從失望到精通：AI 大模型的掌握與運(yùn)用技巧（2）

現(xiàn)在 AI 很智能，但是 AI 產(chǎn)品并不智能。ChatGPT 官方聊天頁(yè)面只有一個(gè)輸入框，似乎秉承著 “Simple is Better” 的理念，但很多時(shí)候并非越簡(jiǎn)單越好，使用 ChatGPT 經(jīng)常需要輸入相似的提示詞，用起來(lái)效率極低。

下面將從四個(gè)方面簡(jiǎn)要解釋如何通過(guò)預(yù)定義提示詞提高輸入效率。

單平臺(tái)層面，如果你使用 ChatGPT 官網(wǎng)，推薦  ChatGPT Prompt Plus 插件，支持自定義提示詞，可以快速呼出，還支持提示詞中定義變量，支持為提示詞分組，在呼出提示詞時(shí)選擇或者填寫(xiě)即可進(jìn)行提問(wèn)，非常方便。下圖就是通過(guò)該插件預(yù)定了 “解釋某句” 的界面，可以將需要填寫(xiě)的內(nèi)容定義為變量，使用時(shí)呼出后填充即可。

直接通過(guò) “/解釋某句” 即可呼出，不需要每次都輸入重復(fù)的提示詞，每次只需要必要的內(nèi)容，如這里的內(nèi)容和問(wèn)題即可自動(dòng)拼接好提示詞發(fā)送給 ChatGPT 進(jìn)行提問(wèn)。

如果你使用 Poe 平臺(tái)，可以在平臺(tái)上預(yù)定義機(jī)器人，具體方法和上面大同小異，感興趣可以自行研究。

瀏覽器層面，可以通過(guò)安裝  ChatGPT Sidebar 這類(lèi)的 AI 插件，可以在頁(yè)面上選擇一段內(nèi)容后，直接選擇內(nèi)置或預(yù)定義的提示詞進(jìn)行處理即可。

在輸入法層面，可以通過(guò)自定義短語(yǔ)設(shè)置，來(lái)預(yù)先定義提示詞，輸入內(nèi)容時(shí)，可以通過(guò)輸入縮寫(xiě)自動(dòng)填充提示詞。

在通用方法層面，你可以利用 Alfred 的 Snippets 功能（支持將剪切板內(nèi)容作為變量自動(dòng)替換預(yù)定義提示詞中的占位符）或者 utools 的備忘功能，來(lái)預(yù)定義并快速粘貼提示詞。

在使用 AI  工具時(shí)，如果回答不滿(mǎn)意，可以檢查自己的提示詞是否真正符合“清晰具體、重點(diǎn)突出和充分詳盡”的原則。如果調(diào)整優(yōu)化提示詞還是得不到想要的答案，可以嘗試通過(guò)下面的方法解決。

有時(shí)候你以為你表達(dá)很清楚，其實(shí)模型理解和你的表達(dá)有偏差，你可以嘗試讓模型重述你的任務(wù)，你可以根據(jù)他的重述發(fā)現(xiàn)偏差，對(duì)提示詞進(jìn)行針對(duì)性糾正。

對(duì)于提示詞并不是很復(fù)雜，但是模型似乎不能很好理解你的意圖的情況，可以考慮使用英文提問(wèn)，有時(shí)候會(huì)有奇效。這可能與模型的語(yǔ)料中英文占比更多，模型更擅長(zhǎng)英語(yǔ)有關(guān)，也可能是中文提問(wèn)優(yōu)先匹配中文語(yǔ)料，但是中文語(yǔ)料質(zhì)量不高原因?qū)е碌?。之前就遇到過(guò)一個(gè)技術(shù)問(wèn)題，用中文對(duì) New Bing 提問(wèn)很多次都沒(méi)得到想要的答案，換成英文提問(wèn)，一次就得到了靠譜的答案的情況。大家如果英文不好，也可以采用“套娃”的方法，如讓 ChatGPT 幫你翻譯成英文提示詞再對(duì) ChatGPT 進(jìn)行提問(wèn)。

