学会提问：AI大模型时代与ChatGPT对话的关键技能

思维导图

序言

技术的进步正在加剧人与人之间的差距。由于人与人之间的好奇心差异，未来优生差生的差距可能会进一步拉大。优秀的学生利用AI技术学习更广阔的知识，投机取巧的学生则用AI来偷懒写作业。 在AI时代，家长和教育者应该关注孩子们的兴趣和天赋，帮助他们找到独特的价值所在，并引导他们运用AI技术提升自己。

认识AI对话

认识“Prompt工程师”这个职业

据悉，人工智能安全与研究公司Anthropic最近公开招聘“Prompt工程师和图书馆员”这一职位，其薪资范围在175000美元和335000美元之间。这个职位的高薪反映了Prompt工程师在AI领域的重要地位，同时也表明了他们在人工智能应用中所扮演的关键角色。

图1-1所示为Boss直聘网站里与ChatGPT相关的岗位情况。

编写Prompt：高杠杆技能

OpenAI的创始人Sam Altman（萨姆·奥尔特曼）曾表示：“编写一个真正出色的聊天机器人提示是一项极具影响力的技能，是用自然语言编程的早期示例。” 在当今时代，与AI互动已经成为一项技能，可以被视为一种高杠杆技能。

图1-2所示为OpenAI创始人Sam Altman在其推文所发表的观点。

关于Prompt工程师职业前景的争议

不能有效地与AI进行交流的人将面临被淘汰的风险。 能够运用自然语言有效地与AI沟通的能力可能会成为新的关键技能。

AI对话与人类对话的差异

提高回答质量的关键因素

提问技巧与AI融合

聪明提问：激发ChatGPT潜能的艺术

避免循环提问、加载性问题与引导性问题

利用元认知技巧提高提问效果

沃伦·贝格尔提问技巧

《如何提出一个好问题》

1. 提出明确的问题 当小王刚刚入手了一个智能语音助手，他尝试用模糊的方式提问：“那个……怎么样？”很明显，语音助手无法理解小王的问题，给出了一个含糊不清的回答。这使小王深感困惑。但当小王改变提问方式，变得更加具体：“如何种植西红柿？”智能助手立刻给出了详细的种植步骤和注意事项。通过提出明确的问题，小王引导AI提供更准确的答案，避免了模糊和笼统的提问。
2. 追求深度 小李在准备地理考试时，遇到了一道关于地壳运动的题目。他向AI提问：“地壳运动是什么？”AI给出了一个简单的解释。然而，小李并没有满足于此，他继续追问：“地壳运动的原因是什么？它会产生哪些影响？”通过深入探讨问题的背景、原因和影响，小李获得了更全面的信息，从而做出更明智的决策。
3. 提问的顺序 当小陈在寻找新工作时，他试图向AI咨询关于某公司的信息。他首先询问公司的背景信息，了解公司的发展历程、业务领域和市场地位等。接着，他询问公司的具体待遇和福利政策。最后，他探讨了公司的发展前景和自己在公司的职业规划。通过合理安排问题的顺序，小陈更有效地引导AI进行思考，找到了满意的答案。
4. 提问的角度 小明在研究环保问题时，尝试从不同角度向AI提问。他先从经济角度提问：“环保对经济发展有什么影响？”接着从社会角度提问：“环保在社会发展中扮演什么角色？”最后从科技角度提问：“环保科技的发展现状如何？”通过多角度提问，小明拓宽了自己的视野，发现了问题的多个层面，从而找到了更全面的解决方案。
5. 质疑假设 当小华在了解气候变化时，他不满足于肤浅的观点，而是挑战一些看似理所当然的假设。他向AI提问：“为什么我们总是认为人类活动是气候变化的主要原因？还有其他可能性吗？”这样的提问引导AI进行更深入的思考，帮助小华发现问题的新颖见解。
6. 探求证据 在与AI讨论疫苗接种的利弊时，小赵要求AI提供证据和依据，以支持其给出的答案。他问：“疫苗接种的好处有哪些？有哪些科学研究支持这一观点？”通过探求证据，小赵确保了获取的信息准确可靠。
7. 分析问题的关联性 小丽在与AI对话时，试图了解食品安全问题与公共卫生问题之间的关联和相互影响。她问：“食品安全问题如何影响公共卫生？这两个问题之间有什么关联？”通过分析问题的关联性，小丽更好地理解了问题的全貌，从而得到了更有效的解决方案。
8. 积极寻求反馈 在与AI对话过程中，小刚不断反馈自己的需求和疑虑。当AI给出的答案无法满足他的需求时，他会提出更具体的问题，或者要求AI从不同角度解释。这样的互动使得AI能够更好地满足小刚的需求，提高了对话质量。

