软件测试/人工智能|教你如何更高效地使用AI对话工具

简介: 软件测试/人工智能|教你如何更高效地使用AI对话工具

image.png

简介

有了ChatGPT之后,“调戏”ChatGPT成为了我们每天的乐趣,但是我们同时也发现,我们向ChatGPT提出的问题会有不一样的回复,有的人的回复质量会更高,而有的人提问回复则是完全无法使用的,我们想要ChatGPT更好地帮助我们完成工作,就需要学会如何更好地向ChatGPT提问。

如何让 ChatGPT 给出更好的回答,得到我们想要的答案呢?我在这里总结了几个方法,如下:

  • 结构化提示
  • 反问式提示
  • 自定义格式
  • temperature 格式
  • 快速总结

下面我们来逐一介绍着几种提问方法。

结构化提示

结构化提示由 4 部分组成,分别为:角色扮演+执行动作+背景建议+备注说明。

假如我们作为一个历史老师,需要介绍一下秦始皇这个历史人物,如果我们常规提问,结果可能是下面的图片:

image.png

上面的内容并不翔实,不足以作为我们历史课的内容,所以我们需要加入结构化提示形成质量更高的回答:

角色扮演:著名的历史老师;
执行动作:需要在历史讲座上介绍秦始皇;
背景建议:体现他的宏图大略,为大一统做出的贡献;
备注说明:不少于 500 字

ChatGPT 给出的回答如下所示:

image.png

反问式提示

有时候不知道怎么给 GPT 提示词,这时候,就可以反问 GPT 如何更好地给提示词。如下图所示:

image.png

根据ChatGPT给出的答复,我们将我们的情况补足之后,ChatGPT就能给出更好的回答。结构化提问更多的是通用型,反问式提问更加具有针对性。

自定义格式

ChatGPT可以根据我们的需求输出不同格式的内容,比如Markdown,比如表格都是可以输出的,如果输出的内容以代码为主的话,那么选择Markdown格式无疑就是最好的,如下所示:

image.png

temperature 格式

GPT3.5 temperature 的范围为:0-0.7;GPT4.0 temperature 的范围为:0-1;当 temperature 为 0 时候,结果可靠稳定。当 temperature 为 0.7/1 时候,结果发散具备创造力。数值越大,回答越发散,数值越小,回答越稳定。当我们需要明确答案时,数值越小越好,当我们需要发散时,数值就越大越好了。如下图所示:

image.png

image.png

快速总结

有时候我们需要从一大段内容中提取出内容的要点,如果是我们自己去阅读的话,总结会需要更长的时间,借助ChatGPT就可以快速地帮我们总结内容,如下所示:

image.png

总结

本文主要介绍了如何向ChatGPT提问,以获取更好地答案回复,介绍了几个使用ChatGPT的技巧,根据我们不同的需求,我们可以使用不同的提问技巧,希望本文可以帮到大家。

image.png

相关文章
|
1月前
|
人工智能 测试技术 项目管理
测试不再碎片化:AI智能体平台「项目资料套件」功能上线!
在实际项目中,需求文档分散、整理费时、测试遗漏等问题常困扰测试工作。霍格沃兹推出AI智能体测试平台全新功能——项目资料套件,可将多个关联文档打包管理,并一键生成测试用例,提升测试完整性与效率。支持套件创建、文档关联、编辑删除及用例生成,适用于复杂项目、版本迭代等场景,助力实现智能化测试协作,让测试更高效、更专业。
|
2月前
|
存储 人工智能 算法
AI测试平台实战:深入解析自动化评分和多模型对比评测
在AI技术迅猛发展的今天,测试工程师面临着如何高效评估大模型性能的全新挑战。本文将深入探讨AI测试平台中自动化评分与多模型对比评测的关键技术与实践方法,为测试工程师提供可落地的解决方案。
|
24天前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
214 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
8天前
|
人工智能 自然语言处理 JavaScript
Playwright MCP在UI回归测试中的实战:构建AI自主测试智能体
Playwright MCP结合AI智能体,革新UI回归测试:通过自然语言驱动浏览器操作,降低脚本编写门槛,提升测试效率与覆盖范围。借助快照解析、智能定位与Jira等工具集成,实现从需求描述到自动化执行的闭环,推动测试迈向智能化、民主化新阶段。
|
16天前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
66 4
|
18天前
|
机器学习/深度学习 数据采集 人工智能
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
AI能帮我们读懂心事吗?——聊聊人工智能在精神疾病早期诊断中的探索
57 5
|
26天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
356 8
|
1月前
|
人工智能 数据可视化 测试技术
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
315 11
|
1月前
|
数据采集 传感器 人工智能
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
110 6
|
1月前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。

热门文章

最新文章

下一篇
oss教程