分享YT影片及附上AI字幕: AI Innovation Talk⭐AIGC系列(1) 全面升級 ChatGPT Pro

重點摘要:

這裡是關於ChatGPT的AI Innovation Talk的內容摘要:

1. ChatGPT是一個訊息處理器,不是聊天機器人,要先正確認知它的能力邊界。它擅長總結、推論、轉換和擴寫。

2. 使用ChatGPT時要明確具體,可以使用分隔符號等提高明確度,也可以拆解步驟讓它逐步理解。

3. 可以利用角色扮演、溫度調整等控制ChatGPT的語氣和風格。也可以指定輸出格式,比如表格、大綱等。

4. 思維鏈技巧如Let's think step by step可以提高ChatGPT的推理能力,TOT技巧可以開啟多重思維。

5. ChatGPT可以幫忙閱讀、理解、總結論文;可以做商業分析、行銷報告等。也可以扮演非人類角色,如Linux指令介面。

6. ChatGPT的prompt可以 parameterized 和結構化,重複使用,也可以輸出變數控制結果。

7. ChatGPT可以結合Notion、其他工具,提高工作效率。也可以控制語氣、風格,協助創作。

8. ChatGPT是一個強大的工具,但仍需人工檢查結果是否正確。需要累積經驗找到最適合的使用方法。

綜上,ChatGPT是一個功能強大的語言處理工具,使用正確的prompt技巧可以大幅提升工作效率,協助完成各式任務。但仍需注意驗證其輸出內容。

===========================

字幕分享: (不一定完全正確)

[00:00.000 -> 00:04.320] 各位AI有興趣的朋友們 大家晚安大家好

[00:05.200 -> 00:08.200] 歡迎來到今天晚上的AI in a machine talk

[00:09.680 -> 00:12.880] 在正式開始之前有些事情跟大家宣打一下

[00:14.080 -> 00:16.960] 呃 我們待會會分成兩個部分

[00:16.960 -> 00:19.680] 一個部分會是主講者講他精彩的內容

[00:19.680 -> 00:22.360] 另外一部分的話會是討論的部分

[00:22.680 -> 00:26.320] 所以在呃 如果聽眾們可以有問題的話

[00:26.320 -> 00:28.880] 可以先把問題是錄在問答區

[00:28.880 -> 00:30.480] 就是問與答的那個地方

[00:31.000 -> 00:33.680] 在討論的時候如果你舉手的話

[00:34.080 -> 00:35.960] 我們就會幫你開麥克風

[00:36.320 -> 00:37.240] 讓你做提問

[00:38.440 -> 00:40.800] 這一場的話主講者是有提供

[00:41.160 -> 00:43.120] 簡報跟錄影的檔案的

[00:44.080 -> 00:47.760] 結束的時候還請各位幫忙填寫活動後的問卷

[00:48.120 -> 00:51.720] 你們的回饋跟意見對我們來說非常的重要

[00:55.000 -> 01:01.440] 這一場AI Innovation Talk是臺灣人工智慧協會的創新育成委員會所主辦的

[01:02.160 -> 01:05.900] 臺灣人工智慧協會以推動人工智慧產業化

[01:06.500 -> 01:09.300] 擴大產業的人工智慧應用為宗旨

[01:10.200 -> 01:16.200] 除了促進產業AI化之外 也致力於推動AI產業化的目標

[01:16.700 -> 01:18.000] 那歡迎大家加入

[01:22.500 -> 01:24.000] 關於AI Enumeration Talk

[01:30.800 -> 01:39.200] 關於AI Enormation Talk是由台灣人工智慧協會創新育成委員會所開辦的線上頻道希望可以透過AI Enormation Talk搭起新創與企業之間的橋樑及火花

