- 首頁
- 引言
- 提示在 AI 模型中的作用
- 什麼是生成式 AI?
- NLP 和 ML 基礎
- 常見的 NLP 任務
- 最佳化基於提示的模型
- 調整和最佳化技術
- 預訓練和遷移學習
- 設計有效的提示
- 提示生成策略
- 監控提示有效性
- 特定領域的提示
- ChatGPT 提示示例
- 模擬 (ACT LIKE) 提示
- 包含 (INCLUDE) 提示
- 列 (COLUMN) 提示
- 查詢 (FIND) 提示
- 翻譯 (TRANSLATE) 提示
- 定義 (DEFINE) 提示
- 轉換 (CONVERT) 提示
- 計算 (CALCULATE) 提示
- 生成想法 (GENERATING IDEAS) 提示
- 建立列表 (CREATE A LIST) 提示
- 確定原因 (DETERMINE CAUSE) 提示
- 評估影響 (ASSESS IMPACT) 提示
- 推薦解決方案 (RECOMMEND SOLUTIONS) 提示
- 解釋概念 (EXPLAIN CONCEPT) 提示
- 概述步驟 (OUTLINE STEPS) 提示
- 描述優勢 (DESCRIBE BENEFITS) 提示
- 解釋缺點 (EXPLAIN DRAWBACKS) 提示
- 縮短 (SHORTEN) 提示
- 設計指令碼 (DESIGN SCRIPT) 提示
- 創意調查 (CREATIVE SURVEY) 提示
- 分析工作流程 (ANALYZE WORKFLOW) 提示
- 設計入職流程 (DESIGN ONBOARDING PROCESS) 提示
- 開發培訓計劃 (DEVELOP TRAINING PROGRAM) 提示
- 設計反饋流程 (DESIGN FEEDBACK PROCESS) 提示
- 制定留存策略 (DEVELOP RETENTION STRATEGY) 提示
- 分析 SEO (ANALYZE SEO) 提示
- 制定銷售策略 (DEVELOP SALES STRATEGY) 提示
- 建立專案計劃 (CREATE PROJECT PLAN) 提示
- 分析客戶行為 (ANALYZE CUSTOMER BEHAVIOR) 提示
- 建立內容策略 (CREATE CONTENT STRATEGY) 提示
- 建立電子郵件營銷活動 (CREATE EMAIL CAMPAIGN) 提示
- ChatGPT 在工作場所中的應用
- 程式設計師的提示
- 基於人力資源的提示
- 基於財務的提示
- 基於營銷的提示
- 基於客戶服務的提示
- 思維鏈提示
- 先問後答提示
- 填空提示
- 視角提示
- 建設性批評提示
- 比較提示
- 反向提示
- 社交媒體提示
- 高階提示工程
- 高階提示
- 新想法和文案生成
- 倫理考量
- 該做與不該做
- 有用的庫和框架
- 案例研究和示例
- 新興趨勢
- 提示工程有用資源
- 快速指南
- 有用資源
- 討論
提示工程 - COLUMN 提示
COLUMN 提示是一種強大的技術,使我們能夠構建和格式化 ChatGPT 生成的響應。透過使用 COLUMN 指令,我們可以建立結構化輸出,以表格形式組織資訊,並以清晰、有條理的方式呈現模型的響應。
理解 COLUMN 指令
COLUMN 指令允許我們定義列並在生成的響應中格式化這些列中的內容。當我們希望以表格形式呈現資訊或需要以特定方式構建輸出時,這尤其有用。
COLUMN 指令透過指定列標題和每列中的對應內容來工作。
COLUMN 指令的基本語法如下:
User: Can you compare the features of smartphones X and Y? ChatGPT: Sure! Here's a comparison of the features: ------------------------------------------------------ | **Features** | **Smartphone X** | **Smartphone Y** | |--------------|------------------|------------------| | Camera | 12 MP | 16 MP | | Battery | 3000 mAh | 4000 mAh | | Storage | 64 GB | 128 GB | ------------------------------------------------------
在這個例子中,使用者請求比較智慧手機 X 和 Y。ChatGPT 的響應包括使用 COLUMN 指令建立的比較表。該表包含列標題(“功能”、“智慧手機 X”、“智慧手機 Y”)以及每列中的對應內容。
使用 COLUMN 指令的最佳實踐
為了最大程度地利用 COLUMN 指令,請考慮以下最佳實踐:
定義列標題 - 清晰地定義每列的標題,以提供上下文並促進理解。列標題充當每列中呈現資訊的標籤。
組織內容 - 確保每列中的內容正確對齊。保持一致的格式和對齊方式以增強可讀性。
限制列寬 - 考慮每列的寬度,以防止表格過寬。較窄的列更容易閱讀,尤其是在資訊很長或列數很多時。
使用 Markdown 或 ASCII 表格 - COLUMN 指令可以與 Markdown 或 ASCII 表格格式結合使用,以建立視覺上吸引人且結構良好的表格。可以使用 Markdown 或 ASCII 表格生成器自動為我們格式化表格。
示例應用 - Python 實現
讓我們探討一個使用 COLUMN 指令與 Python 指令碼互動的實際示例,該指令碼與 ChatGPT 互動。
在這個例子中,我們定義了一個函式 generate_chat_response(),它接收一個提示並使用 OpenAI API 透過 ChatGPT 生成響應。
chat_prompt 變數包含使用者的提示和 ChatGPT 的響應,包括使用 COLUMN 指令格式化的比較表。
import openai
# Set your API key here
openai.api_key = 'YOUR_API_KEY'
def generate_chat_response(prompt):
response = openai.Completion.create(
engine="text-davinci-003",
prompt=prompt,
max_tokens=100,
temperature=0.7,
n=1,
stop=None
)
return response
user_prompt = "User: Can you compare the features of smartphones X and Y?\n"
chat_prompt = user_prompt + "ChatGPT: Sure! Here's a comparison of the features:\n\n| **Features** | **Smartphone X** | **Smartphone Y** "
response = generate_chat_response(chat_prompt)
print(response)
輸出
執行指令碼後,我們將收到 ChatGPT 生成的響應,包括以比較表形式呈現的結構化輸出。
結論
在本章中,我們探討了 COLUMN 指令在 ChatGPT 提示工程中的強大功能。透過使用 COLUMN 指令,我們可以構建和格式化 ChatGPT 生成的響應,以表格形式或以特定組織方式呈現資訊。
我們討論了 COLUMN 指令的語法,並提供了其用法的最佳實踐,包括定義列標題、組織內容和考慮列寬。