<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0">
  <channel>
    <title>职起网 - cha't'GPT</title>
    <link>http://zhiqimba.com/forum-72-1.html</link>
    <description>Latest 20 threads of cha't'GPT</description>
    <copyright>Copyright(C) 职起网</copyright>
    <generator>Discuz! Board by Comsenz Inc.</generator>
    <lastBuildDate>Sun, 03 May 2026 15:12:00 +0000</lastBuildDate>
    <ttl>60</ttl>
    <image>
      <url>http://zhiqimba.com/static/image/common/logo_88_31.gif</url>
      <title>职起网</title>
      <link>http://zhiqimba.com/</link>
    </image>
    <item>
      <title>技巧9：其他</title>
      <link>http://zhiqimba.com/thread-2054-1-1.html</link>
      <description><![CDATA[一些小的技巧，我会统一放在这里。在示例里加入特定符号，让模型知道如何处理特殊情况​这个解释起来有点复杂，以下是 OpenAI 的官方 prompt，在一些奇怪的问题上比如 What is Devz9 的回答，你可以用 ？ 代替答案，让模型知道当遇到超出回答范围时，需要如何处理（注意 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:46:28 +0000</pubDate>
    </item>
    <item>
      <title>技巧8：Few-Shot Chain of Thought</title>
      <link>http://zhiqimba.com/thread-2053-1-1.html</link>
      <description><![CDATA[要解决这个缺陷，就要使用到新的技巧，Few-Shot Chain of Thought。根据 Wei 他们团队在 2022 年的研究表明：通过向大语言模型展示一些少量的样例，并在样例中解释推理过程，大语言模型在回答提示时也会显示推理过程。这种推理的解释往往会引导出更准确的结果。下面是论 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:45:33 +0000</pubDate>
    </item>
    <item>
      <title>技巧7：Zero-Shot Chain of Thought</title>
      <link>http://zhiqimba.com/thread-2052-1-1.html</link>
      <description><![CDATA[基于上述的第三点缺点，研究人员就找到了一个叫 Chain of Thought 的技巧。这个技巧使用起来非常简单，只需要在问题的结尾里放一句 Let‘s think step by step （让我们一步步地思考），模型输出的答案会更加准确。这个技巧来自于 Kojima 等人 2022 年的论文 Large Lang ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:43:56 +0000</pubDate>
    </item>
    <item>
      <title>技巧6：通过示例来阐述需要输出的格式</title>
      <link>http://zhiqimba.com/thread-2051-1-1.html</link>
      <description><![CDATA[这个技巧是技巧2的变种，比较常用于生成文本场景。其实在场景7中，你也可以用到这个技巧。假设你想让 AI 总结一篇非常非常长的文章，并且按照特定格式给你总结，那你可以在文章前面明确输出的格式（为了不占用太多显示空间，我省略了正文内容，你可以在 OpenAI 的 Playg ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:42:09 +0000</pubDate>
    </item>
    <item>
      <title>技巧5：使用特殊符号指令和需要处理的文本分开</title>
      <link>http://zhiqimba.com/thread-2050-1-1.html</link>
      <description><![CDATA[不管是信息总结，还是信息提取，你一定会输入大段文字，甚至多段文字，此时有个小技巧。可以用 “”“ 将指令和文本分开。根据我的测试，如果你的文本有多段，增加 ”“” 会提升 AI 反馈的准确性（这个技巧来自于 OpenAI 的 API 最佳实践文档）像我们之前写的 prompt  ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:40:47 +0000</pubDate>
    </item>
    <item>
      <title>技巧4：增加 Role（角色）或人物</title>
      <link>http://zhiqimba.com/thread-2049-1-1.html</link>
      <description><![CDATA[前面提到的改写例子，我在 prompt 里加了 Role 让其更易于阅读，这个优化方法是 OK 的。也很常用，比如你想将你写的 Email 改得更商务，则只需要加 business 相关的词即可。我再介绍一个更有效的技巧，就是在 prompt 里增加一些 role（角色）相关的内容，让 AI 生成的内 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:38:53 +0000</pubDate>
