導讀
AI 不是來替代你的，是來幫助你更好工作。用better prompt使用chatgpt，替換搜索引擎，讓你了解如何在工作中利用Prompt高效使用ChatGPT。
01背景
現(xiàn)在 GPT 已經開啟了人工智能狂潮，不過是IT圈，還是金融圈。
一開始，我覺的它就是一個增強版搜索引擎，在使用了一段時間之后，才發(fā)現(xiàn)它可能不僅僅是一個搜索引擎，它可以做更多的事情，它更加智能，搜索引擎能做的，它能做，甚至做得更好，搜索引擎不能做的，它也能做。
剛開始的時候，它的很多回答都是胡編亂造的。例如你問它一些新上映的電影，它即使不知道也會胡編亂造一通。大家又開始貶低它，覺得只不過就是一個普通的聊天機器人，但是一段時間的使用之后，你會發(fā)現(xiàn)，它進化了。
雖然，目前chatgpt肯定不是最完善的，當時它已經可以很好的做一些工作了，我們可以看看利用Prompt，chatgpt會給我們那些驚喜。這里我們用國內的文心一言大模型，進行測試。
02AI 可以幫助我們做什么？
2.1 知識總結
剛開始接觸學習新知識的時候，難免需要去查看文檔?，F(xiàn)在的各種在線文檔非常豐富。往往對于一個初學者來說，需要接觸的信息太多、排版五花八門，學起來很費力。
這時候就可以借助 ChatGPT 的總結能力，例如我想學習一下 K8S 的相關知識，我發(fā)給它一個文檔的地址，讓它幫我總結。
?可以看到，它很好地總結了這篇中文的文檔，并且對每一個關鍵點進行了概括，列出了文檔中所有重要的知識點。
在這里你繼續(xù)發(fā)一篇英文的文檔給它，它也會用中文幫你總結。
| prompt: 總結這篇文檔https://kubernetes.io/docs/concepts/overview/components/ 。 |
|---|
?讓它總結一下 wikipedia 里的介紹。
| prompt: 總結：https://zh.wikipedia.org/zh/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%832 |
|---|
?當我們將很長的文檔的內容復制進來，讓 chatgpt 進行總結。但是這時候會發(fā)現(xiàn)，文章太長了，可能會收到報錯。 這時候，就要運用自己的想象力，使用 prompt 來進行優(yōu)化了。我們需要把文章進行段落拆分，每一段都符合它的標準。
這樣，就能得到了一篇文檔的正確總結。
2.2 拆解任務
我們從需求端獲取一個需求以后，很多情況下需要我們將任務拆分清楚，平且非常準確的估計時間，這時候可以簡要描述一下我們這次的需求點，讓 ChatGPT 幫我們進行任務拆解。
任務整體被拆成了一個個細小的任務。它可以很快的讓我們將任務轉換為 task，或者是需求跟蹤單。這既方便和產品經理進行溝通，也便于我們自身排期。如果仍有疑問，可以繼續(xù)詢問拆解。比如我們想要詢問第三步應該如何進一步實現(xiàn)。
2.3 閱讀代碼/優(yōu)化代碼
開發(fā)者經常接手別人的代碼。質量參差不齊，還會夾在很多奇怪的命名。當我們閱讀整體邏輯或者修改邏輯，可能會因為自身閱讀的問題造成理解偏差，進一步引發(fā) bug。
如果將這個方法交給 AI 去閱讀呢？可以看看效果。
?我們還可以讓Chatgpt對每一行分別進行解釋。這時候繼續(xù)和它對話：
| prompt: 在每一行代碼上面加上注釋 |
|---|
?我們還可以嘗試讓它幫我們做代碼的優(yōu)化和重構。
| prompt:對代碼進行優(yōu)化和重構 |
|---|
?你可以對某一個部分提出更細節(jié)的要求，為它提出更好的優(yōu)化方向。
| prompt: 這個函數(shù)怎么重構為更加通用？ |
|---|
?
