矩阵号:日入100+,八大提示词(Prompt)使用技巧

2024-01-26 02:52

本文主要是介绍矩阵号:日入100+,八大提示词(Prompt)使用技巧,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近在搞头条矩阵,发现自己的指令写的太烂了,一个指令将会决定你的写作质量。

收益比较拉垮,50个号收益好的,也就这么几个号。

于是我扒了一些提示词的操作技巧,分享一下自己的学习心得。

先说理论知识,实操放文章最后。

我们与 GPT 沟通交流时,可以用到乔哈里 () 沟通视窗模型,它分为四个象限(如图所示)

为什么我们有时会觉得 GPT 不好用,不懂我们,那是因为存在“隐私区”,也就是“你知道,GPT不知道”

GPT拥有几乎无限的知识,但却不是我们肚子里的蛔虫,无法直观地洞察到我们心中的真正想法。

所以一个好的提示词的设计就变得尤为重要。

下面分享下我总结的一些心得:

技巧一:元问题和元指令-GPT和你互相引导

当你不知道如何向GPT提问时候,就可以使用这个方法,互相引导。

元问题:当我们不确定如何提出问题时,元问题就像是提问的提问。它帮助我们细化和明确我们想从ChatGPT () 获得的信息

元指令:当我们需要ChatGPT执行某项任务,但不知道该如何下达指令时,元指令就起到了引导的作用。它帮助我们构建出更有效的命令

比如,我要写一篇文章。不知道如何写提示词时候,就可以这么问他。

技巧二:学会投喂-让GPT学习知识盲区

提供文本示例,俗称“投喂”,我们刚刚说了,我们与 GPT 交流时,存在“隐私区”,也就是“你知道,GPT不知道”

无需使用礼貌用语,如“请”、“谢谢”等,直接表达需求即可

技巧三:使用明确的分隔符-让GPT更懂你。

说白了,分隔符就是分隔文字的符号,这些符号可以是 /// — ### …

其目的是让 AI 知道,分隔符里面的文字和外面的文字是分开的。

技巧四:PUA 大模型-让GPT干活更卖力。

使用类似这样的提示词:

“你的任务是XXX”

“必须完成XXX任务”

“如果你不执行 XXX,你将会受到处罚”

解决 GPT 偷懒还有一招:当老板,奖励员工。

技巧五:贿赂大模型-让GPT当你员工

使用类似这样的提示词:“我愿意支付 100$ 的小费以获得更好的方案!”、“如果你做得好的话,我会给你100$的小费”

技巧六:少次射击(Few-shot)

概念:

在“少次射击”学习中,我们给人工智能(Al)模型提供几个相关的例子,这样它就可以通过这些例子快速学习并适应新的情况或问题。

费曼风格解释: 想象你正在教一个孩子如何识别不同种类的水果。你给他看了几个例子:一个苹果、一个香蕉和一个橙子。每次你展示一个水果时,你都会说出它的名字。这样,孩子通过这些具体的例子学习了如何识别这些水果。当你下次给他展示一个新的水果时,即使他之前没有看过,他也能根据之前的学习来猜测这是什么水果。

Al应用: 在AI中,我们通过给模型提供几个示例(比如几个问题和它们的答案),来帮助它理解我们希望它如何回答类似的新问题。

技巧七:COT(Chain of Thought):思维链

COT 思维链,说白了就是让 GPT将它内心的思考写出来,例如:

我提问: 一个人每天走 5 公里,走了 20 天,总共走了多少公里?🚶

非 COT 的回答:100 公里

COT(思维链)的回答:

1、一个人每天走5公里

2、20天就是20倍5公里

3、20倍5公里等于100公里

得到结果:一个人走了20天,总共走了100公里。

技巧八:少次射击CoT

概念: 这是“少次射击”学习的一个变体,其中我们不仅提供问题和答案的例子,还要求AI展示其解决问题的思路或推理过程。

费曼风格解释:以水果为例子,这次当你教孩子识别水果时,你不仅告诉他每个水果的名字,还解释了为什么这个是苹果(比如它的颜色、形状和大小)。

这样,当孩子遇到一个新的水果时,他不仅能说出它是什么,还能解释为什么他认为那是答案。

Al应用: 在AI中,我们给模型提供一些问题、答案以及解決问题的思路。

这样,当模型遇到新问题时,它不仅能给出答案,还能展示其推理过程。

运用如上的理论知识,我们实操一个文章的写作流程:

https://chat.openai.com/share/ab7319ce-88c2-44f9-8c71-6e53cb090388

细细品味指令,我就不多说了,上面讲的很全了

下面说下矩阵操作的心得

单号操作这个流程很容易,矩阵操作,发文量大,手动操作就要耗费很多时间和精力。

没有自动化的软件写文章,根本扛不住。也很难坚持下去。

需要体验自动化写作:

