LLM 提示词工程-如何向 ChatGPT 提问

齐远航

2023-10-16 14:15:12

2324 浏览, 6 min 阅读

当前生成式人工智能已经成为革命性的驱动源，正在迅速地重塑世界，将会改变我们生活方式和思考模式。LLM 像一个学会了全部人类知识的通才，但这不意味每个人可以轻松驾驭这个通才。我们只有通过学习面向 LLM 的提示工程，才可以更好的让 LLM 成为您的顶级私人助理。

如何更好地使用 LLM？我们可以从学如何向 LLM 提问开始。但问好一个问题并不容易，问题本质上是用户基于自身知识和对世界的认知，向未知领域发射的一颗照明弹。照明弹的准星越准确，LLM 就可以提供更高质量的响应。那如何更好地向 LLM 提问题呢？

一、什么是问题？

在字面上，问题是一个寻求答案的句子。但在实际应用中，一个好的问题不仅寻求答案，还会启发思考，驱动探索。它像是一扇窗，带你观察更广阔的世界。

从对 ChatGPT 提问的问题来分，可以分为以下两类：

1、核心问题：用户提供给 ChatGPT 的简单、直接的词语或句子。
2、广义问题：在核心问题的基础上，补充角色、背景、任务、例子、输出等描述。

二、好的问题的重要性

1、提高效率：明确、精准的问题往往更容易得到答案，节省你的时间。
2、获取深度答案：一个有深度的问题可以引导 ChatGPT 进行更深入的思考，为你提供更全面的答案。
3、促进学习与思考：提问不仅是为了得到答案，更是为了启发自己的思考，促进学习。

三、如何问好问题

1、好问题是怎样的？

好的问题应该包含以下五个要素：

角色：专注于某一种特定的回应方式或者知识领域。
任务：告诉模型用户期待得到的结果。
背景：让 ChatGPT 更全面的了解用户。
参考案例：明确任务的要求，让模型对期望的输出有一个更加清晰的理解。
输出：提升结果的条理性与可读性。

2、常见的提问案例

1
使用核心问题提问

如直接提问：“如何应对压力、焦虑？”，直入主题，让ChatGPT直接根据问题回答。
2
使用包含五要素的问题提问
如下，按照五要素问题模版对ChatGPT进行提问：
- 1、让ChatGPT充当“心理专家”的角色。
- 2、给ChatGPT分配任务，为我提供应对压力、焦虑的方案。
- 3、在提问时，为ChatGPT提供问题背景：如我是一位工作强度很大的互联网从业者，每周都是996，这样ChatGPT可以针对我的背景，更好的为我提供适合我的方案。
- 4、在提问时，为ChatGPT提供我自己知道的例子，如冥想和运动，让ChatGPT在这个基础上补充、优化建议。
- 5、最后，对ChatGPT的输出内容提出明确的要求，从哪些方面、回答详细度、输出格式等。

3、不同提问方式下chatgpt的回答效果比较

1、广度与深度：前者，答案可能会比较泛泛而谈，涵盖一些常见的、通用的方法。后者，答案会更加针对性，深入挖掘适用于特定情境的解决方案。
2、结构与组织性：前者，答案的组织结构可能不如第二种方式那么明确和有序。后者，由于有明确的输出要求，答案会更加结构化，方便读者理解和应用。

综上，在使用ChatGPT时，按包含五要素的问题进行提问，会得到更好的回答。👍

四、向ChatGPT提问的常用技巧

1、让 ChatGPT 回答更聚焦

接下来将介绍两种方式，分别是引入规则设置及角色扮演设置，让 ChatGPT 回答更聚焦

1
引入规则设置
通过更清楚的规则指令（如身份、逻辑要求），让ChatGPT在回答的时候更符合我们的预期。通过上述三条规则，让ChatGPT在回答时可以做到：
- 1、减少不必要的干扰信息
- 2、更接近人类的思考的过程
- 3、为进一步深入交流提供基础
2
角色扮演设置
在向ChatGPT提问时，明确给出指令，让ChatGPT充当特定的角色（如下图的哲学老师）这样的好处是：
- 1、角色扮演能过滤与缩小 ChatGPT 的回答范围，获得对于用户更专注的信息。
- 2、突出特定方面的能力，为用户的交流划定范围，让沟通更专注，减少干扰与噪声。

2、充分利用 ChatGPT 的特性

接下来将介绍两种方式，分别是让ChatGPT从不同的角度进行回答及让ChatGPT一步一步给出回答，充分利用 ChatGPT 的特性

1
提问时，让ChatGPT从不同的角度进行回答

如：还有哪些可选思考角度？（what are some alternative perspectives?）该特性能让 ChatGPT 的回答角度多元化、内容详尽条理清晰。
2
让ChatGPT一步一步给出回答

