每日一句正能量

既然降生到這世上，我就要好好看看它，找到屬于自己的世界第一。

前言

人工智能（AI）是當(dāng)今科技領(lǐng)域的熱門話題，尤其是自然語言處理（NLP）技術(shù)，它可以讓機(jī)器理解和生成自然語言。隨著大型語言模型（LLM）的發(fā)展，如 GPT-3、DALL-E 等，我們可以利用這些模型來完成各種有趣和有用的任務(wù)，如寫詩、畫畫、編程等。但是，要讓這些模型按照我們的意愿工作，并不是一件容易的事情。這就需要用到一種叫做 Prompt Engineering 的技術(shù)。

當(dāng)你還在錯(cuò)誤使用對話 AI 工具如 GPT，可能會(huì)覺得其作用不過是知識(shí)平移總結(jié)或簡單問答。實(shí)際上，當(dāng)了解先進(jìn)的用法、知悉如何做到 better prompt，你會(huì)發(fā)現(xiàn)：AI 不是來替代你的，是來幫助你更好工作。如果還用搜索引擎的“關(guān)鍵詞匹配”、“關(guān)鍵詞命中”思路去思考人工智能的使用，已然有些落后。本篇在詳細(xì)介紹幾個(gè)GPT幫助程序員工作（干貨滿滿）的應(yīng)用場景之后，將為你分享AI的正確打開方式——better prompt。

基礎(chǔ)介紹

1. AIGC提示詞通常由多個(gè)單詞、詞組或短句構(gòu)成，以,分割組成；
2. 提示詞分為正向提示詞（positive prompt）和反向提示詞（negative prompt）。正向確定生成方向，反向排除生成方向；
3. 總數(shù)量建議不超過75個(gè)；
4. AI程序會(huì)依照概率來選擇性執(zhí)行，如果提示詞之間有沖突，AI會(huì)根據(jù)權(quán)重確定的概率來隨機(jī)選擇執(zhí)行哪個(gè)提示詞；
5. 生成圖片的尺寸越大，需要的提示詞就越多，否則提示詞之間會(huì)相互污染；
6. 提示詞支持使用emoji : call_me_hand:，且表現(xiàn)力較好。

什么是Prompt?

prompt顧名思義就是“提示”的意思。prompt簡單來說就是你給AI的指令。prompt可以是一段文字，比如你和ChatGPT等對話的，也可以是按照一定的格式的參數(shù)描述，比如AI繪圖的軟件，使用參數(shù)的情況比較多。

提示詞（Prompt）是與AI模型交流的語言，用以告訴AI模型想要生成的圖像的特征。提示詞的準(zhǔn)確性、精準(zhǔn)度直接決定了生成的圖像是否符合我們的預(yù)期。

和Prompt對應(yīng)的一個(gè)專業(yè)詞匯是Prompt Engineering（PE）。PE是人工智能（AI）領(lǐng)域中的一個(gè)概念，尤其是自然語言處理（NLP）領(lǐng)域。PE通常通過將問題轉(zhuǎn)換為特定格式的輸入，并使用預(yù)定義的模板、規(guī)則和算法來處理，讓AI能夠更好地理解任務(wù)并給出相應(yīng)的回答。PE的優(yōu)點(diǎn)是可以使AI更加靈活和精確地理解任務(wù)，并且能夠減少因?yàn)檎Z言表達(dá)不清晰而導(dǎo)致的誤解和錯(cuò)誤，使其能夠準(zhǔn)確、可靠地執(zhí)行特定任務(wù)。

通俗來說，就是你要掌握和AI對話的技巧，讓AI真正的懂你，特別是現(xiàn)在很多的AI產(chǎn)品的智能化水平都還有待進(jìn)一步的提升，因此，學(xué)一點(diǎn)Prompt Engineering的知識(shí)是很有必要的。

什么是 Prompt Engineering？

Prompt Engineering 是一種在人工智能領(lǐng)域，特別是自然語言處理領(lǐng)域的概念。它指的是如何設(shè)計(jì)輸入數(shù)據(jù)，使其能夠清楚地描述任務(wù)，并引導(dǎo)模型給出正確和合理的輸出。換句話說，它就是給 AI 模型的指令。

