.ChatCompletion.create(
        model = model,
        messages = messages,
        temperature = 0,
    )
    return response.choices[0].message["content"]

完成上述的操作后，便可以開始接下來的內(nèi)容。

2. 格式化輸出 ？

眾所周知，ChatGPT 可以編寫代碼；ChatGPT 可以做的更多，只要進行合適的提問，ChatGPT 可以幫你輸出 JSON、HTML、表格等等內(nèi)容。下面舉個例子來演示一下：

下面是我編寫的一段 Prompt，通過這個 Prompt 可以生成 JSON 格式的數(shù)據(jù)

prompt = f"""
生成一個列表，其中包含三個虛構(gòu)的書名以及它們的作者和類型。

以JSON格式提供以下鍵:
Book_id，Book_name，author，genre。
"""

response = get_completion(prompt)
print(response)

image.png

可以看到，ChatGPT 將數(shù)據(jù)以 JSON 格式展示了出來；接下來，改變關(guān)鍵詞，分別修改成了以 HTML 、表格以及 SQL 的形式獲得數(shù)據(jù)，結(jié)果如下：

HTML 格式：

image.png

表格 格式：

image.png

SQL 語句：

image.png

3. 角色扮演 ？

角色扮演？相信大家在童年時都玩過吧，不知道大家以前是扮演老師、奧特曼還是喜羊羊。而細看 300 + ChatGPT Prompts，其實就是一個角色扮演的過程，這些 Prompts 的前幾句都是 “I want you to act as ...”（我想讓你扮演...），而使用角色扮演的方式來進行 ChatGPT 的提問可以更好的代入情景，獲得更好的回答結(jié)果。

image.png

值得注意的是，ChatGPT 雖然可以扮演很多東西，但還是盡量扮演許多更加有用且廣為人知的職業(yè)或者東西，比如老師、花店老板、智能助理等等，而不是一些過于具體的動漫人物或者是一些過于抽象的人物，因為在訓練模型時，可能會將動漫人物的名稱當作一個詞，而不是當作一個名字進行訓練。

4. (應用) 十詞成文助記單詞

作為一個學生，我經(jīng)常會有背單詞的需求，然而市面上大多的背單詞軟件僅有拼寫、選詞等背單詞方法，功能單一，且使用這些功能很難記住單詞；因此不少背單詞軟件開始訓練模型來實現(xiàn)選詞成文的功能，使大家更容易記住單詞。但這些記單詞軟件所生成的文章會有邏輯錯誤，背誦時會很拗口，所以就會想到使用 ChatGPT 來實現(xiàn)該功能。

image.png

這里我先存儲了 10 個單詞，并在 prompt 中限制了生成單詞的數(shù)量，在應用開發(fā)過程中你還可以加入更多豐富的東西，比如生成文章的風格（科幻、古風、穿越等等），生成文章的題材（詩歌、小說、議論、散文等等），以此來提供更多選項來給客戶更豐富的體驗。下面是代碼以及輸出結(jié)果：

代碼：

words = ['apple', 'person', 'wind', 'history', 'author', 'boil', 'science', 'hunger', 'fiction', 'fantasy']
prompt = f"""
使用十個單詞生成一段話，字數(shù)在100詞以內(nèi)。

十個單詞如下：
'''{words}'''
"""

response = get_completion(prompt)
print(response)

結(jié)果：

The author wrote a fiction book about a person who loved apples. The story was set in a world where the wind never stopped blowing, causing hunger and hardship for the people. The protagonist, who was a scientist, discovered a way to boil the wind and turn it into energy. This discovery changed the course of history and brought prosperity to the land. However, the author also introduced a fantasy element to the story, where magical apples grew on trees that could cure any ailment. The person in the story embarked on a quest to find these apples and save their loved ones.

