为何研究提示词？对GPT输出效果影响大

教师

为何要研究提示词？这是因为提示词对GPT的输出效果影响极大。不少人觉得GPT不好用，其实是提示词没写好。若未提供充足信息，GPT就只能猜测，这样得出的结果必然不准确。

实际上就是给GPT提供更多信息，一方面是更全面的背景信息，这就与结构化提示词有关；另一方面是排版，它有助于GPT更好地理解我们的需求，而这又涉及到Markdown格式。

许多操作都需要有依据。给GPT设定一个合适的角色能让它的输出结果更理想。例如想让它翻译，就可让它扮演精通英语的外语教师；要是想让它模拟面试，就让它扮演某领域的资深HR。

面试

workflow（工作流程）即把上述内容整合起来。例如，在此处就要求其处于的情况下，扮演，遵循，依照来达成。

在向gpt传递信息时，采用m档格式能让所传递的信息更整齐、有条理。其中，用于表示一级标题，用于表示二级标题，依此类推。另外，1、可用来表示有序列表，+开头则表示无序列表。还有，这个中文括号内部传递的是变量，例如假设将某个角色放在role里，之后在工作流workflow中提到role时就能够直接调用。GPT在索引资料库时可能涉及多国语言，这会使它最终输出结果可能为英文，那我们就得再让它输出一次中文翻译。而开启强制中文回答功能后，就能让它每次都输出中文了。

有时我们想搜索gpt英文语料内容，联网时的英文搜索功能便是为此设计的。它能让gpt把待搜索内容先译成英文，再进行搜索，匹配内容大多源于英文语料库。如此一来，可获取更丰富、准确的信息。此外，未联网时也能使用英文搜索。

联网启动时使用英文进行搜索。

反向提示词的作用是禁止GPT进行某些操作，而且它具有通用性。积累了大量反向提示词后就能每次使用，这可有效防止GPT出错。例如：禁止杜撰内容、不许瞎编、若信息过时需提示、网络搜索时不得胡扯内容等。让gpt对我们发问，是为避免它在信息不足时瞎猜。不然，其输出结果很可能不符合我们的要求。

逻辑链类似于追问。当我们不能一次讲清需求，或者要先输出部分结果再修改时，就可以运用逻辑链。很多日常场景都适用逻辑链，因为编写完整提示词更多是用于重复性工作。例如，若要让它每天帮忙生成文案，就可以编写一套完善的提示词并每天使用；要是日常的零碎问题，直接用逻辑链追问就好。就像这里，还是之前提到的问题。

最新的canvas模型在编程交互方面有很大改进。我们先让其写段代码，或者放上需操作的代码，再打开画布。

若要对局部代码进行询问，先选中代码，再于下方出现的提示框中输入询问内容。就像在此处，我想让其解释这段代码有何作用。

局部修改也是如此，先选中部分代码，再于下方输入操作内容。

阅读代码或学习时，若代码无注释，读起来会很吃力，gpt能一键为所有代码添加注释。

他还能在程序关键处添加输出日志操作，便于你后续排查程序的bug。

先尝试运行代码，若遇bug，它会自动帮忙修复。

在多语言协同的情境下，当要将一种代码语言转换为另一种代码语言时，这个就特别好用。

他会审查所有代码，在他认为需修改的片段旁批注，若你采纳批注，他就修改相应部分。

与传统搜索引擎相比，AI搜索引擎一是能理解搜索内容，二是会对搜索到的内容加以整理概括，最后将总结出的结论输出给我们。

很多公司不允许向GPT上传表格，这种情况下，如何通过纯文字描述得到所需函数就需要研究了。大家可以看看我下面的指令，之后我会开设一个专栏专门讲解这个内容。

AI绘画已经发展得比较成熟了。它生成图片的能力相当强，像我让它画写实风格的图，生成的图就很像照片。更惊艳的是，它能局部修改，并且只需输入文字就能操作。

我让他把小狗换成小猫，其余保持原样。能发现换了之后没什么太假的地方，而且其他部位也都没有改变。

如果要设计logo，也能使用专门的gpts。

通常我们会用pdf来阅读文献，这很方便操作。只需上传pdf，然后直接让它概括我们所需内容就好。

这个用于学习的GPS，内置众多学科知识，就像一本百科全书。我们向它询问对应学科内容时，它就能提供相应知识点。在我们涉足新领域需要启蒙时，这个GPS非常好用。

这里面内置了许多学科的前沿科学文章。当我们想要深入学习时，可以向它询问，它会给出对应的文章标题以及文章中的结论和内容。

它内置了不少市场营销知识，我们若要它输出文案或者设计logo，都是可行的。

有个我很喜欢的gpts，是由可汗学院成员参与设计的。这个gpts有个优点，当你问代码问题时，它不会直接给答案，而是提供思路或者一段示例代码。它更多是启发你如何编写代码，而非直接告知答案，这在学习过程中非常重要。

在一些对数据隐私要求不高的公司，这种情况下比较适用，可直接上传表格让gpt分析。