[01:39.200 -> 01:45.800] 主題的範圍涵蓋了創新�業、育成、新創、數位轉型等

[01:49.000 -> 01:53.600] 今天晚上的主題是全面升級QueryGBT Punt新法

[01:53.600 -> 01:55.600] 提升10倍生產力

[01:56.600 -> 01:59.600] 相信今天現場的大家都有用過QueryGBT

[01:59.600 -> 02:02.600] 看別人用的時候好像都很厲害很方便

[02:02.600 -> 02:05.760] 但自己真的用的時候卻又不是那麼一回事

[02:06.400 -> 02:07.840] 到底美搞在哪裡呢

[02:08.960 -> 02:11.640] 外面有很多確具必定的課程都是要收費的

[02:12.240 -> 02:18.080] 今天晚上的主講者簡光正傑森是非常著名的確具必定講者之一

[02:19.120 -> 02:24.840] 他現在任職於台中市聚剛機械擔任數位創新中心經理

[02:22.560 -> 02:25.600] 他屬於台中市聚剛機械擔任數位創新中心經理

[02:25.600 -> 02:28.200] 主要負責企業數位轉型

[02:28.200 -> 02:32.340] 敏捷文化、AI與智慧製造相關專案

[02:32.340 -> 02:35.380] 並於2022年榮獲

[02:35.380 -> 02:39.080] 哈佛商業評論舉辦的數位轉型

[02:39.080 -> 02:42.120] 頂格獎及楷模獎

[02:42.120 -> 02:45.680] 他熱愛於研究及分享IT新領域的技術

[02:45.680 -> 02:51.600] 在AI、雲端架構、區塊鏈、工業物聯網等領域都有研究

[02:51.960 -> 02:54.320] 他也是臺灣人工智慧學校的校友

[02:55.280 -> 02:57.880] 好的 到底TrailGB店妹搞在哪裡

[02:58.000 -> 02:59.240] 有什麼訣竅呢

[02:59.480 -> 03:03.800] 讓我們歡迎簡光正 Jason帶來今天晚上的分享

[03:06.080 -> 03:06.840] 好 謝謝Wilson的介紹歡迎簡光正Jason帶來今天晚上的分享好

[03:06.840 -> 03:09.000] 謝謝Wilson的介紹

[03:09.000 -> 03:12.160] 那先等我先分享一下我的畫面

[03:19.200 -> 03:21.440] 請問這樣畫面有看到了嗎

[03:22.840 -> 03:23.320] 有

[03:24.200 -> 03:24.520] 有

[03:24.520 -> 03:25.440] 好那我就因為今天時間有限有看到了嗎有有

[03:25.680 -> 03:26.560] 好那我就

[03:26.880 -> 03:28.120] 那因為今天時間有限

[03:28.440 -> 03:29.560] 所以我想就是很

[03:30.120 -> 03:32.840] 今天就是抽一個小時的時間

[03:32.840 -> 03:34.200] 跟大家來分享一下

[03:34.200 -> 03:37.200] 那這一場原本是在今年6月

[03:37.200 -> 03:39.280] 就已經有在中研院

[03:39.280 -> 03:40.760] 就是AIA有舉辦的

[03:41.400 -> 03:43.560] 衝擊工作坊裡面的分享內容

[03:43.560 -> 03:44.440] 那可能有些

[03:48.000 -> 03:50.280] 我看與會聽眾裡面可能有些有聽過那如果就把它當作複習

[03:50.280 -> 03:54.680] 那主要這一方面的東西是協助大家是說很快速的掌握

[03:54.680 -> 03:57.920] 說怎麼很快速的掌握一些prompt的技巧

[03:57.920 -> 04:01.240] 能夠很快速的把這個Chair GVT應用在自己

[04:01.240 -> 04:04.000] 不管是工作或生活之中

[04:06.000 -> 04:07.000] 稍等一下

[04:10.000 -> 04:12.000] 那其實這一份講義除了簡報之外

[04:12.000 -> 04:16.000] 也會有搭配一份我自己整理的Notion的頁面

[04:16.000 -> 04:21.000] 那其實都會跟這個簡報一起給大家

[04:21.000 -> 04:24.000] 所以大家其實可以在今天的結束之後

[04:24.000 -> 04:27.000] 還是可以拿到這一份完整的一些實操的內容

[04:27.000 -> 04:28.040] 可以複製貼上

[04:28.040 -> 04:32.080] 就可以很快的重現今天我所分享的所有內容

[04:32.080 -> 04:37.200] 所以我不會太執著於很多細節操作的地方

[04:37.200 -> 04:41.120] 我想大概最近Chad GPT大概從今年一直到現在

[04:41.120 -> 04:42.440] 大家應該都很熱門

