了解云原生 JuiceFS 如何赋能量化对冲基金以增强 AI 训练并在云端实现弹性吞吐。
这不是编程或 ChatGPT API 集成教程，这些是使用 ChatGPT API 时需要牢记的一些关键思想和要点。
(资料图片仅供参考)
大型语言模型为您的软件产品提供前所未有的功能。作为开发人员，学习这项技术并将其集成到我们的项目中至关重要。像 OpenAI 这样的平台提供了与这些模型交互的 API，我们可以利用它来增强我们的软件。
最近，我完成了一门引人入胜的课程，“面向开发人员的 ChatGPT 提示工程”。我学习了一些令人难以置信的技术来充分利用 OpenAI 的 ChatGPT API，我很乐意在这篇文章中与您分享这些见解。
准则与 ChatGPT 交互时，清晰度至关重要。以下是一些有用的策略：
单独的指令和输入文本：这使您可以使用各种输入来测试您的指令。例如，如果您要求 ChatGPT 总结一篇文章，请将“总结以下文章：”指令与文章文本本身分开。使用定界符：它们有助于指定指令和输入之间的界限，减少提示注入的可能性。冒号或换行符可以作为简单但有效的分隔符。请求结构化输出：如果您需要以编程方式解析 ChatGPT 的响应，请要求它以特定方式构建其输出。例如，您可能会要求“将以下文本中的关键点列为要点：”。检查输入条件：为减少模型产生不相关或不准确响应（称为“幻觉”的现象）的机会，请指定输入必须满足的任何条件。例如，“如果文本包含日期，请提供该日期是星期几。”Few-Shots Prompting：如果可能，提供一些所需输入输出模式的示例可以指导模型产生类似的结果。迭代提示开发使用 ChatGPT 制作完美的提示确实是一个迭代过程，它需要对目标有敏锐的理解，并且愿意尝试和学习。
让我们将其分解为可操作的步骤：
定义目标：快速制作的第一步是清楚地了解所需的输出。问问自己，您希望 ChatGPT 生成什么？例如，如果您的目标是从文本中提取关键点，那么您的目标就是列出输入文本中的主要思想。编写初始提示：根据您的目标，编写初始提示。提示是给 ChatGPT 的命令或问题，以指导其响应。对于上述目标，初始提示可以是“在以下文本中列出主要思想：”。测试提示：现在，是时候测试提示了。通过模型运行它，看看你得到什么样的输出。符合你的目标吗？如果没有，是时候迭代了。分析输出：分析模型的输出。响应的哪些方面符合您的目标，哪些部分偏离目标？这将为您提供有关如何调整提示的线索。优化提示：根据您的分析，调整您的提示。例如，如果模型没有完全按照您的预期捕捉主要思想，您可以将提示细化为更具体，例如“将以下文本总结为要点：”。重复该过程：继续测试、分析和完善您的提示，直到它始终如一地生成所需的输出。请记住，这是一个迭代过程。可能需要几轮改进才能使其恰到好处。概括提示：一旦你有一个适用于特定案例的提示，请尝试将其概括为其他类似案例。这意味着使用各种输入文本测试提示以确保它适用于广泛的场景。总结摘要是 ChatGPT API 的一个强大用例，但了解如何有效使用它至关重要。以下是一些准则：
定义目的：如果要以特定方式使用摘要，请确保在说明中明确说明。保持专注：如果需要，让模型专注于输入的特定部分。例如，如果您只对商业报告的财务方面感兴趣，您可能会问，“总结以下报告中的财务信息：”。提取而不是总结：在某些情况下，提取关键信息而不是总结可能更有用。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 还可以从文本中推断出见解，执行情感分析、分类、分类和标记等任务。以下是您可以利用此功能的一些方法：
多任务：您可以要求模型在同一指令中执行多个任务，并以特定格式生成输出。例如，“分析以下评论的情绪并将其分类为正面、负面或中性：”。测试多个示例：在一组输入上运行良好的提示可能在其他输入上表现不佳。为确保您的指令在广泛的输入范围内都能正常工作，请使用各种示例对其进行测试。包含您自己的标签：如果您有一组预定义的类别，您可以将它们包含在指令中，并要求模型为给定的输入选择最相关的类别。例如，“将以下文本归入以下类别之一：技术、环境、政治或文化：”。转型ChatGPT 还能够执行各种文本转换，包括语言翻译和格式转换。
语言识别和翻译：您可以要求模型识别输入文本的语言，或将其翻译成另一种语言。例如，“将以下西班牙语文本翻译成英语：”。语气转换：您可以将输入文本转换为不同的语气，例如正式、随意或对话。例如，“用随意的语气重写以下正式文本：”。格式转换：该模型可以将文本从一种格式转换为另一种格式，例如从 JSON 到 HTML 或从 CSV 到 JSON。例如，“将以下 JSON 数据转换为 HTML 表格格式：”。校对：您可以要求模型校对文本，对语法、标点符号和拼写进行更正。例如，“校对并更正以下文本中的任何错误：”。扩展ChatGPT 还可以将简短的输入文本扩展为更长、更详细的文章，例如博客文章、文章或电子邮件回复。这里有一些要考虑的事情：
提供上下文：如果在特定上下文中使用输出，请确保在提示中提供该上下文。例如，“写回复以下邮件，对发件人的建议表示感谢并同意实施：”。披露 AI 参与：如果将输出传达给用户，建议披露它是 AI 生成的以保持透明度。调整温度：温度参数控制模型的创造力。较低的温度（接近 0）使模型的输出更具确定性，而较高的温度（接近 1）允许更具创造性的响应。开发聊天机器人您可以使用 ChatGPT 创建具有特定行为的聊天机器人：
设置角色：使用“系统”角色来构建对话。此消息告诉模型它应该如何响应“用户”消息。例如，“你是一个乐于助人的助手，总是提供详细的答复：”。提供用户上下文：在初始用户消息中包括用户的姓名、详细信息和任何其他相关上下文。例如，“用户是一名初级程序员，寻求有关 Python 语法错误的帮助：”。请记住该模型的局限性：ChatGPT 模型无法记住之前的交互，因此您每次发出请求时都必须提供之前的消息。例如，如果用户在之前的消息中问了一个问题，如果它与正在进行的对话相关，则在下一个请求中包含该消息。控制热度：对于旨在呈现给用户的输出，您可以使用更高的热度来获得更不可预测的响应。对于打算以编程方式解析的输出，使用较低的热度以获得更可靠的结果。了解这些提示工程概念可以显着改善您与 ChatGPT API 的交互，使您的应用程序更加有效和用户友好。