学习笔记 | ChatGPT Prompt Engineering for Developers 2

2023-05

学习笔记|ChatGPT Prompt Engineering for Developers 2

吴恩达chatGPT课程学习笔记&简单翻译，有兴趣的同学还是去看原版的课程比较好~~

LEARN MORE

图片由Stable Diffusion绘制

首先

狗头保命，不是翻译，是学习笔记，也就是中间删了部分我觉得不重要的内容，部分我觉得有意思的内容稍稍扩展了一点。

感兴趣的同学请去看原版的课程，原本的课程是免费的：

https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/

想要逐句翻译版本的同学可以看这里：

https://blog.csdn.net/youcans/article/details/130489953

第二讲：指导原则

课程以网页版的jupyter notebook作为辅助，可以中途暂停视频自己运行代码查看效果，非常棒，省去了很多时间成本。

首先是两个prompt的指导原则：

编写清晰而具体的提示
给模型思考的时间

课程中给到了非常好的一个工具，就是可以现场用jupyter notebook调试代码，并且学习站内置了chatgpt的api，可以一边看视频一边调试，真的是完全不用操心：

首先，使用chatgpt api的框架是这样的，可以无脑复制直接用：

代码语言：javascript复制

import openai
import os

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

openai.api_key  = os.getenv('OPENAI_API_KEY')

def get_completion(prompt, model="gpt-3.5-turbo"):
    messages = [{"role": "user", "content": prompt}]
    response = openai.ChatCompletion.create(
        model=model,
        messages=messages,
        temperature=0, # this is the degree of randomness of the model's output
    )
    return response.choices[0].message["content"]
    
text = f"""
内容
""
prompt = f"""
提示词
```{text}```
"""
response = get_completion(prompt)
print(response)

对于“具体且清晰的指示”，有三个小技巧：

第一是用分隔符（比如 """，---，< >）避免提示注入。简单说就是可以参考上面的框架，把text和prompt拆开写。

第二要求AI用结构化的输出，例如 HTML 或 JSON 格式。可以参考下面这个表述：Provide them in JSON format with the following keys: XX,XX,XX

代码语言：javascript复制

prompt = f"""
Generate a list of three made-up book titles along  
with their authors and genres. 
Provide them in JSON format with the following keys: 
book_id, title, author, genre.
"""
response = get_completion(prompt)
print(response)

第三个小技巧是检查模型是否有if…… end 的情况，即在什么样的情况下需要停止模型。有点类似于case when 语句一定要有else，在搭建模型的时候必须要检查else的情况，否则模型可能会输出一些奇怪的东西。

第四个技巧是给一个回答的参考样例，比如，“请用XX的口吻来回答我”。

第二个原则，给模型思考的时间。

如果你给模型一个太复杂的任务，模型很有可能开始胡说八道。可以考虑把任务进行拆解，告诉模型第一步做什么，第二步做什么，就能提高模型的准确度。演示给了一个把一段英文的故事翻译成法语，并输入输出一个 JSON 对象，包括以下字段：法语摘要和名字的数量。这就是一个比较复杂的任务了，直接的文本描述AI难以理解，所以在提示词中告诉AI，第一步，总结文本，第二部翻译成法语，第三步列出名字，第四步输出json对象。

这个案例的代码也是可以参考的，use the following format这个用法很值得注意。

代码语言：javascript复制

prompt_2 = f"""
Your task is to perform the following actions: 
1 - Summarize the following text delimited by 
  <> with 1 sentence.
2 - Translate the summary into French.
3 - List each name in the French summary.
4 - Output a json object that contains the 
  following keys: french_summary, num_names.

Use the following format:
Text: <text to summarize>
Summary: <summary>
Translation: <summary translation>
Names: <list of names in Italian summary>
Output JSON: <json with summary and num_names>

Text: <{text}>
"""
response = get_completion(prompt_2)
print("nCompletion for prompt 2:")
print(response)

第二个技巧是，教导模型在快速得出结论之前，先自己想办法解决问题。

chatgpt早期的时候，如果你给AI一个错误的命题，AI就会顺着你的错误给你一个错误的答案，比如“为什么莫扎特不出新歌了”，chatgpt会一本正经地回答为什么。如果想要AI给你一个正确的结论，你首先需要教导AI什么是正确的。

课程中给了一个案例，给了AI一个学生的解题思路让AI判断是否正确，AI果断跟着顺拐了。解决的思路也很简单，让AI自己去解决这个问题，然后比对一下AI自己的解决思路和学生是否一致，再输出学生的解答是否正确。代码可以参考：

代码语言：javascript复制

prompt = f"""
Your task is to determine if the student's solution 
is correct or not.
To solve the problem do the following:
- First, work out your own solution to the problem. 
- Then compare your solution to the student's solution  
and evaluate if the student's solution is correct or not. 
Don't decide if the student's solution is correct until 
you have done the problem yourself.

Use the following format:
Question:
```
question here
```
Student's solution:
```
student's solution here
```
Actual solution:
```
steps to work out the solution and your solution here
```
Is the student's solution the same as actual solution 
just calculated:
```
yes or no
```
Student grade:
```
correct or incorrect
```

Question:
```
I'm building a solar power installation and I need help 
working out the financials. 
- Land costs $100 / square foot
- I can buy solar panels for $250 / square foot
- I negotiated a contract for maintenance that will cost 
me a flat $100k per year, and an additional $10 / square 
foot
What is the total cost for the first year of operations 
as a function of the number of square feet.
``` 
Student's solution:
```
Let x be the size of the installation in square feet.
Costs:
1. Land cost: 100x
2. Solar panel cost: 250x
3. Maintenance cost: 100,000   100x
Total cost: 100x   250x   100,000   100x = 450x   100,000
```
Actual solution:
"""
response = get_completion(prompt)
print(response)

最后说一下模型的弱点，由于AI在训练过程中采用了非常庞大的知识量，导致AI对自己的知识边界没有很清晰的认知，于是AI会去试图回答一些超出自己能力范围的问题——编造出一堆看起来很正确的胡话。

减少胡说八道的一个很好的策略是，如果你想让模型根据文本生成答案，可以要求模型先从文本中找到任何相关引用，然后让它使用这些引用来回答问题，并且把答案追溯到源文件。比如要求AI从pandas官方文档中找答案，而不是瞎编一个函数给我（是的我遇到过AI瞎编得函数，而且看起来好像没毛病）。

THANKS

chatgpt prompt 技巧模型学习笔记

0 人点赞