如果模型理解無(wú)誤，使用英文提問(wèn)也沒(méi)有效果，建議換更高級(jí)的模型。在我看來(lái)不同的模型就像不同層次的學(xué)生，比如有些模型可能是中學(xué)生水平，有些模型可能是高中生水平，有些模型則相當(dāng)于大學(xué)生甚至研究生水平。而且不同的模型的擅長(zhǎng)之處也有所不同。因此當(dāng)提示詞已經(jīng)寫(xiě)得很好，但模型回答并不滿(mǎn)意時(shí)，有條件可以考慮切換到更強(qiáng)大的模型。在我的實(shí)際中，能夠明顯的感覺(jué)到 GPT-4 在大多數(shù)任務(wù)上都會(huì)比 GPT-3.5 回答更好，未來(lái)或許還會(huì)出現(xiàn)更強(qiáng)大的模型。

當(dāng)使用更高級(jí)模型也得不到滿(mǎn)意的答案，說(shuō)明當(dāng)前任務(wù)對(duì)大模型來(lái)說(shuō)過(guò)于復(fù)雜，此時(shí)可以考慮任務(wù)分解。對(duì)于復(fù)雜任務(wù)，建議大家先進(jìn)行拆解，拆解到模型比較容易完成的步驟，然后每個(gè)步驟讓模型去完成，往往效果更好。比如你想讓模型寫(xiě)出一個(gè)類(lèi)，可以拆解成不同的函數(shù)，然后每個(gè)函數(shù)讓模型去寫(xiě)。

當(dāng)嘗試上述方法還是效果不滿(mǎn)意時(shí)，可以嘗試任務(wù)接力。所謂“任務(wù)接力”是指，將任務(wù)拆解后分步驟讓 AI 分步完成或者人與 AI 分工合作完成。比如寫(xiě)代碼，你可以開(kāi)一個(gè)對(duì)話(huà)窗讓 AI 寫(xiě)代碼，用另外一個(gè)對(duì)話(huà)框讓 AI 去找出其中的問(wèn)題，再讓 AI 工具優(yōu)化代碼。比如寫(xiě)稿件，你可以讓 AI 寫(xiě)目錄供自己參考，也可以讓 AI 寫(xiě)草稿自己優(yōu)化或者你自己直接寫(xiě)稿子，最終再讓  AI 去潤(rùn)色。這樣復(fù)雜任務(wù)通過(guò)每個(gè)步驟拆解成 AI 比較容易完成的粒度或者通過(guò)將簡(jiǎn)單重復(fù)的任務(wù)分配給 AI ，將復(fù)雜 AI不擅長(zhǎng)的部分分配給人，可以實(shí)現(xiàn)更好地效果。

在使用 AI 工具過(guò)程中，經(jīng)過(guò)多輪對(duì)話(huà)之后，你可能會(huì)發(fā)現(xiàn)模型已經(jīng)忘了最初的任務(wù)是什么。

對(duì)于這種情況，最簡(jiǎn)單的處理辦法就是重新開(kāi)一個(gè)對(duì)話(huà)窗口，重新表述問(wèn)題，繼續(xù)處理后面的材料。

如果步驟特別多，需要重新開(kāi)太多對(duì)話(huà)非常麻煩，可以嘗試下面的方法。

前面講到模型重述任務(wù)有助于檢查模型是否真正理解任務(wù)，在我看來(lái)對(duì)上下文丟失的問(wèn)題也有幫助，如果你的任務(wù)需要多輪對(duì)話(huà)才可以完成，可以嘗試沒(méi)隔幾輪對(duì)話(huà)問(wèn) AI 任務(wù)是什么，通過(guò)提醒可以降低“遺忘”的概率。