2.4 代碼生成
開發(fā)者在工作中還有一種場景的工作量比較大，需要復雜的邏輯思考。但是實際上最終的代碼可能只需要幾行就可以搞定。你在思考過程中覺得很痛苦，想和身邊的同事去溝通。也許你給他解釋完這個邏輯以后，他非但不能幫你思考，反而將一人份痛苦變成兩人份。
例如，我們要進行數(shù)據轉換，是否也可以交給AI來做？我們發(fā)送給 GPT 這樣的 prompt：
| 將數(shù)據結構進行轉換。數(shù)據源為:[ { "candidates": null, "candidatesX": null, "description": "role---用戶角色", "label": "角色", "name": "role", "optional": true, "schema": null, "type": "String" },{ "candidates": null, "candidatesX": null, "description": "Topics of the pulsar server to create---需要創(chuàng)建的主題", "items": { "schema": [ { "candidates": null, "candidatesX": null, "description": "topic name---主題名稱", "label": "主題名稱", "name": "name", "schema": null, "type": "String" }, { "candidates": null, "candidatesX": null, "default": 1, "description": "partition number---分區(qū)數(shù)", "label": "分區(qū)數(shù)", "name": "partitions", "schema": null, "type": "Integer", "validator": ">0" } ], "type": "Object" }, "label": "主題列表", "name": "topics", "optional": true, "schema": null, "type": "List" }]我想要得到的數(shù)據是 type 為 List 的數(shù)據，并且數(shù)據結構為:[{type:List, name:"topics", needValidates:[{ name:"name", type:"String"},{name:"partitions", type:"Integer"}] }] |
|---|
GPT 會為我們得到正確的結果:
?我們只需要輸入目標數(shù)據結構，轉換后的數(shù)據結構，無需指定語言。因為它會從你的上下文里理解到你是想要問什么實現(xiàn)方式。
還有執(zhí)行腳本，我們只需要描述清楚我們的需求，它也會幫助我們進行完善。
?上面可以看到，我們在這里使用了一次“自然語言編程”的操作流程。不論你是否會使用 python、bash 你都可以正常的描述你的需求。進行生成。
我們這里就可以打開一下思路，我們還可以進行代碼轉換，例如你寫了一段 js 代碼，你希望將這段代碼轉化為python。
2.5 生成單測
我們剛剛那段數(shù)據轉化的代碼，如果我們想要進行測試，只需要告訴 AI 幫我生成單測即可。
03Prompt 能力
3.1 Prompt 是什么？
整體來說，上述 AI 的強大之處有幾點：
總結/理解能力。它能夠很好的總結你發(fā)給它的內容，進行總結。這也就是一種理解能力。
強大的上下文關聯(lián)能力。你不需要像使用搜索引擎一樣，每一次的操作都是獨立的。你可以將整個對話都變成一個巨大的搜索，通過多次對話來闡述自己想要的信息。甚至還能讓它幫助你向它自己提問。
為了更好使用AI、利用這些能力，我們需要做 prompt。prompt 就是提示詞，表達語言的能力。我們需要轉換自己的思維，從工程師到產品經理，或者是一個 Business Analysis 的角色。我們需要將接到手的任務，進行拆解，一步步的變?yōu)樘崾驹~。
3.2 Better Prompt
開發(fā)者可以利用它的上下文能力，幫助自己糾正語法以及提供更好的 prompt 的訓練。
不管你用任何一種語言，它都是利用數(shù)據模型進行分析，并不是用單一的語言進行思考。也就是說結果的生成質量不會差異很大。當然每一種語言會有所差異，目前來看英文的效果是最好的。目前國內的大廠也推出文心一言、通義千問。希望國內的大語言模型越來越好，這邊文章就是使用了ai回答就是文心一言，目前來看能力還是不錯的。
04總結
使用 ChatGPT 一開始進行簡單的嘗試，并沒有覺得有什么特別的。在瀏覽各類教程時，才發(fā)現(xiàn)利用 GPT 進行代碼創(chuàng)作來豐富自己的武器庫，比如進行圖標分析、軟件制作等等。實際上，AI 并不是簡單的問答而已，它具有一定的解決問題甚至是創(chuàng)造知識的能力。我們要對自己手里的任務、方法、邏輯，有更清晰的認知。讓人類做人類該做的事情，讓 AI 做它擅長的事情。
05分享
chatgpt prompt學習資料分享文章來源：http://www.zghlxwxcb.cn/news/detail-603501.html
資料參考：如何在工作中利用Prompt高效使用ChatGPT文章來源地址http://www.zghlxwxcb.cn/news/detail-603501.html
到了這里，關于如何在工作中利用Prompt高效使用ChatGPT的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