Prompt 可以是一個(gè)問題、一段文字描述，甚至可以是帶有一堆參數(shù)的文字描述。AI 模型會(huì)基于 prompt 所提供的信息，生成對應(yīng)的文本或圖片。

為什么需要 Prompt Engineering？

你可能用過不少 AI 相關(guān)的產(chǎn)品，你或許會(huì)覺得好像只需要會(huì)說話、會(huì)打字，就能讓 AI 輸出答案。好像不需要什么技術(shù)。

但實(shí)際上，并不是所有的 prompt 都能得到滿意或精確的答案。因?yàn)槿祟惖恼Z言從根本上說是不精確的2，目前機(jī)器還沒法很好地理解人類說的話3。所以才會(huì)出現(xiàn) Prompt Engineering 這個(gè)技術(shù)。另外，受制于目前大語言模型 AI 的實(shí)現(xiàn)原理4，部分邏輯運(yùn)算問題、格式問題等等都需要額外對 AI 進(jìn)行提示。

舉個(gè)例子，在 ChatGPT 里輸入這樣一個(gè)簡單數(shù)學(xué)題：

What is 100*100/400*56?

ChatGPT 會(huì)返回一個(gè)錯(cuò)誤答案：

0.4464

但如果我們稍微改變一下 prompt 的格式：

Calculate: (100*100)/(400*56)

ChatGPT 就會(huì)返回正確答案：

0.04464

可見 prompt 的設(shè)計(jì)對于結(jié)果有很大影響。

如何進(jìn)行 Prompt Engineering？

Prompt Engineering 是一門藝術(shù)也是一門科學(xué)。它需要結(jié)合創(chuàng)造力和邏輯思維來設(shè)計(jì)出最優(yōu)化的 prompt 。目前還沒有統(tǒng)一標(biāo)準(zhǔn)或規(guī)則來指導(dǎo) prompt 的設(shè)計(jì) ，但有一些基本原則和建議可以參考：

包含完整且相關(guān)的信息：prompt 應(yīng)該盡可能地提供足夠多和具體化的信息來描述任務(wù)，并避免無關(guān)或冗余信息。

簡潔易懂并減少歧義：prompt 應(yīng)該使用簡單明了且無歧義性質(zhì)詞匯表達(dá)任務(wù)，并避免使用復(fù)雜或模棱兩可詞匯。

明確標(biāo)簽空間：prompt 應(yīng)該清楚地定義輸出結(jié)果所屬范圍，并在示例中按照真實(shí)分布采樣標(biāo)簽。

統(tǒng)一格式：prompt 應(yīng)該保持輸入和輸出數(shù)據(jù)格式統(tǒng)一，并在示例中展示格式的要求。

下面是一些 prompt 的實(shí)例，可以看出不同的 prompt 對于結(jié)果有不同的影響：

Less effective prompt：

Write a poem about OpenAI.

Output:

OpenAI is a visionOf a future that is brightWhere machines can learn and createAnd help us do what's rightOpenAI is a missionTo make AI accessibleTo everyone who wants to use itAnd make it beneficialOpenAI is a challengeTo push the boundaries of AIAnd explore the possibilitiesThat lie beyond the sky

Better prompt：

Write a short inspiring poem about OpenAI, focusing on the recent DALL-E product launch (DALL-E is a text to image ML model) in the style of William Blake.Output:To see the world in a grain of sand,And a heaven in a wild flower,Hold infinity in the palm of your hand,And eternity in an hour.This is the power of DALL-E,The latest wonder from OpenAI,A model that can generate images,From any text that you supply.With DALL-E you can create,A new world of imagination,Where anything you can think of,Becomes a visual sensation.DALL-E is not just a tool,But a source of inspiration,A glimpse of what AI can do,To enrich our human nation.

