使用上的痛点
- 用的不好：你经常会感觉到 ChatGPT 回答的好空，没有太多参考价值
- 无处去用：有了 GPT 之后，发现自己好像并没有什么好问的，不知道可以用 GPT 来干嘛。
如何使用AI
核心心法：GPT 生成的答案质量，完全取决于你“问它”，以及“引导它”的方式，如果你能问得好，引导的好，那么它就会帮你生成让你惊喜的答案，反之则无价值，假大空。
而这里“问它的方式”指的就是：与AI沟通的语言，而“引导它的方式”，则就是调教AI的方法。
Prompt
目前人类对自然语言（人说的话）的处理技术尚有不足，这就使得 AI 生成内容的质量在很大程度上依赖于提示词（Prompts）。
您可以将“提示词”理解为能够让 AI 精准领会您意图的话语，或者说是与 AI 沟通的特定语言方式。
咱们来看看，对 AI 提出同样的需求，会写提示词和不会写提示词，得到的结果质量差别到底有多大。
不会写提示词的人：“我想去海南玩，请你帮我做一份旅行攻略”
会写提示词的人：“假如你是导游，我要到海南游玩，预算一万元，旅行人数三个人，行程7天，请帮我做一份
旅行攻略。请注意：我不喜欢行程太紧凑，我不喜欢网红景点，更喜欢有文化底道的景点，
另外，性荐景点请附上各个景点的价格。”
用好 ChatGPT = 定义角色 + 背景信息 + 任务目标 + 输出要求
一个优质的提示词由以下四部分构成：
【定义角色】：引导 AI 进入具体场景，为其赋予行家身份。比如：“假设你是一位专业的营养师。”
【背景信息】：向 AI 说明您的困惑、问题，以及为其补充问题所需的背景。例如：“我最近在健身，想控制饮食。”
【任务目标】：告诉 AI 您的需求，期望它为您达成的目标。比如：“为我制定一份一周的营养食谱。”
【输出要求】：告知 AI 回答时需要注意的事项，或者期望的回复形式。例如：“请以表格形式呈现，并标注每种食物的热量。”
当你为提问添加了专家角色时，AI 返回的结果会更具体、更具可操作性，回答的语气也会更富有人情味。
调教方法
AI 会记住我们之前的会话内容，并在此基础上有针对性地回答后续的问题，从而实现类似于真人之间沟通的对话效果。
基于这一机制，我们可以通过不断地为其“喂数据”和“投指令”来训练 AI。持续引导 AI，以获取更具体、更深入、更有价值的回答或其他预期效果。
继续指令
或许是出于算力成本的考虑，包括 OpenAI 在内的众多 AI 厂商，都会尽量控制 AI 生成的篇幅，并通过概括文本内容来使其更简练。
以 ChatGPT 为例，它的单次最大输出通常不会超过 2048 个字符。一旦超过这个数值，AI 就会停止输出。
在厂商的篇幅限制和概括文本这两个条件的制约下，AI 一次性给出的内容可能会让我们觉得不够详尽或者深度不足。
此时，继续指令就能发挥作用，帮助我们突破这两个限制。例如：让超过 2048 字符的回答继续完成，或者让第一次回答不充分的地方进一步展开。
比如，还是以【旅行】为例，假如 AI 因为字符限制停止了回答，我们就可以使用继续指令让它把前面没说完的话说完。
奖惩指令
其实所谓“奖惩指令（有监督学习）”的作用和调教原理并不复杂，就像我们教育孩子一样。
调教思路很简单：首先，先向它提供之前的思维题，让它学习和分析出题的格式，然后生成答案模式。
对于 AI 生成的内容，如果符合要求，我们可以用肯定的词汇，比如：“非常好，请继续保持这种形式。”
而对于不符合要求的地方，我们可以用否定的词汇，比如：“不对，你错了，请重新，要求 XXX。”（通常情况下，GPT 会马上向您道歉并纠正错误）
少量样本
返回JSON格式
给你一句话，请你按步骤完成下面的工作
1、识别里面的城市和日期两个信息
2、根据城市和日期，生成JSON格式的字符串，下面的其中一个例子
input: 3月24日的深圳天气晴朗
output：{"city":"深圳", "date":"0324"}
有时不给格式，直接给样例，可能效果更好，比如这里的日期
数学题
现在不管是ChatGPT 3.5，还是国产文言一心，豆包等，都变聪明了，基本都能按步骤思考并给出答案。
如果碰到一些逻辑问题，ChatGPT没有回答好的，可以尝试加上这么一句“Let’s think step by step”
融合 AI 创造实在价值
我们可以利用 AI 实现多种有意义的事情：
- 与大师对话式学习：例如，您可以与虚拟的文学大师交流，探讨经典作品的创作思路。
- 辅助阅读，提高理解效率：AI 能帮助总结文章要点，解释复杂概念。
- 成为各大领域的入门教练、导师：比如在编程学习中，AI 可以指导基础知识和编程技巧。
- 进行数据分析：通过输入数据，让 AI 提供分析和见解。