（翻譯后：作者寫了一本關(guān)于一個愛吃蘋果的人的小說。故事發(fā)生在一個風不停刮的世界里，給人們帶來了饑餓和困苦。主人公是一位科學家，他發(fā)現(xiàn)了一種將風煮沸并將其轉(zhuǎn)化為能量的方法。這一發(fā)現(xiàn)改變了歷史的進程，給這片土地帶來了繁榮。然而，作者也在故事中引入了幻想元素，在那里，樹上長著神奇的蘋果，可以治療任何疾病。故事中的人開始尋找這些蘋果，拯救他們所愛的人。）

5. (應用) AI 腦圖生成器（Chat MindMap）

思維腦圖，在大家整理閱讀資料，梳理腦海中的內(nèi)容的時候總是會用到，也算是日常學習科研生活中必不可少的一項工具。當文本字數(shù)較多時，整理腦圖可能是一件非常麻煩的事，比如我這樣懶的人可能會想著有一個提前生成好的腦圖，我只需要在上面簡單修改；或者 AI 直接生成一份腦圖，而我只需按照腦圖整理知識內(nèi)容。

下面是關(guān)于 AI 腦圖生成器的簡單講述。

text 是我所描述的一串文本，而接下來的過程，通過我所描述的一段 prompt，ChatGPT 將分析我所描述的 text 文本，并將其轉(zhuǎn)換成 OPML 文件適用的 XML 語言

# 文本轉(zhuǎn)化為 OPML 語言
text = '我的手里有三種物品。一種是水果，可能是蘋果、香蕉、梨子；一種是蔬菜，可能是胡蘿卜、青菜、土豆；一種是零食，可能是辣條、薯片、可樂。請分析我手里的三種物品是什么。'
prompt = f"""
You are a smart mind map software in OPML format, which analyzes text and convert text into OPML language. \
The text after analyzed should be detailed, and divide the text into as many branches as possible; Then you could start to convert text into OPML language.\
OPML language after converted should have <?xml version="1.0" encoding="UTF-8"?>,<opml version="1.0">,<head>,<body>、<outline> and any other OPML label.And the outer <outline> label should be the title of converted OPML language, so the most outer <outline> should be deleted./

The text to be analyzed is as follows, please divide it into details and convert it into OPML language:
'''{text}'''
"""

response = get_completion(prompt)
print(response)

根據(jù)我所描述的文本生成的 opml 代碼如下，

<?xml version="1.0" encoding="UTF-8"?>
<opml version="1.0">
    <head>
        <title>我的手里有三種物品</title>
    </head>
    <body>
        <outline text="我的手里有三種物品">
            <outline text="一種是水果">
                <outline text="可能是蘋果"/>
                <outline text="可能是香蕉"/>
                <outline text="可能是梨子"/>
            </outline>
            <outline text="一種是蔬菜">
                <outline text="可能是胡蘿卜"/>
                <outline text="可能是青菜"/>
                <outline text="可能是土豆"/>
            </outline>
            <outline text="一種是零食">
                <outline text="可能是辣條"/>
                <outline text="可能是薯片"/>
                <outline text="可能是可樂"/>
            </outline>
        </outline>
    </body>
</opml>

緊接著，將 response 寫入到新創(chuàng)建的 opml 類型的中，寫入完成后使用幕布、MindManager 等能可以導入 OPML 的思維腦圖軟件導入你所創(chuàng)建完成的 OPML 腦圖文件即可看到 AI 生成的腦圖。

# 將內(nèi)容寫入 opml 文件
f = open(r'F:\test.opml','w', encoding='utf-8')
f.write(response)
f.close()

使用 MindManager 導入后的思維腦圖如下：

image.png

當然，如果你真的想要完成一個獨立的 AI 腦圖生成器（Chat MindMap），你可能需要實現(xiàn)一個獨立的 OPML 腦圖軟件，或者嘗試使用兼容 markdown 或其它開源輕量腦圖組件來完成自己獨立的項目。

四、總結(jié)

向AI提問是一個互動的過程，通過不斷的實踐和探索，我們可以進一步優(yōu)化和改進我們的提問技巧，使得與AI的對話更加流暢和有益，構(gòu)建更多豐富的應用程序。

希望本文的技巧和指導能夠?qū)δ谂cChatGPT和其他大語言模型進行對話時有所幫助，讓您能夠更好地利用AI技術(shù)解決問題和獲取信息。