与AI对话中的《学会提问》知识点

《学会提问》

小李是一名研究生，最近在准备一篇关于环境污染对人类健康影响的论文。在撰写论文的过程中，他想要了解一下某种化学物质的具体影响。为此，他决定与AI助手ChatGPT进行一次对话。以下是小李在这次对话中如何运用提问技巧的详细描述。

1. 区分事实和观点 小李向AI提问：“某化学物质对人体健康有什么影响？”AI回答说：“这种化学物质可能对人体健康有害，尤其是对呼吸系统造成损害。” 在这里，小李注意到AI给出的答案包含了事实和观点。为了获得更详细的信息，他询问：“你能提供一些证据来支持这个观点吗？”AI随后提供了一些研究报告和文章，详细说明了这种化学物质对人体健康的影响。
2. 评估信息来源 在查阅AI提供的资料时，小李注意到其中有一篇文章的作者在业界并不具有权威性。因此，他要求AI：“请给我一些更可靠的信息来源。”AI随后提供了一些顶级学术期刊的论文，以及一些知名专家的观点。这使得小李能够更加信任所提供的信息。
3. 检查逻辑与推理 在阅读AI提供的资料后，小李发现某些论文中的论述存在逻辑问题。为了弄清楚这个问题，他问道：“你能解释一下这篇论文中的推理过程吗？”AI详细地分析了这篇论文的逻辑结构，并指出了其中可能的问题。这使得小李对这个问题有了更深入的理解。
4. 发现潜在的偏见和立场 在阅读资料的过程中，小李注意到某些论文的作者似乎对某种观点有所偏向。为了得到更多观点，他要求AI：“你能给我提供一些不同观点的资料吗？”AI接受了小李的要求，提供了一些来自不同研究团队和观点的资料。这些资料包括了关于这种化学物质影响人体健康的不同看法，使得小李能够全面了解这个问题的多个方面。
5. 持有怀疑态度 在收集到足够的资料后，小李开始撰写论文。然而，在整理AI提供的信息时，他保持着怀疑的态度。他发现某些答案看似合理，但在深入思考后可能存在问题。因此，他提出了一些挑战性问题，如：“这种化学物质是否对所有人都有害？有无特定的剂量阈值？”这些问题使得AI重新思考并给出了更详细的回答。
6. 总结与反思 在撰写完论文后，小李对与AI的对话进行了总结与反思。他认为，通过这次对话，他得到了满意的答案，并且AI的回答帮助他提高了批判性思维能力。同时，他也明白了在与AI对话时运用提问技巧的重要性。

其他著名的提问方法在AI时代的应用

一些著名的提问方法

1. 卡尔·罗杰斯的“倾听式提问”：这种方法强调倾听以激发内在动力。与AI对话时，我们可以通过倾听AI的回答，深入理解其逻辑和信息。例如，向AI咨询心理健康问题时，可以进一步提问以获取更深入的见解。
2. 索尔·贝尔林的“问题分类”：贝尔林将问题分为四类，即事实、解释、评价和建议。与AI对话时，我们可以根据问题的类型提出不同的问题。例如，在研究全球气候变化时，事实问题可以是“全球气候变化的主要原因是什么”；解释问题可以是“气候变化如何影响生态系统”；评价问题可以是“目前应对气候变化的措施是否有效”；建议问题可以是“我们应该如何改善气候变化”。
3. 福克与拉兹纳的“批判性提问”：这一方法强调通过提问来检验观点、挑战假设和识别潜在的问题。与AI对话时，我们可以运用这一方法来质疑AI的答案，挖掘更深层次的信息。例如，在讨论某种药物的安全性时，我们可以问AI：“这种药物的副作用有哪些？”“有哪些人群不适合使用这种药物？”“这种药物的长期使用可能导致哪些问题？”
4. 保罗和埃尔德尔的“智慧型提问”：这种方法倡导用提问来改善思维，提升判断力和决策能力。在与AI对话时，可以运用这一方法以提升我们的思考和决策能力。例如，在制定公司战略时，我们可以问AI：“我们的竞争优势是什么？”“如何有效利用这些竞争优势？”“面对市场变化，我们如何调整战略以保持竞争力？”
5. 布鲁默的“六顶思考帽”：这种方法鼓励我们在思考问题时从不同的角度进行分析。在与AI对话时，我们可以利用这一方法引导AI从多角度解析问题。例如，在评估一项投资机会时，我们可以按照“六顶思考帽”的原则进行提问

