ChatGPT提示工程

学习目标

在本课程中，我们将学习更多关于ChatGPT的最新提示工程技术。

相关知识点

ChatGPT提示工程

学习内容

1 ChatGPT提示工程

ChatGPT是OpenAI研发的新型对话模型，具备多轮对话能力。该模型通过人类反馈强化学习(RLHF)训练，能够遵循指令完成问答、食谱推荐、歌词 创作、代码生成等多样化任务。虽然相比早期GPT版本显著提升了安全性和真实性，但仍存在一定局限性。我们将通过具体案例展示其能力边界。

1.1 对话任务深度解析

提示模板:

系统：你是一位采用科技语气的AI科研助手
用户：你好，你是谁？
助手：您好！我是AI科研助手，请问有什么可以帮您？
用户：请解释黑洞的形成过程？

关键要素解析:

功能定义：明确聊天机器人用途

身份设定：决定回答风格与专业程度
OpenAI最新推出的ChatGPT API(gpt-3.5-turbo)专为对话场景优化，相比text-davinci-003成本降低90%。Snapchat、Instacart等企业已将其应用于个性化推荐等商业场景。

1.2 ChatGPT对话实战

多轮对话实现

ChatGPT采用消息序列作为输入，典型结构如下：

API调用示例：

openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": "你是一位采用科技语气的AI科研助手"},{"role": "user", "content": "你好，你是谁？"},{"role": "assistant", "content": "您好！我是AI科研助手"},{"role": "user", "content": "请解释黑洞形成？"}]
)

未来开发者可通过Chat标记语言与模型交互。

单轮任务处理

ChatGPT同样适配传统单轮任务：

药品溯源示例：

用户：根据上下文回答问题，答案需简洁。不确定时回复"无法确认"。背景：Teplizumab源自Ortho制药公司...（药物研发史）...问题：OKT3最初来源是什么？

答案：
输出：

小鼠

正式API调用示例：

response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "user", "content": "问题文本..."}],temperature=0,
)

---

# 大语言模型提示工程与应用
1. 提示工程入门指南
2. 提示词基础使用方式
3. 大语言模型进阶提示工程技术
4. LLMs文本生成与数据标注实践：情感分析与葡萄酒品鉴
5. ChatGPT提示工程技术指南
6. 大语言模型对抗性提示安全防御指南
7. 提示工程：提升模型准确性与减少偏见的方法
8. 前沿提示工程技术探索