Prompt的基本原則

和AI交互時(shí)，Prompt的基本原則是十分重要的。提交Prompt時(shí)，應(yīng)該遵循以下原則，以確保機(jī)器能夠更好地理解用戶的意圖并給出相應(yīng)的回答：

1. 明確任務(wù)描述：在提交Prompt時(shí)，應(yīng)該盡可能清晰明確地描述任務(wù)的具體信息，包括任務(wù)目標(biāo)、所需操作、相關(guān)條件等。
   例如，在與AI聊天機(jī)器人交互時(shí)，可以通過簡單的問題來引導(dǎo)機(jī)器理解用戶需求。如：“你需要我?guī)湍阕鍪裁?？?“你需要查詢什么信息？” 能夠盡量明確任務(wù)描述，讓機(jī)器能夠更好地理解用戶需求并給出相應(yīng)建議。

2. 使用常用詞匯：在提交Prompt時(shí)，應(yīng)使用常見的詞匯和語言表達(dá)方式，避免使用生僻單詞和復(fù)雜的句式，以便機(jī)器更容易理解。

3. 考慮語境和上下文：在提交Prompt時(shí)，應(yīng)該考慮到所處的語境和上下文環(huán)境，以便機(jī)器能夠從語言環(huán)境中獲取更多的信息來理解用戶的意圖。

4. 提供多樣化信息：在提交Prompt時(shí)，應(yīng)該嘗試提供多樣化的信息，包括文字、圖像、語音等，以促進(jìn)機(jī)器更全面地理解用戶需求。

5. 確定回答形式：在提交Prompt時(shí)，應(yīng)該確定回答的形式，例如文字、語音等，并確保機(jī)器可以合理地解析和輸出回答信息。

更進(jìn)一步的原則包括，向機(jī)器提供足夠的上下文信息、結(jié)構(gòu)清晰地組織Prompt以使機(jī)器更容易進(jìn)行處理，使用簡單明了的問題引導(dǎo)用戶去表述建議，從而更好地理解需求。此外，在交互中，用戶還應(yīng)該盡量用簡短的句子提出問題，以便AI機(jī)器人更快速和準(zhǔn)確地回答問題。

Prompt的編寫模式

這里介紹4種常用的Prompt模式，平時(shí)遇到的可能是這幾種的變種或是組合。

1. 特定指令（By specific）
   在這種模式下，我們給模型提供一些特定信息，例如問題或關(guān)鍵詞，模型需要生成與這些信息相關(guān)的文本。這種模式通常用于生成答案、解釋或推薦等。特定信息可以是單個(gè)問題或多個(gè)關(guān)鍵詞，具體取決于任務(wù)的要求。

如以 翻譯、告訴我，等關(guān)鍵字開頭：

翻譯一下：Prompt Engineering？

告訴我“Prompt Engineering”的定義？

在這種模式下，AI可以幫我完成：補(bǔ)全句子，文字翻譯，文本摘要，問答和對話等任務(wù)，這是最常用的Prompt模式。

2. 指令模板（Instruction Template）
   在這種模式下，我們給模型提供一些明確的指令，模型需要根據(jù)這些指令生成文本。這種模式通常用于生成類似于技術(shù)說明書、操作手冊等需要明確指令的文本。指令可以是單個(gè)句子或多個(gè)段落，具體取決于任務(wù)的要求。

這種模式下，可以讓AI具體地了解你想要的內(nèi)容：

例如，讓AI推薦三本中文科幻小說，可以這樣寫

給我推薦三中文的科幻小說，

推薦格式：1、書名：2、作者：3、主要內(nèi)容：4、推薦理由：

在這種模式下，你還可以將一段話按照你給的模板，讓AI幫你總結(jié)。也可以是你給AI一些答案的例子，AI通過學(xué)習(xí)，給出他的答案。

3. 代理模式(By proxy)
   Proxy 模式是指用戶可以要求 ChatGPT 以特定的身份、角色或者身份扮演某個(gè)特定的人、角色或?qū)ο髞砩苫卮?。這種模式通常用于模擬某個(gè)特定人物的語言風(fēng)格和語境，生成特定情境下的對話、回答或其他形式的文本。