[04:42.440 -> 04:46.700] 所以聽說今天上場人數也蠻多的

[04:46.700 -> 04:49.040] 包含那天去工作坊也都蠻多人

[04:49.040 -> 04:51.140] 大家都會感受到說,欸這ChairGBT

[04:51.480 -> 04:52.780] 為大家帶來一種

[04:52.940 -> 04:54.840] 除了覺得便宜之外,也另外一種焦慮啦

[04:54.840 -> 04:57.640] 其實我當時在摸索這一陣子當中

[04:57.640 -> 04:59.220] 其實也碰到一個問題就是說

[04:59.420 -> 05:02.280] 坊間其實針對ChairGBT Prop的這個東西

[05:02.280 -> 05:05.880] 其實非常多,你根本不知道哪裡下手

[05:05.880 -> 05:08.680] 不過後來我這樣經過一段時間的整理之後

[05:08.680 -> 05:12.440] 我發現其實大概你只要掌握住一些基本技巧

[05:12.440 -> 05:16.040] 其實就已經足夠能夠把Chair-GPT用得很熟了

[05:16.040 -> 05:17.540] 所以大家可以看就是說

[05:17.540 -> 05:19.540] 這個還是上個月的搜尋紀錄

[05:19.540 -> 05:22.220] 我想今天如果你在搜尋這個所謂的

[05:22.220 -> 05:25.200] Best-Chairest Chat GPT的結果

[05:25.200 -> 05:26.960] 應該是不只2300萬筆

[05:26.960 -> 05:28.160] 應該是更甚的

[05:28.160 -> 05:31.280] 所以基本上應該大家很難直接就入手

[05:31.280 -> 05:32.040] 所以也就是說

[05:32.040 -> 05:34.840] 為什麼大家今天會想要來聽這堂課的原因

[05:37.440 -> 05:38.480] 那這邊其實也是啊

[05:38.480 -> 05:41.160] 就是說那大家想說有系統性的去上課

[05:41.160 -> 05:43.480] 即便你去坊間找這個課程

[05:43.480 -> 05:45.040] 就是我們隨便挑一個比如說有名的比方說Udemy你去坊間找這個課程就是我們隨便挑一個

[05:45.040 -> 05:45.960] 比如說住民平臺

[05:45.960 -> 05:46.560] 比如說 Udemy

[05:46.560 -> 05:48.440] 你去搜尋這個ChairGBT

[05:48.440 -> 05:49.520] 隨便一搜尋

[05:49.520 -> 05:52.080] 你也都會有幾乎是幾千堂的課程

[05:52.080 -> 05:52.720] 讓你去選

[05:52.720 -> 05:54.720] 而且這些也幾乎都是要收費

[05:54.720 -> 05:56.280] 那品質怎麼樣

[05:56.280 -> 05:57.400] 其實也都很難確定

[05:57.400 -> 06:01.200] 會不會迷失在這個學習的這個海裡面很久

[06:01.200 -> 06:05.000] 所以今天算是我把學習的精華都把它總結

[06:05.000 -> 06:07.000] 那也有很多人就想說

[06:07.000 -> 06:10.000] 那我可不可以用就是網路上找現成的範本

[06:10.000 -> 06:11.000] 就copy paste

[06:11.000 -> 06:13.000] 那這個其實就也很困難

[06:13.000 -> 06:17.000] 因為其實你去搜尋所有的這種prompt template

[06:17.000 -> 06:18.000] 你隨便搜尋

[06:18.000 -> 06:20.000] 其實像大家看這個畫面裡面

[06:20.000 -> 06:21.000] 其實很多

[06:21.000 -> 06:23.000] 我那時候本來想要跟大家講說

[06:23.000 -> 06:26.600] 現在很多坊間就是你網路搜尋這個

[06:26.600 -> 06:28.160] 他告訴你說幾個

[06:28.160 -> 06:30.320] 比如100個最適用某某行業的

[06:30.320 -> 06:31.520] 然後1000個

[06:31.520 -> 06:33.400] 我就想說到底極限會有多少個

[06:33.400 -> 06:34.200] 後來就找到這個

[06:34.200 -> 06:36.120] 專門在販售這個prompt的網站

[06:36.120 -> 06:37.160] 他

[06:37.160 -> 06:39.600] 這樣隨時搜尋1500

[06:39.600 -> 06:40.640] 這個數字2500

[06:40.640 -> 06:43.000] 我想大家應該是很難消化這個2500

[06:43.000 -> 06:46.880] 不可能把這2500個prompt的template都背下來

[06:46.880 -> 06:48.880] 所以我覺得,就是說我們用最