我在實(shí)踐過(guò)程中經(jīng)常使用“簡(jiǎn)述任務(wù)”這一方法。例如，當(dāng)需要讓模型概括每個(gè)段落的重點(diǎn)時(shí)，我會(huì)在第一個(gè)提示詞中詳細(xì)寫(xiě)明要求。然后，在第二輪發(fā)送段落前，我都會(huì)重述或簡(jiǎn)述這個(gè)要求。這樣即使模型忘記了最初的任務(wù)，也能根據(jù)第二輪之后的簡(jiǎn)述完成任務(wù)。如“請(qǐng)按照我最初的要求，繼續(xù)提取下面段落重點(diǎn)發(fā)送給我。段落內(nèi)容：XXX”。

如果模型確認(rèn)或者簡(jiǎn)述任務(wù)方法還不能解決問(wèn)題，側(cè)面說(shuō)明這個(gè)任務(wù)可能對(duì)于模型來(lái)說(shuō)有些復(fù)雜了，建議可以將任務(wù)進(jìn)一步拆解，讓每一個(gè) Chat 界面只做其中的一個(gè)步驟或者有些步驟讓 AI 來(lái)做，有些步驟讓人來(lái)完成。

很多人用大模型時(shí)偶爾會(huì)碰到明明回答錯(cuò)誤，但是大模型回答的卻很有自信的情況，很容易被大模型所“唬住”。

建議對(duì)于自己拿不太準(zhǔn)的問(wèn)題可以問(wèn)多個(gè)不同的模型，他們答案之間相互印證，降低都“胡說(shuō)”的概率。有時(shí)，對(duì)于相對(duì)嚴(yán)謹(jǐn)?shù)膬?nèi)容，可以將 AI 的回答僅作為基本參考，并需結(jié)合傳統(tǒng)的研究方式，如使用搜索引擎、查閱論文和其他資料等。

最關(guān)鍵的還是自己要具備辨識(shí)能力。因?yàn)榧词共皇?AI 時(shí)代，你讓其他人幫你準(zhǔn)備材料，如果你沒(méi)有足夠的辨識(shí)度，也很容易出現(xiàn)問(wèn)題。雖然 AI 能夠提高我們的效率，但是我們比以往更需要提高專(zhuān)業(yè)素養(yǎng)，提高對(duì)信息真?zhèn)蔚谋孀R(shí)能力。

以 ChatGPT 為例， GPT-3.5 目前免費(fèi)使用， GPT-4 則需要開(kāi)通 Plus 服務(wù)，而且還有每  3 小時(shí) 50 個(gè) message 的限制（未來(lái)有可能進(jìn)一步提高，甚至完全放開(kāi)）。在 Poe 平臺(tái)上，ChatGPT 和 Claude 也分為免費(fèi)版和收費(fèi)版本，收費(fèi)版也有次數(shù)限制。

很多簡(jiǎn)單的任務(wù)免費(fèi)的模型就可以做的很好，優(yōu)先可以使用免費(fèi)模型進(jìn)行處理。對(duì)于復(fù)雜的任務(wù)，可以安排給收費(fèi)模型進(jìn)行處理。

在使用收費(fèi)模型時(shí)，可以將多個(gè)步驟合并成一個(gè)提示詞，節(jié)省收費(fèi)模型的調(diào)用次數(shù)。

可以使用免費(fèi)模型產(chǎn)出草稿版本，然后讓收費(fèi)的高級(jí)模型進(jìn)行二次優(yōu)化，這也是一個(gè)不錯(cuò)的選擇。

現(xiàn)在很多公司開(kāi)始自研大模型，很多業(yè)務(wù)也開(kāi)始接入大模型，下面談?wù)剺I(yè)務(wù)接入大模型的一些經(jīng)驗(yàn)，掌握這些經(jīng)驗(yàn)可以讓你少走一些彎路。

大模型不是萬(wàn)能的，我們不應(yīng)該“為了使用 AI 而使用 AI”。就像汽車(chē)雖然方便快捷，但不是在所有情況下都是最佳選擇。在實(shí)踐過(guò)程中，我們發(fā)現(xiàn)某些任務(wù)通過(guò)工程化方式解決效果更佳且成本更低。因此，在接入大模型時(shí)，我們需要權(quán)衡哪些任務(wù)適合工程化解決，哪些任務(wù)更適合用大模型來(lái)解決。