這個(gè)模式也是比較的常用的，前段時(shí)間大家讓chatGPT寫申論就是代理模式。例如，描述秋天，小學(xué)生、大學(xué)生、老年人的不同身份，內(nèi)容是有很大的不同，AI的身份和角色的把握還是很準(zhǔn)確的。因此，在提問前告訴你的身份很重要。

4. 示例模式（By demonstration）
   在這種模式下，我們給模型提供一些示例文本，模型需要生成與示例文本類似的文本。這種模式通常用于生成類似于給定示例的文本，例如自動(dòng)生成電子郵件、產(chǎn)品描述、新聞報(bào)道等。示例文本可以是單個(gè)句子或多個(gè)段落，具體取決于任務(wù)的要求。

AI 可以幫助程序員做什么？

技術(shù)知識(shí)總結(jié)

剛開始接觸學(xué)習(xí)一門技術(shù)的時(shí)候，難免需要去查看文檔。現(xiàn)在的手冊非常豐富。往往對于一個(gè)初學(xué)者來說，需要接觸的信息太多、排版五花八門，學(xué)起來云里霧里。

這時(shí)候就可以借助 ChatGPT 的總結(jié)能力，例如我想學(xué)習(xí)一下 K8S 的相關(guān)知識(shí)，我發(fā)給它一個(gè)文檔的地址，讓它幫我總結(jié)。

prompt: https://kubernetes.io/zh-cn/docs/concepts/overview/ 總結(jié)這篇文檔。

可以看到，它很好地總結(jié)了這篇中文的文檔，并且對每一個(gè)關(guān)鍵點(diǎn)進(jìn)行了概括。用最少的語言讓你能夠搞懂你想要的知識(shí)點(diǎn)。

因?yàn)?ChatGPT 是有上下文的，它知道你需要的內(nèi)容是中文的總結(jié)，所以在這里你繼續(xù)發(fā)一篇英文的文檔給它，它也會(huì)用中文幫你總結(jié)。

prompt: 總結(jié)這篇文檔https://kubernetes.io/docs/concepts/overview/components/ 。

目前 chatgpt 的免費(fèi)版本數(shù)據(jù)庫的截止時(shí)間是 2021 年，也就是說如果問它比較新的內(nèi)容，它是無法總結(jié)的，甚至是會(huì)隨意編撰。例如這里詢問一個(gè)關(guān)于電影《流浪地球 2》的問題，讓它總結(jié)一下 wikipedia 里的介紹。

prompt: 總結(jié)：https://zh.wikipedia.org/zh/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%832

因?yàn)檫@時(shí)候電影還沒有上映，所以之前的內(nèi)容還都是錯(cuò)誤的，它的總結(jié)是不準(zhǔn)確的。

當(dāng)我們將整個(gè)網(wǎng)站的內(nèi)容復(fù)制進(jìn)來，讓 chatgpt 進(jìn)行總結(jié)。但是這時(shí)候會(huì)發(fā)現(xiàn)，文章太長了，會(huì)收到報(bào)錯(cuò)。

這時(shí)候，就要運(yùn)用自己的想象力，使用 prompt 來進(jìn)行突破了。我們需要把文章進(jìn)行段落拆分，每一段都符合它的標(biāo)準(zhǔn)。

將內(nèi)容拆分成 7 段，發(fā)送完成之后，它就會(huì)自動(dòng)總結(jié)了。

這樣，才能得到了一篇文檔的正確總結(jié)。

拆解任務(wù)

上文所描述的內(nèi)容，可以算是借助 AI 讓程序猿日常生活效率提升。那么在工作當(dāng)中，AI 如何幫助我們提效？

我們從需求端獲取一個(gè)需求以后，很多情況下我們的任務(wù)并不能夠非常準(zhǔn)確的估計(jì)時(shí)，原因就是我們并沒有將任務(wù)拆分清楚，所以并不能夠?qū)γ恳豁?xiàng)任務(wù)進(jìn)行估計(jì)，導(dǎo)致風(fēng)險(xiǎn)的發(fā)生。