掌握Prompt

设计精准的指令

运用以下几个技巧来设计精准指令：

1. 确保动词明确。使用明确的动词，如“比较”“解释”“分析”“预测”等，以清晰地传达期望AI执行的操作。
2. 合理安排信息顺序。在描述任务时，合理地安排信息顺序可以帮助AI更好地理解你的需求。例如，首先提供背景信息，然后明确任务目标，最后指定输出格式。
3. 量化指令。通过具体化任务的数量、时间范围等方式，使指令更具体，便于AI生成符合需求的回答。例如，“请在5分钟内提供3种可操作的、可快速实现的、有效节约能源的方法。”
4. 使用肯定或否定。通过使用肯定或否定的表述，明确指令中需要包含或排除的内容。例如，“请介绍3种非侵入式心率监测技术，不包括心电图。”
5. 逐步指导AI回答。在与AI交流过程中，可以逐步提供问题和指令，引导AI生成满足需求的答案。例如，首先询问AI关于一种技术的概述，然后再请AI深入解释该技术的工作原理和应用。

多样化输出格式设计

多样化的回答生成意味着生成多个能反映不同观点、角度和风格的答案，从而让我们能看到问题的多个维度。这样的输出对我们做决策、寻找创新点子、解决复杂问题等方面大有裨益。

1. 指定输出风格。我们可以在提问时指定AI以正式、幽默、科普等风格回答，如“以幽默的方式解释量子力学。”这样，AI会根据指定风格生成答案。
2. 设置多个角色。我们可以设置不同角色，让AI从各个角色的视角回答，如“如果你是历史学家，谈谈你对中世纪的看法。然后，如果你是科幻作家，谈谈你对中世纪的未来设想。”这样，AI会以不同角色的视角回答问题。
3. 要求多个答案或观点。我们可以在提问时直接要求AI给出多个答案或观点，如“请提供三种解决环保问题的方法。”AI会根据要求给出三个不同的解决方案。

构建高效Prompt

CRISPE框架：进阶Prompt技巧

CRISPE框架是Matt Nigh提出的一套Prompt设计框架，这个框架旨在帮助用户设计出更为完备且高效的Prompt，使之能够完全符合用户的实际需求，而不仅仅是简单的指令性任务。CRISPE这个词汇本身包含五个元素，每个字母代表一个关键要素

1. CR：Capacity and Role（能力与角色） 在设计Prompt时，我们需要明确告诉AI它在对话中需要扮演的角色以及应具备的能力。例如，我们可以告诉AI：“把自己想象成一名心理医生，为我提供情绪管理的建议。”这样的设定可以让AI更好地理解任务的背景，并以专业的角色为用户提供帮助。
2. I：Insight（洞察力） Insight元素涉及背景信息和上下文，让AI了解用户的具体需求和相关的背景信息。例如，“我最近工作压力很大，希望能够放松心情。”通过提供这样的背景信息，AI可以更好地洞察用户的需求，从而给出更加贴切的回答。
3. S：Statement（指令） 这是指明确的指令，告诉AI我们希望它做什么。例如，“请为我推荐几个有效的情绪放松技巧。”一个清晰的指令可以让AI明白我们的需求，从而给出有针对性的回答。
4. P：Personality（个性） 这个元素指的是AI回答时所呈现的风格或方式。我们可以设定AI的回答风格为幽默、正式、温和等。例如，“希望你以幽默的方式回答。”这样可以让AI的回答更加生动有趣，也能增加与用户的互动性。
5. E：Experiment（尝试） 这个元素要求AI为我们提供多个答案，以便用户有更多的选择和参考。例如，“给我提供三种不同的情绪放松技巧。”通过这样的方式，我们可以获得多样化的回答，从中选择最符合自己需求的方案。

图4-2所示为CRISPE框架的简化示范。

验证信息的准确性

一些有趣的方法，帮助你在与ChatGPT对话时轻松验证信息。

1. 使用权威资源。优先访问权威网站和知名组织的官方发布，这些来源的信息往往更可靠。例如，查找政府网站、知名大学或研究机构的出版物等。
2. 询问ChatGPT提供来源。在向ChatGPT提问时，可要求它提供相关的资料、研究或引用，以便你快速核实信息。
3. 使用实时信息源。某些问题的答案可能会随着时间而变化，实时更新的信息源可以帮助你获取最新的数据。例如，股票价格、汇率等信息可以从金融网站或应用程序获得。
4. 多问几个角度的问题。通过从不同角度提问同一问题，你可以对答案的准确性有更全面的了解。
5. 结合使用专业社区或论坛。在互联网上有许多专业社区和论坛，那里的成员通常具有特定领域的专业知识。你可以在这些地方提问或查找相关讨论，以获取更多关于问题的见解和答案。