在正式接入模型之前，需要確定模型的效果評(píng)估標(biāo)準(zhǔn)，這樣才可以發(fā)現(xiàn)模型的不足，針對(duì)性?xún)?yōu)化。我們還需要確定可進(jìn)行工程化開(kāi)發(fā)的前提，比如生成的代碼采納率在 50%，生成的段落達(dá)到 80 分以上等。如果我們過(guò)早進(jìn)入工程化開(kāi)發(fā)，產(chǎn)品可能上線(xiàn)后長(zhǎng)時(shí)間達(dá)不到預(yù)期標(biāo)準(zhǔn)，甚至可能永遠(yuǎn)無(wú)法達(dá)成，從而導(dǎo)致產(chǎn)品可用性較差，并浪費(fèi)大量資源。

有些復(fù)雜任務(wù)需要對(duì)模型進(jìn)行微調(diào)，需要大量的人工標(biāo)注，以及評(píng)估模型效果工作。為了提高效率，建議大家可以自己編寫(xiě)腳本，或借助 AI 模型進(jìn)行輔助，實(shí)現(xiàn)自動(dòng)化或半自動(dòng)化的流程。

在將 AI 模型落地到業(yè)務(wù)的過(guò)程中，開(kāi)發(fā)人員雖然熟悉業(yè)務(wù)，但可能不了解模型優(yōu)化的方法；算法人員雖然更專(zhuān)業(yè)，卻可能對(duì)業(yè)務(wù)不夠了解。因此，想要不斷優(yōu)化大模型的效果，就需要開(kāi)發(fā)同學(xué)和算法同學(xué)通力合作。而且由于有些公司大模型團(tuán)隊(duì)的算法人員緊缺，很多業(yè)務(wù)又想盡早上線(xiàn)，有些開(kāi)發(fā)人員也開(kāi)始親自訓(xùn)練大模型。但缺乏專(zhuān)業(yè)指導(dǎo)可能會(huì)導(dǎo)致許多優(yōu)化思路不科學(xué)，從而會(huì)走許多彎路。因此，建議大家在考慮將業(yè)務(wù)加入 AI 能力，讓 AI 為業(yè)務(wù)提效時(shí)，增加算法同學(xué)的投入，讓算法和開(kāi)發(fā)同學(xué)通力合作，更好地解決問(wèn)題。

或許，提示詞只是大語(yǔ)言模型發(fā)展早期階段的一種折中方案?？梢灶?lèi)比為汽車(chē)的發(fā)展，從手動(dòng)擋逐漸演化到輔助駕駛和自動(dòng)駕駛，未來(lái)我們和大模型的交互可能也會(huì)采用更先進(jìn)的方式，如腦電波、意念等。

雖然 ChatGPT 的出現(xiàn)讓人眼前一亮，但是大語(yǔ)言模型還存在很多其他待解決的問(wèn)題，現(xiàn)在還需要我們?nèi)ミw就它。

不過(guò)，在我看來(lái)，這卻是一件值得慶幸的事情。正是因?yàn)?AI 的不完美，我們才沒(méi)那么容易失業(yè)。

在 AI 發(fā)展的當(dāng)前階段，我認(rèn)為最重要的是學(xué)好提示詞，掌握 AI 工具的最佳實(shí)踐，才能成為最早一批靈活駕馭大模型來(lái)更好解決你生活和工作問(wèn)題的人，才能在 AI 時(shí)代的早期取得一些競(jìng)爭(zhēng)優(yōu)勢(shì)。希望本文提供的一些經(jīng)驗(yàn)?zāi)軌蜃尨蠹疑僮咭恍澛贰?/p>

你在 AI 工具使用中還有哪些經(jīng)驗(yàn)？你對(duì)當(dāng)前大語(yǔ)言模型的發(fā)展有啥看法？歡迎大家在評(píng)論區(qū)進(jìn)行評(píng)論補(bǔ)充和討論。