這時(shí)候可以簡要描述一下我們這次的需求點(diǎn)，讓 ChatGPT 幫我們進(jìn)行任務(wù)拆解。

可以看到任務(wù)整體被拆成了一個(gè)個(gè)細(xì)小的任務(wù)。它可以很快的讓我們將任務(wù)轉(zhuǎn)換為 task，或者是需求跟蹤單。這既方便和產(chǎn)品經(jīng)理進(jìn)行溝通，也便于我們自身排期。轉(zhuǎn)換成 KANBAN 模式也便于了解當(dāng)前進(jìn)度。

如果對方仍有疑問，可以繼續(xù)詢問拆解。比如我們想要詢問第三步應(yīng)該如何進(jìn)一步實(shí)現(xiàn)?？梢钥吹剿踔两o了我們具體的 UI 交互。我們可以利用這樣的提示對我們的交互以及實(shí)現(xiàn)提供一定的參考。

閱讀代碼/優(yōu)化代碼

開發(fā)者經(jīng)常接手別人的代碼。質(zhì)量參差不齊，還會(huì)夾在很多奇怪的命名。當(dāng)我們閱讀整體邏輯或者修改邏輯，可能會(huì)因?yàn)樽陨黹喿x的問題造成理解偏差，進(jìn)一步引發(fā) bug。

如果將這個(gè)方法交給 AI 去閱讀呢？可以看看效果。

prompt:

逐行解釋下面的代碼 + 代碼內(nèi)容, (在這里使用了一段在 github上面的開源代碼進(jìn)行展示, 這段代碼是一段定時(shí)器相關(guān)的內(nèi)容)。

可以看到 ChatGPT 正確的理解了我們的代碼，對代碼進(jìn)行了解釋和說明。

但是這時(shí)候只是生成了一個(gè)整體的說明，并沒有對每一行分別進(jìn)行解釋。這時(shí)候繼續(xù)和它對話：

prompt:

可以在每一行代碼上面加上注釋，便于我理解嗎？

這時(shí)候它會(huì)逐行的進(jìn)行代碼標(biāo)注，便于你對每一行進(jìn)行理解。如果你接著對它提出一個(gè)粗淺的優(yōu)化需求，它也會(huì)照做。

prompt: 這段代碼可以進(jìn)行重構(gòu)和優(yōu)化嗎？邏輯有些繁瑣。

你可以對某一個(gè)部分提出更細(xì)節(jié)的要求，為它提出更好的優(yōu)化方向。在這里我們提出了關(guān)于參數(shù)順序耦合的問題，可以看到 GPT 也理解到了我們的需求，并且做出了對應(yīng)的優(yōu)化，如下：

prompt: 
children: (isCounting: boolean, durationTime: number, startCount: () => void) => React.ReactNode // 子組件，接收三個(gè)參數(shù)，返回一個(gè)React節(jié)點(diǎn)這里面的參數(shù)太多了，而且對順序有強(qiáng)依賴，該怎么優(yōu)化這里？

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(fù)雜的邏輯思考。但是實(shí)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(gè)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(jìn)行數(shù)據(jù)轉(zhuǎn)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(jù)結(jié)構(gòu)進(jìn)行轉(zhuǎn)換。數(shù)據(jù)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?jiǎng)?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(jù)是 type 為 List 的數(shù)據(jù)，并且數(shù)據(jù)結(jié)構(gòu)為:
[
{type:List, name:"topics", needValidates:[{
    name:"name", type:"String"
},{name:"partitions", type:"Integer"}] }]

GPT 會(huì)為我們得到正確的結(jié)果：

我們只需要輸入目標(biāo)數(shù)據(jù)結(jié)構(gòu)，轉(zhuǎn)換后的數(shù)據(jù)結(jié)構(gòu)，無需指定語言。因?yàn)樗鼤?huì)從你的上下文里理解到你是想要問什么實(shí)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(huì)幫助我們進(jìn)行完善。

此外，它還可以進(jìn)行進(jìn)行解釋說明：

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(huì)使用 python、bash 你都可以正常的描述你的需求。進(jìn)行生成。

