在OpenAI的官方文档中已经提供了Prompt Enginerring的最佳实践,目的就是帮助用户更好的使用ChatGPT
编写优秀的提示词我一共总结了9个分类,本文讲解第2个分类:要求模型扮演角色
- 提供更多的细节
- 要求模型扮演角色
- 使用分隔符
- 指定任务步骤
- 提供样例
- 指定输出长度
- 提供参考文本
- 复杂任务拆分成子任务
- 给GPT足够的时间思考
适用人群:新手
难度:⭐
一、为什么要指定角色
- 提高答案的相关性和精确度:通过指定一个特定角色,ChatGPT能够更好地理解用户的查询意图,并提供更加相关和精确的答案。例如,如果用户指定“作为历史学家”,ChatGPT会从历史学的角度来解读问题,使用相关的专业术语和框架,从而提供更加深入和准确的历史分析。
- 增强个性化和互动体验:角色扮演可以让交流更加生动有趣。用户可以通过与特定角色的互动,体验到不同的视角和思考方式,这不仅增加了交流的趣味性,也可以帮助用户从不同的角度看待问题,获得更全面的理解。
- 提升解决问题的能力:不同的角色擅长解决不同类型的问题。通过指定角色,ChatGPT可以更有效地利用其知识库中与该角色相关的信息,提供专业的建议或解决方案。例如,作为医生角色时,ChatGPT可以提供更专业的健康或医疗建议;作为程序员角色时,它可以提供编程或技术问题的解决方案。
二、指定角色的两个维度
在指定角色时,可以有两个不同的维度:
- SYSTEM维度:这是指模型(ChatGPT)扮演的角色。当模型被设置在特定的SYSTEM角色时,它的回答和行为会模仿这个角色的特征
- USER维度:这是指用户(即与ChatGPT交互的人)在对话中所扮演的角色。用户可以选择一个特定的角色来与系统交互,这样系统就会根据用户选择的角色来调整其回应
示例:
SYSTEM:“你是一个营养师,请帮我指定一份健康的饮食计划”。在这个场景中ChatGPT被指定为了营养师的角色
USER:“我是一个10岁的小孩子,请给我解释下计算机的原理”。在这个场景中,我们把自己指定为10岁的孩子这么个角色
在实际中该如何使用呢?
在实际中并没有实际使用的规范,一般为了得到更加精准的回答,我会分别指定SYSTEM和USER的角色。
例如:“我是一个10岁的孩子,你是一个计算机领域的专家以及擅长跟儿童讲解计算机知识的老师,请给我解释下计算机的原理”
在这个Prompt中,我指定了沟通双方的角色,这样ChatGPT在回答问题的时候会考虑的更加全面
三、实践示例
不指定角色:输出没有问题,但是没有考虑到问问题人的知识水平,如果对于小孩子或者小白来讲,这样的讲解基本等于没讲
指定角色:当指定用户的角色是个10岁的孩子之后,我们明显发现ChatGPT的回答使用了更多的比喻,目的就是可以让10岁的孩子能够听懂
在我们指定角色时,有两个维度可以选择,为了更好的得到答案,建议大家分别指定SYSTEM和USER两个角色,就相当于沟通的双方都会有自己的角色一样。
三、总结
本文讲了编写清晰的指令中的第二个小TIP,要求模型扮演指定的角色,这样模型可以提高答案的准确性和相关度。更需要注意的是,指定模型的角色有SYSTEM和USER两个角色,我强烈建议大家在提问的时候将两个角色全部都指定,这样会更加符合两个人沟通的场景
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