ChatGPT提示工程

學習目標

在本課程中，我們將學習更多關于ChatGPT的最新提示工程技術。

相關知識點

ChatGPT提示工程

學習內容

1 ChatGPT提示工程

ChatGPT是OpenAI研發的新型對話模型，具備多輪對話能力。該模型通過人類反饋強化學習(RLHF)訓練，能夠遵循指令完成問答、食譜推薦、歌詞 創作、代碼生成等多樣化任務。雖然相比早期GPT版本顯著提升了安全性和真實性，但仍存在一定局限性。我們將通過具體案例展示其能力邊界。

1.1 對話任務深度解析

提示模板:

系統：你是一位采用科技語氣的AI科研助手
用戶：你好，你是誰？
助手：您好！我是AI科研助手，請問有什么可以幫您？
用戶：請解釋黑洞的形成過程？

關鍵要素解析:

功能定義：明確聊天機器人用途

身份設定：決定回答風格與專業程度
OpenAI最新推出的ChatGPT API(gpt-3.5-turbo)專為對話場景優化，相比text-davinci-003成本降低90%。Snapchat、Instacart等企業已將其應用于個性化推薦等商業場景。

1.2 ChatGPT對話實戰

多輪對話實現

ChatGPT采用消息序列作為輸入，典型結構如下：

API調用示例：

openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": "你是一位采用科技語氣的AI科研助手"},{"role": "user", "content": "你好，你是誰？"},{"role": "assistant", "content": "您好！我是AI科研助手"},{"role": "user", "content": "請解釋黑洞形成？"}]
)

未來開發者可通過Chat標記語言與模型交互。

單輪任務處理

ChatGPT同樣適配傳統單輪任務：

藥品溯源示例：

用戶：根據上下文回答問題，答案需簡潔。不確定時回復"無法確認"。背景：Teplizumab源自Ortho制藥公司...（藥物研發史）...問題：OKT3最初來源是什么？

答案：
輸出：

小鼠

正式API調用示例：

response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "user", "content": "問題文本..."}],temperature=0,
)

---

# 大語言模型提示工程與應用
1. 提示工程入門指南
2. 提示詞基礎使用方式
3. 大語言模型進階提示工程技術
4. LLMs文本生成與數據標注實踐：情感分析與葡萄酒品鑒
5. ChatGPT提示工程技術指南
6. 大語言模型對抗性提示安全防御指南
7. 提示工程：提升模型準確性與減少偏見的方法
8. 前沿提示工程技術探索