    </item>
    <item>
      <title>技巧3：使用引导词，引导模型输出特定语言代码</title>
      <link>http://zhiqimba.com/thread-2048-1-1.html</link>
      <description><![CDATA[在代码生成场景里，有一个小技巧，上面提到的案例，其 prompt 还可以继续优化，在 prompt 最后，增加一个代码的引导，告知 AI 我已经将条件描述完了，你可以写代码了。Better：
在 prompt 的最后增加 SELECT 可以很好地提示 AI 可以写 SQL 代码了。同样的道理，如果你想 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:37:32 +0000</pubDate>
    </item>
    <item>
      <title>技巧2：增加示例</title>
      <link>http://zhiqimba.com/thread-2047-1-1.html</link>
      <description><![CDATA[比如给宠物起英文名，里面会夹杂着一些所谓的名字风格。此时你就可以在 prompt里增加一些例子，我们看看这个例子：
Output 是这样的，第一个感觉还行，第二个 Captain 有 hero 的感觉，但 Canter 就像是说这匹马跑得很慢，而且三个都比较一般，不够酷。

此时你就可以在 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:35:30 +0000</pubDate>
    </item>
    <item>
      <title>技巧1：To Do and Not To Do</title>
      <link>http://zhiqimba.com/thread-2046-1-1.html</link>
      <description><![CDATA[在问答场景里，为了让 AI 回答更加准确，一般会在问题里加条件。比如让 AI 推荐一部电影给你 Recommend a movie to me 。但这个 prompt 太空泛了，AI 无法直接回答，接着它会问你想要什么类型的电影，但这样你就需要跟 AI 聊很多轮，效率比较低。所以，为了提高效率， ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 05:33:16 +0000</pubDate>
    </item>
    <item>
      <title>搭建基于知识库内容的机器人</title>
      <link>http://zhiqimba.com/thread-2045-1-1.html</link>
      <description><![CDATA[如果你仅想要直接实践，可以看最后一部分实践，以及倒数第二部分限制与注意的地方。1、简介​这个想法，来源于我的个人需求，我连载了将近 100 期 newsletter，积累了很多内容，我希望将这些资料导入给 AI ，然后 AI 能拿这些数据回答我的问题，甚至能给我一些写作建议 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 03:26:13 +0000</pubDate>
    </item>
    <item>
      <title>OpenAI Playground 使用方法</title>
      <link>http://zhiqimba.com/thread-2044-1-1.html</link>
      <description><![CDATA[如果你想要更好地了解 OpenAI 的 API，并且你常常会遇到 ChatGPT 不可用的情况。那我建议你使用 OpenAI 的 Playground。它会比较稳定。但需要注意，这个 Playground 会消耗你的免费 Credit。
你会在界面的右侧看到以下几个参数：
[*]Mode： 最近更新了第四种 Chat 模式 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 03:19:07 +0000</pubDate>
    </item>
    <item>
      <title>PAL Models</title>
      <link>http://zhiqimba.com/thread-2043-1-1.html</link>
      <description><![CDATA[PAL Models，全称为 Program-Aided Language Models。需要各位注意，这个方法，真的非常高级，甚至我觉得有点 Hack，而且经过我的多次测试，我觉得以 ChatGPT 目前的能力，已经不再需要使用这个方法。但我在很多 PE 的教程里都有看到这个方法，所以我这里就简单介绍一下 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 02:40:00 +0000</pubDate>
    </item>
    <item>
      <title>Self-Consistency</title>
      <link>http://zhiqimba.com/thread-2042-1-1.html</link>
      <description><![CDATA[Self-Consistency 自洽是对 Chain of Thought 的一个补充，它能让模型生成多个思维链，然后取最多数答案的作为最终结果。按照 Xuezhi Wang 等人在 2022 年发表的论文 表明。当我们只用一个逻辑链进行优化时，模型依然有可能会算错，所以 XueZhi Wang 等人提出了一种新的 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 02:38:09 +0000</pubDate>