评估Prompt效果

1. 准确性。AI回答是否正确、准确无误？
2. 详细程度。AI回答是否足够详细，能够满足提问者的需求？
3. 一致性。AI回答是否与问题背景一致，遵循逻辑？
4. 可理解性。AI回答是否易于理解，表达清晰？
5. 效率。AI回答是否迅速给出，符合实际应用的时间要求？

提示工程技术入门

提示工程：一门新兴学科

提示工程的实践方法主要分为以下几个方面

1. 提示词设计。根据任务需求，有针对性地设计简洁、明确且易于理解的提示词，以提高模型的准确性和可靠性。
2. 模型交互。通过调整输入/输出参数、控制生成文本的长度和复杂性等，实现与模型的高效交互。
3. 能力评估。通过测试、实验和分析，深入了解模型的能力和局限性，为优化提示词提供依据。
4. 安全性评估。设计安全策略，降低模型在生成不良内容或误导性信息的风险。
5. 外部工具与领域知识整合。利用领域专家的知识和外部工具，提高模型在特定领域的专业性能力。

提示工程在多个领域取得了显著的成果，以下是一些典型的应用场景：

1. 问答系统。通过优化提示词，提示工程可以显著提高大型语言模型在问答任务中的准确性和可靠性。
2. 自然语言理解。提示工程可用于提高模型在语义分析、情感分析和实体识别等自然语言处理任务中的性能。
3. 机器翻译。提示工程可以帮助优化翻译任务中的提示词，从而提高模型在不同语言之间的翻译质量。
4. 编程辅助。通过设计针对代码生成和代码审核等任务的提示词，提示工程可以帮助开发者更高效地进行编程工作。
5. 创意写作。利用提示工程技术，可以引导大型语言模型生成更具创意和原创性的文本内容。
6. 教育辅导。提示工程可以为在线教育平台提供个性化的学习建议和答疑解惑服务，提高学习效果。

基本概念：编码、解码与评估

为了更好地理解提示工程，我们需要从编码、解码与评估三个基本概念入手。

1. 编码是将自然语言文本转换为机器能理解的形式（通常是向量）的过程。在与聊天机器人交流时，我们的问题需要经过编码，以便机器能够理解并做出回应。 编码通常利用预训练的词嵌入（如Word2Vec、GloVe或BERT）将每个单词或短语转换为向量。这些向量能够捕捉词汇的语义和语法信息，为聊天机器人提供有关问题的上下文，如图5-2所示。 编码的关键在于选取合适的预训练词嵌入和设计有效的问题表述。在提示工程中，我们需要确保问题的表述能够传达清晰、明确且易于理解的信息，以便机器生成高质量的回答。
2. 解码是从机器生成的向量中提取自然语言文本的过程，即将向量转换回文本。在与聊天机器人交流时，我们关心的是机器如何从编码阶段获得的向量生成有意义的回答。 解码的方法有很多，如贪婪解码、集束搜索（Beam Search）和Top-K采样等。这些方法在生成回答时会考虑词汇间的概率分布和上下文关系。 在提示工程中，我们需要选择适当的解码方法，以生成流畅、一致且相关的回答。此外，还需要权衡生成回答的多样性和准确性，以实现最佳的交流效果。
3. 评估是衡量聊天机器人回答质量的过程，以确定提示工程的有效性。评估指标通常包括准确性、流畅性、一致性、多样性等。 评估可以分为主观评估和客观评估。主观评估通常涉及人类评审员根据给定的标准对回答进行打分，而客观评估则依赖于自动评分指标（如BLEU、ROUGE等）来衡量回答的质量。 在提示工程中，我们需要结合主观评估和客观评估方法来评估聊天机器人的回答质量。这将有助于我们了解现有提示策略的优缺点，并对其进行改进，从而提高与聊天机器人的交流效果。

图5-2

简化提示工程过程：常见NLP库与工具简介

在选择适合的NLP库与工具时，需要考虑以下几个方面：

1. 明确需求。根据你的需求，如文本分类、命名实体识别、情感分析等，有针对性地选择相应的NLP库和工具。
2. 了解主流NLP库与工具。了解它们的特点、优缺点、适用场景等，有助于为特定任务选择最合适的解决方案。
3. 社区支持与文档完善。一个活跃的社区和完善的文档可以为你提供更多的帮助，从而更快地解决实际问题。
4. 性能与扩展性。考虑库和工具的性能和扩展性，以便在未来需求变化时，能够方便地应对。