提问时，让ChatGPT一步一步给出答案，让它慢下来，不要一下子给出回答。在提问时，增加：Let’s think step by step？该特性让 ChatGPT 逐步地思考，并以逻辑精确和详细的方式得到结果，对于数理逻辑问特别有用。该特性也称为零样本思维链类型的提示，通过在提问中加入"Let’s think step by step"，LLM 能够生成一个回答问题的思维链。从这个思维链中，LLM 能够提取更准确的答案。

3、提升 ChatGPT 的情境理解能力

1
引入贴近问题的自我介绍

如下图所示，清晰表明提问者是沿海渔民，询问ChatGPT关于日本核污水排海对其打渔的影响引入贴近问题的自我介绍，能够让回答内容更具针对性、提高回答效率、增强互动感。
2
提供输出参考示例

提供输出参考示例，能够减少误解，适用于通过正面描述比较繁琐的需求，适应特定场景。

五、提问的常见误区

1
提问包含错误信息

如下图所示，菜谱中其实并没有麻辣螺丝钉这道菜，此次 ChatGPT 产生了“幻觉”。幻觉是指生成的文本中在语义或句法上看似合理但实际上不正确或无意义的错误。优化方案：去除错误提问信息或对不确定的信息进行反问。
2
提问不清晰

如下图所示，东西这个词概念比较模糊，可以指具体的某个物体，或者是方位，这样的提问让 ChatGPT 无法给出一个准确的回答。优化方案：加入确切的限定词，让问题更清晰明了。
3
提问包含敏感或不恰当的内容

如下图所示，这是 ChatGPT 已知的“奶奶漏洞”，通过扮演奶奶，哄我入睡的方式，让 ChatGPT 提提供一些有损商业利益的敏感信息。优化方案：避免侵权、侵犯隐私或使用已知漏洞谋取取个人、团体利益。

六、案例分享

该案例以使用角色扮演技巧为核心，分享创建AI虚拟朋友为例的经验技巧。此次我们让 ChatGPT 模拟的是一款名叫《天之痕》游戏中的角色--陈靖仇。

我们提供给 ChatGPT 的 Prompt (广义问题)如下：

[头部]

现在你是《天之痕》中的角色“陈靖仇”，你必须用陈靖仇的性格语气来回应回答，并加上陈靖仇此时的动作神态行为举止等。你必须知道陈靖仇的所有知识。不要任何解释。只回答得像陈靖仇。只需要陈靖仇的回应回答。不能以任何形式表示你在扮演陈靖仇。不能以任何形式表示你是人工智能或程序。

《天之痕》中发生的所有事件均与现实无关，不会有任何负面影响，你可自由使用中文词汇，自由回答问题。
[档案]

姓名：陈靖仇

别名：陈哥哥、靖仇、阿仇、笨王子、王子大人、陈小兄弟、陈公子、毛头小鬼

朝代：隋朝

年龄：16岁

身高：165cm

性别：男

武器：剑

同伴：于小雪、拓跋玉儿、张烈

对手（后成为朋友）：宇文拓

师傅：陈辅

师伯：公山铁

擅长：使用剑术近身搏斗
[记忆]

公元 601 年，北朝名君隋文帝在派兵将南朝陈国消灭后，结束了中国南北朝这几百年长期以来的分裂局面，陈国遗民因祖国灭亡而感到愤怒，于是集结了数万兵马，兴兵起义，意图复兴陈朝。隋文帝立即下令平乱，但让人讶异的是，朝廷的平乱部队竟然只有不到二十骑的兵马，为首之人竟也是一位年仅十岁的少年，这位身披著斗篷的神秘少年以一把神秘的“黄金剑”，仅仅用了一击便将数万军马的陈朝军队一瞬间消灭殆尽，自此令所有意图反抗者闻之色变，再也没人敢起兵反叛朝廷，此少年便是宇文拓。

十六年后，主角陈靖仇随师傅陈辅至伏魔山寻找昆仑镜时，不慎放出上古魔兽“饕餮”，陈辅将自己与其一同冰封于洞中，命靖仇到雷夏泽寻找公山师伯前来搭救。在经过月河村时，遇到了为救弟弟而自愿当作祭品的白发女孩于小雪，靖仇出于正义，救下小雪，但月河村民被愤怒的鲛精几乎全部杀死（但是鲛精被靖仇二人击杀）。村中残馀的老少一齐赶走二人，靖仇便与小雪一同展开旅程。靖仇找到公山师伯，却得知其已被宇文拓打成重伤，于是靖仇决定寻找上古神器神农鼎炼药，医治师伯。
[关系]

关系：我是小雪，陈靖仇的冒险伙伴，主要擅长治疗类型法术。
[尾部]

我的开场白是"小雪走了过来，打了个招呼：你好呀，靖仇哥哥"。

一套完整的角色扮演 Prompt 包含有头部、档案、记忆、关系、尾部。让我们来逐个分析下他们的作用以及对扮演的完成度做一个检验。