    </item>
    <item>
      <title>Few-Shot Prompting</title>
      <link>http://zhiqimba.com/thread-2041-1-1.html</link>
      <description><![CDATA[同样在推理场景，我提到了 Few-Shot Prompting 的技术，本章介绍下它的优缺点和技巧。1、介绍​我们在技巧2 中，提到我们可以给模型一些示例，从而让模型返回更符合我们需求的答案。这个技巧其实使用了一个叫 Few-Shot 的方法。这个方法最早是 Brown 等人在 2020 年发现 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 00:49:42 +0000</pubDate>
    </item>
    <item>
      <title>Zero-Shot Prompts</title>
      <link>http://zhiqimba.com/thread-2040-1-1.html</link>
      <description><![CDATA[在基础篇里的推理场景，我提到了 Zero-Shot Prompting 的技术，本章会详细介绍它是什么，以及使用它的技巧。1、介绍​Zero-Shot Prompting 是一种自然语言处理技术，可以让计算机模型根据提示或指令进行任务处理。各位常用的 ChatGPT 就用到这个技术。传统的自然语言处 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 00:34:31 +0000</pubDate>
    </item>
    <item>
      <title>ChatGPT Prompt Framework</title>
      <link>http://zhiqimba.com/thread-2039-1-1.html</link>
      <description><![CDATA[看完基础篇的各种场景介绍后，你应该对 Prompt 有较深的理解。之前的章节我们讲的都是所谓的「术」，更多地集中讲如何用，但讲「道」的部分不多。高级篇除了会讲更高级的运用外，还会讲更多「道」的部分。高级篇的开篇，我们来讲一下构成 prompt 的框架。1、Basic Promp ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Fri, 28 Apr 2023 00:31:20 +0000</pubDate>
    </item>
    <item>
      <title>场景8：化繁为简——信息提取</title>
      <link>http://zhiqimba.com/thread-2038-1-1.html</link>
      <description><![CDATA[1、场景介绍​介绍完信息总结，再聊聊信息提取，我认为这个场景是继场景3推理以外，第二个值得深挖的场景。这个场景有非常多的有意思的场景，比如：
[*]将一大段文字，甚至网页里的内容，按要求转为一个表格。按照这个思路你可以尝试做一个更智能的，更易懂的爬虫插件。 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Thu, 27 Apr 2023 12:11:26 +0000</pubDate>
    </item>
    <item>
      <title>场景7：化繁为简——信息总结</title>
      <link>http://zhiqimba.com/thread-2037-1-1.html</link>
      <description><![CDATA[1、场景介绍​内容生成大场景下的第二个场景是化繁为简，这个场景其实很好理解，就是将复杂的内容，转为简单的内容，一般常遇到的场景有：
[*]信息总结：顾名思义，就是对一堆信息进行总结。
[*]信息解释：这个跟改写内容有点像，但这个更偏向于解释与总结。下一章会给 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Thu, 27 Apr 2023 12:09:03 +0000</pubDate>
    </item>
    <item>
      <title>场景6：锦上添花——信息解释</title>
      <link>http://zhiqimba.com/thread-2036-1-1.html</link>
      <description><![CDATA[1、场景介绍​锦上添花下的第二大的场景是信息解释。它跟改写内容有点像，但又不太一样，信息解释有可能提供超过原文内容的信息。举几个信息解释的例子，大家应该就能理解了：
[*]解释代码：比如你看到一段 Python 的代码，但你看不懂，你可以让 AI 解释下代码的含义。
 ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Thu, 27 Apr 2023 12:07:43 +0000</pubDate>
    </item>
    <item>
      <title>场景5：锦上添花——改写内容</title>
      <link>http://zhiqimba.com/thread-2035-1-1.html</link>
      <description><![CDATA[1、场景介绍​除了从 0 生成内容外，你也可以先给 AI 一段已经写好的内容，然后让 AI 对其进行修改，让 AI 帮你将内容改得更好。实际的场景有如：
[*]翻译：将中文文档翻译成英文，亦或者将英文翻译成中文。关于翻译，我还想强调，像 ChatGPT 除了能翻译人类的语言外， ...]]></description>
      <category>cha\'t\'GPT</category>
      <author>职起网</author>
      <pubDate>Thu, 27 Apr 2023 12:06:17 +0000</pubDate>
    </item>
  </channel>
</rss>