了解云原生 JuiceFS 如何賦能量化對沖基金以增強 AI 訓(xùn)練并在云端實現(xiàn)彈性吞吐。

這不是編程或 ChatGPT API 集成教程，這些是使用 ChatGPT API 時需要牢記的一些關(guān)鍵思想和要點。

大型語言模型為您的軟件產(chǎn)品提供前所未有的功能。作為開發(fā)人員，學(xué)習(xí)這項技術(shù)并將其集成到我們的項目中至關(guān)重要。像 OpenAI 這樣的平臺提供了與這些模型交互的 API，我們可以利用它來增強我們的軟件。

最近，我完成了一門引人入勝的課程，“面向開發(fā)人員的 ChatGPT 提示工程”。我學(xué)習(xí)了一些令人難以置信的技術(shù)來充分利用 OpenAI 的 ChatGPT API，我很樂意在這篇文章中與您分享這些見解。

準(zhǔn)則

與 ChatGPT 交互時，清晰度至關(guān)重要。以下是一些有用的策略：

• 單獨的指令和輸入文本：這使您可以使用各種輸入來測試您的指令。例如，如果您要求 ChatGPT 總結(jié)一篇文章，請將“總結(jié)以下文章：”指令與文章文本本身分開。
• 使用定界符：它們有助于指定指令和輸入之間的界限，減少提示注入的可能性。冒號或換行符可以作為簡單但有效的分隔符。
• 請求結(jié)構(gòu)化輸出：如果您需要以編程方式解析 ChatGPT 的響應(yīng)，請要求它以特定方式構(gòu)建其輸出。例如，您可能會要求“將以下文本中的關(guān)鍵點列為要點：”。
• 檢查輸入條件：為減少模型產(chǎn)生不相關(guān)或不準(zhǔn)確響應(yīng)（稱為“幻覺”的現(xiàn)象）的機會，請指定輸入必須滿足的任何條件。例如，“如果文本包含日期，請?zhí)峁┰撊掌谑切瞧趲?。?/li>
• Few-Shots Prompting：如果可能，提供一些所需輸入輸出模式的示例可以指導(dǎo)模型產(chǎn)生類似的結(jié)果。

迭代提示開發(fā)

使用 ChatGPT 制作完美的提示確實是一個迭代過程，它需要對目標(biāo)有敏銳的理解，并且愿意嘗試和學(xué)習(xí)。

讓我們將其分解為可操作的步驟：

1. 定義目標(biāo)：快速制作的第一步是清楚地了解所需的輸出。問問自己，您希望 ChatGPT 生成什么？例如，如果您的目標(biāo)是從文本中提取關(guān)鍵點，那么您的目標(biāo)就是列出輸入文本中的主要思想。
2. 編寫初始提示：根據(jù)您的目標(biāo)，編寫初始提示。提示是給 ChatGPT 的命令或問題，以指導(dǎo)其響應(yīng)。對于上述目標(biāo)，初始提示可以是“在以下文本中列出主要思想：”。
3. 測試提示：現(xiàn)在，是時候測試提示了。通過模型運行它，看看你得到什么樣的輸出。符合你的目標(biāo)嗎？如果沒有，是時候迭代了。
4. 分析輸出：分析模型的輸出。響應(yīng)的哪些方面符合您的目標(biāo)，哪些部分偏離目標(biāo)？這將為您提供有關(guān)如何調(diào)整提示的線索。
5. 優(yōu)化提示：根據(jù)您的分析，調(diào)整您的提示。例如，如果模型沒有完全按照您的預(yù)期捕捉主要思想，您可以將提示細化為更具體，例如“將以下文本總結(jié)為要點：”。
6. 重復(fù)該過程：繼續(xù)測試、分析和完善您的提示，直到它始終如一地生成所需的輸出。請記住，這是一個迭代過程?？赡苄枰獛纵喐倪M才能使其恰到好處。
7. 概括提示：一旦你有一個適用于特定案例的提示，請嘗試將其概括為其他類似案例。這意味著使用各種輸入文本測試提示以確保它適用于廣泛的場景。

總結(jié)

