ChatGPT最佳实践系列-第1篇

背景

OpenAI官方详细介绍了ChatGPT使用的最佳实践，不仅适用于使用ChatGPT网站进行直接对话的用户，还适用于通过OpenAI API接入的开发者。

掌握了这些最佳实践，就能更好地利用GPT大模型。

本文是ChatGPT使用最佳实践系列第1篇 – 提供清晰且明确的指令(write clear instructions)。

GPT大模型并不会读心术，需要你在提示词(prompt)里明确你的具体诉求，大模型才会提供最佳的回答。

• 如果大模型给的回答过长，你可以在prompt里告诉它你想要更简短的回答。
• 如果大模型给的回答过于简单，你可以在prompt里要求它提供专家水准一般的输出。
• 如果大模型给的回答格式你不喜欢，你可以在prompt里告诉大模型你想要的输出格式。

简而言之，GPT需要猜的东西越少，回答的效果越好。

接下来详细讲述6个具体的操作指引。

策略1：在prompt里提供细节

如果要让GPT给出你想要的结果，需要确保你的prompt里包含重要的细节，否则GPT模型需要猜测你想要的答案，那给出的结果就未必好了。

以下是一些具体示例，第一列为bad prompt，第二列为good prompt，大家可以对比感受下。

策略2：指定模型需要扮演的角色

OpenAI的Chat Completions API的messages参数可以通过指定role为system来告诉模型需要扮演的角色。

bash
复制代码
curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-3.5-turbo",
    "messages": [
      {
        "role": "system",
        "content": "You are a math genius."
      },
      {
        "role": "user",
        "content": "Hello!"
      }
    ]
  }'

例如，你希望GPT帮你做内容创作，创作的每段内容里包含至少一个笑话或俏皮的评论。

那system可以按如下示例设计：

可以在这个链接里看效果：Open in Playground

策略3：用分隔符来明确prompt的结构

分隔符可以方便大模型更精确识别prompt里的不同组成部分，回答效果更好。

参考示例：

例子1:

例子2：

例子3：

对于一些很简单的任务，加分隔符前后效果可能不明显。

但是对于一些复杂的任务，比如很长的的prompt，加分隔符可以让GPT精确识别到每部分的结构，回答效果会更好。

策略4：指定完成本项任务需要的步骤

有些任务是可以分步拆解的，明确告诉GPT要执行的每个步骤可以让回答效果更好。

比如上面的例子，GPT的回答就会根据你的要求，第一步先输出summary，第二步再把summary翻译为西班牙语。

可以在这个链接里看效果：Open in Playground

策略5：提供示例

有时候你希望GPT按照你想要的风格回答问题，但是这个风格又很难用明确的语言表述出来，就可以通过提供样例的方式给GPT，这种就叫 few-shot learning/prompting。

参考示例如下，你提供了一组<user, assistant>样例，system里指定了模型要扮演的角色。

后续user的问题，模型就会按照你提供的样例的风格进行回答。

可以在这个链接里看效果：Open in Playground

策略6：明确回答的长度

你可以告诉模型回答内容的长度，这个长度可以是字数，可以是句子数量，也可以是段落数量等。对于字数，模型不会特别精准。

参考示例如下：

总结

本文是ChatGPT使用最佳实践系列第1篇 – 提供清晰且明确的指令(write clear instructions)。

详细讲述了6个策略，以上策略不仅适用于GPT模型，还适用于其它大语言模型。

文章和示例代码开源在GitHub: GPT实战教程，可以看到所有主流的开源LLM。

公众号：coding进阶。

个人网站：Jincheng’s Blog。

知乎：无忌。

References

• platform.openai.com/docs/guides…