我們還可以進(jìn)行代碼轉(zhuǎn)換，例如你寫了一段 js 代碼，你希望將這段代碼轉(zhuǎn)化為python，以前我們會(huì)通過 Google 搜索看看有沒有對應(yīng)的轉(zhuǎn)換器，現(xiàn)在就只需要交給 gpt 來執(zhí)行。提出你的訴求，它會(huì)在 10s 內(nèi)為你生成一段沒有 bug，包含異常處理的代碼。這里我們不展開舉例。

生成單測

我們剛剛那段數(shù)據(jù)轉(zhuǎn)化的代碼，如果我們想要進(jìn)行測試。以前我們可能會(huì)苦思冥想很多場景進(jìn)行補(bǔ)充?，F(xiàn)在只需要告訴 AI 幫我生成單測即可。

prompt:

(代碼內(nèi)容) 為這段代碼生成 unit test。

如果你覺得測試條件不夠，那就再問它，讓它再生成。

prompt: 數(shù)據(jù)源不夠豐富，多測試集中邊界條件，比如數(shù)據(jù)不存在，數(shù)據(jù)類型無法轉(zhuǎn)換，數(shù)據(jù)類型不對等。

它還會(huì)給你解釋這里都做了什么操作，這些測試用例覆蓋了不同的場景，包括：

當(dāng)數(shù)據(jù)源中沒有類型為 List 的字段時(shí)，應(yīng)該返回空數(shù)組；當(dāng)數(shù)據(jù)源中有類型為 List 的字段時(shí)，應(yīng)該返回正確的字段數(shù)組，包括需要的驗(yàn)證。

更多 AI 應(yīng)用/插件

AI 就像是一個(gè)基礎(chǔ)應(yīng)用, 在它上面還有著很多的可能。隨著你用的越多，解鎖的技能也就越豐富。例如現(xiàn)在 GPT 系列甚至推出了自己的應(yīng)用市場。下面我們來為各位簡單介紹幾款熱門插件：

• AIPRM
  它是 ChatGPT3.5 時(shí)代的應(yīng)用商店。用戶通過不同的 prompt，對它進(jìn)行訓(xùn)練，達(dá)到自己的目的。

例如我們在文章最開始介紹的“長文總結(jié)”能力：我們普通的和它進(jìn)行交流，那么字?jǐn)?shù)限制就會(huì)成為瓶頸。但是如果我們轉(zhuǎn)化了溝通技巧，那么就可以突破這一限制。AIPRM 就是一個(gè)充滿了奇思妙想的插件系統(tǒng)，你可以在里面查找/發(fā)布各種你想要的 prompt。

• Voice Control for ChatGPT
  依托于這樣的系統(tǒng)，我們可以使用它鍛煉英文(偽需求)?；蛘呤侵苯佑谜Z音和它進(jìn)行對話，讓它替自己寫代碼，例如我們剛剛所有的腳本說明都可以讓它直接語音轉(zhuǎn)文字發(fā)出去。

它也很好的服務(wù)了一些視障人士，因?yàn)樗€會(huì)讀出每一次 GPT 生成的內(nèi)容。讓每個(gè)人都擁有平等接觸 AI的機(jī)會(huì)。

• ChatGPT Sidebar
  隨著使用的人越來越多，ChatGPT 的響應(yīng)速度越來越慢。有時(shí)候只不過想問一個(gè)簡單的問題，卻要等上很久。這時(shí)候，就可以使用 ChatGPT Sidebar 插件。

它內(nèi)置了 ChatGPT 的 API，可以直接集成在你的搜索引擎里，你的每一次搜索都會(huì)觸發(fā)(也可以設(shè)置為手動(dòng))，免注冊，使用方便。還可以讓它提示你如何搜索相關(guān)的關(guān)鍵詞。

在它的側(cè)邊欄里，我們還可以進(jìn)行其它的操作。

• 著名應(yīng)用工具使用體驗(yàn)：Bing Copilot、ChatGPT、Google Bard
  那我們再回頭看看幾個(gè)影響力比較高的AI工具。筆者個(gè)人現(xiàn)常用的基礎(chǔ) AI 工具大概有 3 種，分別是 Bing Copilot、ChatGPT、Google Bard。最被廣泛使用的 ChatGPT(GPT3-5)，我們先來看看它的自我介紹是什么。