摘要是 ChatGPT API 的一個強大用例，但了解如何有效使用它至關(guān)重要。以下是一些準(zhǔn)則：

• 定義目的：如果要以特定方式使用摘要，請確保在說明中明確說明。
• 保持專注：如果需要，讓模型專注于輸入的特定部分。例如，如果您只對商業(yè)報告的財務(wù)方面感興趣，您可能會問，“總結(jié)以下報告中的財務(wù)信息：”。
• 提取而不是總結(jié)：在某些情況下，提取關(guān)鍵信息而不是總結(jié)可能更有用。例如，您可以提示“列出以下文本中提到的所有人的姓名：”。

推理

ChatGPT 還可以從文本中推斷出見解，執(zhí)行情感分析、分類、分類和標(biāo)記等任務(wù)。以下是您可以利用此功能的一些方法：

• 多任務(wù)：您可以要求模型在同一指令中執(zhí)行多個任務(wù)，并以特定格式生成輸出。例如，“分析以下評論的情緒并將其分類為正面、負面或中性：”。
• 測試多個示例：在一組輸入上運行良好的提示可能在其他輸入上表現(xiàn)不佳。為確保您的指令在廣泛的輸入范圍內(nèi)都能正常工作，請使用各種示例對其進行測試。
• 包含您自己的標(biāo)簽：如果您有一組預(yù)定義的類別，您可以將它們包含在指令中，并要求模型為給定的輸入選擇最相關(guān)的類別。例如，“將以下文本歸入以下類別之一：技術(shù)、環(huán)境、政治或文化：”。

轉(zhuǎn)型

ChatGPT 還能夠執(zhí)行各種文本轉(zhuǎn)換，包括語言翻譯和格式轉(zhuǎn)換。

• 語言識別和翻譯：您可以要求模型識別輸入文本的語言，或?qū)⑵浞g成另一種語言。例如，“將以下西班牙語文本翻譯成英語：”。
• 語氣轉(zhuǎn)換：您可以將輸入文本轉(zhuǎn)換為不同的語氣，例如正式、隨意或?qū)υ?。例如，“用隨意的語氣重寫以下正式文本：”。
• 格式轉(zhuǎn)換：該模型可以將文本從一種格式轉(zhuǎn)換為另一種格式，例如從 JSON 到 HTML 或從 CSV 到 JSON。例如，“將以下 JSON 數(shù)據(jù)轉(zhuǎn)換為 HTML 表格格式：”。
• 校對：您可以要求模型校對文本，對語法、標(biāo)點符號和拼寫進行更正。例如，“校對并更正以下文本中的任何錯誤：”。

擴展

ChatGPT 還可以將簡短的輸入文本擴展為更長、更詳細的文章，例如博客文章、文章或電子郵件回復(fù)。這里有一些要考慮的事情：

• 提供上下文：如果在特定上下文中使用輸出，請確保在提示中提供該上下文。例如，“寫回復(fù)以下郵件，對發(fā)件人的建議表示感謝并同意實施：”。
• 披露 AI 參與：如果將輸出傳達給用戶，建議披露它是 AI 生成的以保持透明度。
• 調(diào)整溫度：溫度參數(shù)控制模型的創(chuàng)造力。較低的溫度（接近 0）使模型的輸出更具確定性，而較高的溫度（接近 1）允許更具創(chuàng)造性的響應(yīng)。

開發(fā)聊天機器人

您可以使用 ChatGPT 創(chuàng)建具有特定行為的聊天機器人：

• 設(shè)置角色：使用“系統(tǒng)”角色來構(gòu)建對話。此消息告訴模型它應(yīng)該如何響應(yīng)“用戶”消息。例如，“你是一個樂于助人的助手，總是提供詳細的答復(fù)：”。
• 提供用戶上下文：在初始用戶消息中包括用戶的姓名、詳細信息和任何其他相關(guān)上下文。例如，“用戶是一名初級程序員，尋求有關(guān) Python 語法錯誤的幫助：”。
• 請記住該模型的局限性：ChatGPT 模型無法記住之前的交互，因此您每次發(fā)出請求時都必須提供之前的消息。例如，如果用戶在之前的消息中問了一個問題，如果它與正在進行的對話相關(guān)，則在下一個請求中包含該消息。
• 控制熱度：對于旨在呈現(xiàn)給用戶的輸出，您可以使用更高的熱度來獲得更不可預(yù)測的響應(yīng)。對于打算以編程方式解析的輸出，使用較低的熱度以獲得更可靠的結(jié)果。

了解這些提示工程概念可以顯著改善您與 ChatGPT API 的交互，使您的應(yīng)用程序更加有效和用戶友好。