NLP库和工具

1. Hugging Face Transformers是一个非常流行的深度学习库，它为NLP任务提供了大量预训练的模型，如BERT、GPT-2、GPT-3等。它还包含一些实用功能，如用于文本生成、情感分析、文本分类等任务的pipeline。 使用Hugging Face Transformers，你可以轻松地加载预训练模型，定制模型结构和设置，以及为模型提供输入。此外，它还允许你在本地或云端进行模型训练和微调，进一步改善模型在特定任务中的性能。
2. spaCy是一个用于高级NLP任务的库，它提供了一系列功能，包括分词、词性标注、命名实体识别、依存关系解析等。使用spaCy，你可以方便地处理和分析文本，进而为提示工程提供更有针对性的输入。 spaCy还提供了一个名为Matcher的功能，可以帮助你根据特定的规则和模式在文本中查找词汇。这在提取关键信息和构建针对性强的提示时非常有用。
3. OpenAI API是一个用于与OpenAI预训练模型（如GPT-3和Codex）互动的API。它允许你通过简单的HTTP请求与模型进行交互，从而生成文本、编写代码或解决各种NLP任务。 使用OpenAI API，你可以方便地调用模型、设置参数（如max tokens、temperature等），并获取模型生成的结果。此外，还可以使用OpenAI的DALL-E API生成图像，进一步拓展你在提示工程中的应用范围。
4. NLTK（Natural Language Toolkit）是一个Python编程语言的自然语言处理库。它提供了一系列功能，包括词性标注、命名实体识别、语法分析、文本相似度计算等。NLTK还包含大量语料库和词汇资源，以支持多种语言和任务。 NLTK是一个广泛使用的NLP库，可帮助你快速进行文本分析和处理，从而为提示工程提供有力支持。

提示工程技术与方法

OpenAI Playground参数设置

在使用OpenAI Playground时，以下一些技巧和建议可能会对你有所帮助：

1. 逐步调整参数。在寻找最佳设置参数时，建议你逐步进行调整。首先，尝试使用默认设置与模型进行交互。然后，根据回答的质量和满意度，逐个调整参数，以找到最适合你需求的设置。
2. 多次尝试同一提示。由于模型生成回答具有一定的随机性，针对同一提示，你可能会得到不同的回答。因此，在评估模型的性能和效果时，建议你多次尝试同一提示，并观察回答的变化。
3. 结合实际应用场景。在调整设置参数时，建议你结合实际应用场景进行考虑。例如，在需要准确信息的场景下，你可能需要设置较低的温度以获得更确定的回答；而在创意写作或头脑风暴等场景中，较高的温度可能会带来更有趣和独特的想法。
4. 理解模型选择。OpenAI Playground允许你选择不同的模型，如ChatGPT、Codex等。每个模型都有自己独特的功能和优势。例如，ChatGPT是一个擅长处理自然语言任务的模型，而Codex是专为编程任务设计的。在Playground中，你可以根据你的需求选择合适的模型。
5. 使用系统消息与模型互动。Playground还提供了一种名为系统消息（System Message）的交互方式。通过在对话中加入系统消息，你可以为模型提供背景信息和指导。系统消息在模型的上下文中提供了额外的信息，帮助模型更好地理解你的需求。
6. 查看并复制JSON响应。OpenAI Playground为每个生成的回答提供了一个JSON响应。这个响应包含了模型生成的所有信息，包括角色、内容、时间戳等。你可以通过单击Playground中的“JSON”按钮查看完整的JSON响应。此外，你还可以将JSON响应复制到剪贴板，以便在其他应用程序中使用或进行分析。
7. 保存与分享你的实验。Playground还允许你保存和分享你的实验。通过单击“保存”按钮，你可以将当前的实验保存到你的OpenAI账户。此外，你可以单击“分享”按钮生成一个特殊的分享链接，将你的实验与其他人共享。这使得你可以与团队成员或朋友共享有趣的发现，或寻求他们的帮助和建议。
8. 导出代码。对于希望将生成的回答应用到其他应用程序中的用户，Playground提供了一个“导出代码”功能。通过单击“导出代码”按钮，你可以获得一段可直接在你的应用程序中使用的Python代码。这使得将Playground的实验结果应用到实际项目中变得非常简单。

OpenAI API进行提示工程实践

为了获取最佳效果，通常推荐使用性能最好的最新模型。例如，截止到2022年11月，文本生成的推荐模型是text-davinci-003，代码生成的推荐模型是code-davinci-002。