ChatGPT：使用頻率最高的 AI。它有強(qiáng)大的上下文，還可以拆分成為不同的 conversation，便于它處理不同的對話。

例如一個(gè)控制臺(tái)的項(xiàng)目，可以單獨(dú)做一個(gè)對話，這樣它聊的上下文都是圍繞這個(gè)主題進(jìn)行，每次新的問答也無需補(bǔ)充上下文信息。

Bing ：Bing 在很早就使用了 GPT-4，可是因?yàn)閷υ挃?shù)實(shí)在是太少了(從 5 次擴(kuò)充到了 15 次)，每一次對話的內(nèi)容長度也很有限(截止目前仍只有 2000 字) 而且不能保存對話上下文，導(dǎo)致使用起來實(shí)在很不方便。好處是它是實(shí)時(shí)聯(lián)網(wǎng)的，所以作者主要用于搜索最新的資訊以及總結(jié)一些文章和文檔的摘要，以及輔助 ChatGPT 使用，對比一下兩遍生成的邏輯是否一致。優(yōu)點(diǎn)就是，搜索結(jié)果會(huì)給出詳細(xì)的出處以及引用地址。

Google Bard (LaMDA)：Google 近期發(fā)布的AI工具目前只支持英文。特點(diǎn)是能夠給出多個(gè)回答，而且響應(yīng)速度很快。集成了 Google it，點(diǎn)擊之后會(huì)幫你生成一個(gè)最適合你的問題的 google 搜索關(guān)鍵詞。這算是和 Bing Copilot 反其道而行之，一個(gè)是將 chat 集成到搜索里，一個(gè)是將搜索集成到了 chat 中。

AI可以幫助其他人做什么？

就筆者身邊的情況來看，電腦的的初級應(yīng)用會(huì)多一點(diǎn)，比如Excel、Word文檔、PPT等的自動(dòng)化辦公應(yīng)用，幫助人們進(jìn)行考勤、薪酬等的自動(dòng)化管理和優(yōu)化等。

辦公自動(dòng)化（Office Automation，簡稱OA）是將現(xiàn)代化辦公和計(jì)算機(jī)技術(shù)結(jié)合起來的一種新型的辦公方式。辦公自動(dòng)化沒有統(tǒng)一的定義，凡是在傳統(tǒng)的辦公室中采用各種新技術(shù)、新機(jī)器、新設(shè)備從事辦公業(yè)務(wù)，都屬于辦公自動(dòng)化的領(lǐng)域。 通過實(shí)現(xiàn)辦公自動(dòng)化，或者說實(shí)現(xiàn)數(shù)字化辦公，可以優(yōu)化現(xiàn)有的管理組織結(jié)構(gòu)，調(diào)整管理體制，在提高效率的基礎(chǔ)上，增加協(xié)同辦公能力，強(qiáng)化決策的一致性 。

從使用場景來說，有文案修改、數(shù)據(jù)收集、數(shù)據(jù)協(xié)作、數(shù)據(jù)保存、數(shù)據(jù)處理、數(shù)據(jù)可視化、統(tǒng)計(jì)分析、圖表制作、審批流程、應(yīng)用制作等；從種類來說也比較多樣，比如傳統(tǒng)的 Excel、WPS、Word、PPT、Photoshop、Seafile等就是比較基礎(chǔ)的辦公軟件或辦公自動(dòng)化軟件，甚至可以再進(jìn)行細(xì)分；比如企業(yè)微信、釘釘就是比較主流的企業(yè)通訊與辦公工具，可以助力企業(yè)高效辦公和管理，屬于生態(tài)型辦公平臺(tái)。但無論是哪種軟件，目的都是為了有效解決工作中的問題，節(jié)約資源，提高工作效率和管理效益。甚至它還可以和一個(gè)企業(yè)的業(yè)務(wù)結(jié)合的非常緊密，比如定制化軟件、個(gè)性化應(yīng)用，只需點(diǎn)擊按鈕就可以得到想要的結(jié)果。話說回來，軟件只是一個(gè)工具，關(guān)鍵靠人去用，企業(yè)應(yīng)用深度與否取決于企業(yè)的重視程度，以及配套的管理制度保證和供應(yīng)商的服務(wù)能力，兩者缺一不可?？傮w上，一般具備以下特點(diǎn)的辦公自動(dòng)化軟件更受企業(yè)和使用者青睞：

