ChatGPT高效提问—prompt常见用法(续篇)

简介: ChatGPT高效提问—prompt常见用法(续篇)

ChatGPT高效提问—prompt常见用法(续篇)
对话式prompt适用于模拟各种交流情境。若我们意图探索在特殊场合下可能出现的对话情景,或者模拟一段对话流程,可以采用这种方法,通过精准的prompt指令,引导ChatGPT生成具有针对性的对话样例。这种方式可以帮助我们更好地理解并预演特定情境下的对话。

1.2.1 模拟面试
对话式prompt可用于模拟面试,让ChatGPT充当面试官(或者求职者)来跟我们沟通。

输入prompt:

image.png
image.png

从以上回复可以看出,我们通过prompt让ChatGPT模拟了面试过程,可以为求职者或面试候选人提供参考。

1.2.2 子女教育
ChatGPT可以模拟父亲教导儿子的整个过程。对话示例如下。

输入prompt:

image.png

ChatGPT输出:

image.png

从以上回复可以看出,孩子玩耍时打碎花瓶在日常生活中可能不是经常发生,但我们可以通过prompt让ChatGPT模拟这个场景。进一步而言,我们还可以通过控制变量的方式,对孩子可能做出的不同反应以及家长不同的对应方式逐一进行模拟。对于缺乏相关经验的父母而言,这是一个相当不错的参考案例。

通过模拟面试和子女教育的示例,相信应该能够熟练开启一场包含角色的对话。下面将介绍大模型的回答能力。

1.3 问答
问答是一种非常有用的自然语言处理技术,可以帮助ChatGPT等模型回答特定问题或完成特定任务。将问题或任务与其他相关信息一起输入给ChatGPT,ChatGPT可以更好地理解上下文并生成准确、有用的回答。以下是一些示例。

1.3.1 回答事实性问题
回答事实性问题,其核心在于利用准确可靠的知识库,将具体的询问转化为一条严谨的信息。在处理问题的过程中,AI模型需要在复杂性和准确性之间找到平衡,确保其回答对用户来说易于理解和接受。此外,对事实性问题的回答需扩展到对上下文的理解,为用户提供深层次的解答,而非仅仅停留在表面的事实描述上。因此,无论是从理解问题的深度,还是从提供回答的丰富度来看,回答事实性问题都是一个充满挑战的任务。对于这类任务,prompt公式为“回答以下事实性问题:【插入问题】”。

输入prompt:

image.png

ChatGPT输出:
image.png

1.3.2 定义词语
要让ChatGPT提供一个词语的定义,prompt公式为“定义以下词语:[插入词语]“。

输入prompt:

image.png

ChatGPT输出:

image.png

ChatGPT按要求提供了词语的定义。

1.3.3 检索来自“特定主题”的信息
从特定来源检索信息可以视为一种精致且系统化的知识挖掘过程。借助AI模型,我们能够高效地探索特定的数据源,深入信息海洋,精确获取所需的知识和信息。这不仅限于基础的数据获取,还包括对信息的理解、分类以及整合,以便挖掘真正有价值的信息,为我们的研究、工作或者其他活动提供强有力的支持。一般的prompt公式为“从以下来源检索关于[主题]的信息:[插入来源]“。

输入prompt:
image.png

ChatGPT输出:

image.png

相关文章
|
23天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
16天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
20天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2576 22
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
18天前
|
人工智能 IDE 程序员
期盼已久!通义灵码 AI 程序员开启邀测,全流程开发仅用几分钟
在云栖大会上,阿里云云原生应用平台负责人丁宇宣布,「通义灵码」完成全面升级,并正式发布 AI 程序员。
|
3天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
2天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
163 2
|
20天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1576 16
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
22天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
972 14
|
3天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
218 2
|
17天前
|
人工智能 开发框架 Java
重磅发布!AI 驱动的 Java 开发框架:Spring AI Alibaba
随着生成式 AI 的快速发展,基于 AI 开发框架构建 AI 应用的诉求迅速增长,涌现出了包括 LangChain、LlamaIndex 等开发框架,但大部分框架只提供了 Python 语言的实现。但这些开发框架对于国内习惯了 Spring 开发范式的 Java 开发者而言,并非十分友好和丝滑。因此,我们基于 Spring AI 发布并快速演进 Spring AI Alibaba,通过提供一种方便的 API 抽象,帮助 Java 开发者简化 AI 应用的开发。同时,提供了完整的开源配套,包括可观测、网关、消息队列、配置中心等。
734 9