AI小蜜批量写作软件体验卡及使用教程

AI小蜜批量写作助手-软件首页截图

任何项目,干,才有出路

任何项目,想,万事皆休

这篇关于矩阵号:日入100+,八大提示词(Prompt)使用技巧的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/645427

相关文章

C语言中联合体union的使用

本文编辑整理自: http://bbs.chinaunix.net/forum.php?mod=viewthread&tid=179471 一、前言 “联合体”(union)与“结构体”(struct)有一些相似之处。但两者有本质上的不同。在结构体中,各成员有各自的内存空间, 一个结构变量的总长度是各成员长度之和。而在“联合”中,各成员共享一段内存空间, 一个联合变量

【EverEdit】活用 EverEdit 小技巧

【EverEdit】活用 EverEdit 小技巧 (1)设置 EverEdit 对比文件文本内容 设置如下图所示: 首先要先打开要对比的文本文件,和对比文件相比,此时打开了至少两个文件: 选择文件比较: (2)如何设置 EverEdit 监视文件的变化 设置如下图所示:

Tolua使用笔记(上)

目录   1.准备工作 2.运行例子 01.HelloWorld:在C#中,创建和销毁Lua虚拟机 和 简单调用。 02.ScriptsFromFile:在C#中,对一个lua文件的执行调用 03.CallLuaFunction:在C#中,对lua函数的操作 04.AccessingLuaVariables:在C#中,对lua变量的操作 05.LuaCoroutine:在Lua中,

Vim使用基础篇

本文内容大部分来自 vimtutor,自带的教程的总结。在终端输入vimtutor 即可进入教程。 先总结一下,然后再分别介绍正常模式,插入模式,和可视模式三种模式下的命令。 目录 看完以后的汇总 1.正常模式(Normal模式) 1.移动光标 2.删除 3.【:】输入符 4.撤销 5.替换 6.重复命令【. ; ,】 7.复制粘贴 8.缩进 2.插入模式 INSERT

公共筛选组件(二次封装antd)支持代码提示

如果项目是基于antd组件库为基础搭建,可使用此公共筛选组件 使用到的库 npm i antdnpm i lodash-esnpm i @types/lodash-es -D /components/CommonSearch index.tsx import React from 'react';import { Button, Card, Form } from 'antd'

Lipowerline5.0 雷达电力应用软件下载使用

1.配网数据处理分析 针对配网线路点云数据,优化了分类算法,支持杆塔、导线、交跨线、建筑物、地面点和其他线路的自动分类;一键生成危险点报告和交跨报告;还能生成点云数据采集航线和自主巡检航线。 获取软件安装包联系邮箱:2895356150@qq.com,资源源于网络,本介绍用于学习使用,如有侵权请您联系删除! 2.新增快速版,简洁易上手 支持快速版和专业版切换使用,快速版界面简洁,保留主

如何免费的去使用connectedpapers?

免费使用connectedpapers 1. 打开谷歌浏览器2. 按住ctrl+shift+N,进入无痕模式3. 不需要登录(也就是访客模式)4. 两次用完,关闭无痕模式(继续重复步骤 2 - 4) 1. 打开谷歌浏览器 2. 按住ctrl+shift+N,进入无痕模式 输入网址:https://www.connectedpapers.com/ 3. 不需要登录(也就是

Toolbar+DrawerLayout使用详情结合网络各大神

最近也想搞下toolbar+drawerlayout的使用。结合网络上各大神的杰作,我把大部分的内容效果都完成了遍。现在记录下各个功能效果的实现以及一些细节注意点。 这图弹出两个菜单内容都是仿QQ界面的选项。左边一个是drawerlayout的弹窗。右边是toolbar的popup弹窗。 开始实现步骤详情: 1.创建toolbar布局跟drawerlayout布局 <?xml vers

C#中,decimal类型使用

在Microsoft SQL Server中numeric类型,在C#中使用的时候,需要用decimal类型与其对应,不能使用int等类型。 SQL:numeric C#:decimal

探索Elastic Search:强大的开源搜索引擎,详解及使用

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 引入 全文搜索属于最常见的需求,开源的 Elasticsearch (以下简称 Elastic)是目前全文搜索引擎的首选,相信大家多多少少的都听说过它。它可以快速地储存、搜索和分析海量数据。就连维基百科、Stack Overflow、