• 靈活的自定義
• 傻瓜式的操作
• 性能要求
• 便于維護(hù)
• 性價(jià)比高

能在表格中規(guī)范便捷地記錄多元數(shù)據(jù)

SeaTable 表格支持多達(dá)24種數(shù)據(jù)類型，不僅能記錄文本、數(shù)字、日期這類基礎(chǔ)數(shù)據(jù)，還可以記錄文件、圖片、長文本、單選、多選、勾選、地理位置、評分、郵箱、URL、創(chuàng)建者、創(chuàng)建時(shí)間、修改者、修改時(shí)間等，還能用按鈕、公式、鏈接其他記錄、鏈接計(jì)算實(shí)現(xiàn)交互辦公、同表計(jì)算、跨表關(guān)聯(lián)及計(jì)算等。要比 Excel 更簡單方便。

數(shù)據(jù)的收集、填報(bào)、協(xié)同功能靈活，可滿足多種場景

數(shù)據(jù)的可視化和統(tǒng)計(jì)分析簡單實(shí)用

支持自動(dòng)化提醒、自動(dòng)化規(guī)則，辦公自動(dòng)化輕松高效

可自定義各種審批流程、任務(wù)流轉(zhuǎn)流程，實(shí)現(xiàn)對工作流程管理的自動(dòng)化和整合化

Prompt Engineering 的前景和挑戰(zhàn)

Prompt Engineering 是一個(gè)新興且有趣的領(lǐng)域，它為人工智能的應(yīng)用提供了更多可能性和靈活性。隨著大語言模型的不斷進(jìn)步，我們可以期待更多驚喜和創(chuàng)新。

但 Prompt Engineering 也面臨著一些挑戰(zhàn)和限制，比如：

如何評估 prompt 的質(zhì)量和效果？

如何自動(dòng)化或半自動(dòng)化 prompt 的生成和優(yōu)化？

如何保證 prompt 的安全性和道德性？

如何適應(yīng)不同語言、領(lǐng)域、場景、用戶等因素？

這些問題需要我們持續(xù)地探索和研究，以提高 Prompt Engineering 的水平和價(jià)值。

后記

Prompt Engineering 是一種在人工智能領(lǐng)域，特別是自然語言處理領(lǐng)域的技術(shù)。它指的是如何設(shè)計(jì)輸入數(shù)據(jù)，使其能夠清楚地描述任務(wù)，并引導(dǎo)模型給出正確和合理的輸出。Prompt Engineering 需要結(jié)合創(chuàng)造力和邏輯思維來設(shè)計(jì)出最優(yōu)化的 prompt，這也就是 Prompt Engineer 存在的價(jià)值所在。

幾乎對于所有入門計(jì)算機(jī)課程的人來說，題圖中的兩個(gè)單詞 “hello world” 就是大家最開始使用計(jì)算機(jī)語言與機(jī)器溝通的第一句話，不過隨著 AI 及時(shí)的發(fā)展和普及，大家都可以直接用最簡單最自然的話語讓 AI 告訴你怎么讓機(jī)器來執(zhí)行和輸出 “hello world” 。

轉(zhuǎn)載自：https://blog.csdn.net/u014727709/article/details/133977517
歡迎start，歡迎評論，歡迎指正文章來源地址http://www.zghlxwxcb.cn/news/detail-712782.html

到了這里，關(guān)于「我的AIGC咒語庫：分享和AI對話交流的秘訣——如何利用Prompt和AI進(jìn)行高效交流？」的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！