ChatGPT教程
PAL Models
PAL Models，全称为 Program-Aided Language Models。需要各位注意，这个方法，真的非常高级，甚至我觉得有点 Hack，而且经过我的多次测试，我觉得以 ChatGPT...
Self-Consistency
Self-Consistency 自洽是对 Chain of Thought 的一个补充，它能让模型生成多个思维链，然后取最多数答案的作为最终结果。 按照 Xuezhi Wang 等人在 2022 年...
Few-Shot Prompting
同样在推理场景，我提到了 Few-Shot Prompting 的技术，本章介绍下它的优缺点和技巧。 介绍 我们在技巧2 中，提到我们可以给模型一些示例，从而让模型返回更...
Zero-Shot Prompts
在基础篇里的推理场景，我提到了 Zero-Shot Prompting 的技术，本章会详细介绍它是什么，以及使用它的技巧。 介绍 Zero-Shot Prompting 是一种自然语言处理技...
ChatGPT Prompt Framework
看完基础篇的各种场景介绍后，你应该对 Prompt 有较深的理解。 之前的章节我们讲的都是所谓的「术」，更多地集中讲如何用，但讲「道」的部分不多。高级篇除...
场景8：化繁为简——信息提取
场景介绍 介绍完信息总结，再聊聊信息提取，我认为这个场景是继场景3推理以外，第二个值得深挖的场景。这个场景有非常多的有意思的场景，比如： 将一大段...
场景7：化繁为简——信息总结
场景介绍 内容生成大场景下的第二个场景是化繁为简，这个场景其实很好理解，就是将复杂的内容，转为简单的内容，一般常遇到的场景有： 信息总结：顾名思义...
场景6：锦上添花——信息解释
场景介绍 锦上添花下的第二大的场景是信息解释。它跟改写内容有点像，但又不太一样，信息解释有可能提供超过原文内容的信息。 举几个信息解释的例子，大家应...
场景4：无中生有——写代码
场景介绍 除了回答问题外，另一个重要的场景是让 AI 根据你的要求完成一些内容生成任务，根据输出的结果差异，我将其概括为以下几个主要场景： 无中生有 ...
场景3：推理
场景介绍 在问答这个大场景下，还有一个子场景是推理，这个场景非常有意思，而且是个非常值得深挖的场景，prompt 在此场景里发挥的作用非常大。 如果你想用 ...