[06:48.880 -> 06:51.160] 今天是跟大家分享,是說我會跟大家講說

[06:51.160 -> 06:53.520] 用最精簡的原則跟技巧

[06:53.520 -> 06:55.360] 然後你自己就可以發展出你自己

[06:55.360 -> 06:58.960] 屬於你自己的prompt的一個溝通方式

[07:00.840 -> 07:03.400] 那這一幅圖是我很喜歡的

[07:03.400 -> 07:05.560] 就是這當時是我們那個

[07:05.560 -> 07:08.200] AIA 的校長 Rich 他分享的

[07:08.200 -> 07:10.120] 他說這裡就是很多人

[07:10.120 -> 07:12.000] 現在 GPT 就在封口嘛

[07:12.000 -> 07:13.480] 就大家都是在右邊

[07:13.480 -> 07:16.000] 那很一窩蜂的擠著說

[07:16.000 -> 07:17.200] 啊,Trade GPT 怎麼用啊

[07:17.200 -> 07:19.320] 然後他的那個技巧怎麼樣啊

[07:19.320 -> 07:20.640] 那大家都在熱衷學這個

[07:20.640 -> 07:23.520] 那只有少部分的人是把它當作工具

[07:23.520 -> 07:26.900] 甚至有更為少數人,比如說1%的人

[07:26.900 -> 07:30.000] 他把看中了他背後的一些商業模式

[07:30.000 -> 07:34.900] 去想要透過他能夠為自己能夠找到新的商業模式

[07:34.900 -> 07:37.900] 所以我今天希望就是能夠為大家帶來就是說

[07:37.900 -> 07:40.100] 我們不一定可以當那1%的人

[07:40.100 -> 07:44.100] 但我相信大家應該是很有機會可以當這9%

[07:44.100 -> 07:47.200] 可以把CHP當作工具來用的人

[07:50.320 -> 07:53.320] 那這個我把我自己學習的過程

[07:53.320 -> 07:55.160] 其實我把它用6個口訣

[07:55.160 -> 07:58.560] 我把它分拆解出來

[07:58.560 -> 08:01.200] 就是心悸體跟手魄力

[08:01.200 -> 08:05.620] 那前面三項其實是比較針對很具體的一個學習的過程

[08:05.620 -> 08:07.220] 就是這個在日本

[08:07.220 -> 08:08.820] 日本他們在武術或是劍道

[08:08.820 -> 08:12.620] 他們很常用這三個字在形容一個學習的一個歷程

[08:12.620 -> 08:13.340] 心就是說

[08:13.340 -> 08:15.060] 你在學習一個東西的時候

[08:15.060 -> 08:20.780] 你必須先對你要學習的事物有一個正確的認知心態

[08:20.780 -> 08:21.900] 包含他的原則

[08:21.900 -> 08:23.180] 心態認知上

[08:23.180 -> 08:25.000] 你會需要先把它確定下來

[08:25.000 -> 08:31.000] 那再進一步,你在有正確的心態再去學習這個所謂的技術方面的

[08:31.000 -> 08:33.000] 就是他實務上的技巧啊,操作怎麼做

[08:33.000 -> 08:35.000] 就一步一步把它學起來

[08:35.000 -> 08:37.000] 那再來的話,體這件事情就是他

[08:37.000 -> 08:39.000] 你是把它想成一個整體運用

[08:39.000 -> 08:42.000] 所以今天我會著重在左邊這個新記輯

[08:42.000 -> 08:45.240] 就是教跟大家分享說說心態原則啊

[08:45.240 -> 08:47.280] 然後一些實務上的技巧

[08:47.280 -> 08:48.560] 那也會展示一下是說

[08:48.560 -> 08:52.280] 那我們具體怎麼把這些學會的技巧融合起來

[08:52.280 -> 08:55.160] 而把它做一個整體的運用

[08:55.160 -> 08:58.200] 那手破離這三個我覺得它是屬於一個心態

[08:58.200 -> 09:01.200] 就是說其實我們在學習的過程當中

[09:01.200 -> 09:03.400] 一開始其實我們會採取所謂的手

[09:03.400 -> 09:04.200] 它指的就是說

[09:04.200 -> 09:06.520] 我遵循著這既有的規則

[09:06.520 -> 09:08.440] 我follow先別人怎麼做

[09:08.440 -> 09:10.120] 或是best practice怎麼做

[09:10.120 -> 09:11.920] 我先一步一步follow入我

[09:11.920 -> 09:14.720] 先把這個東西先記在自己的腦袋裡

[09:14.720 -> 09:16.080] 自己是做過一次

[09:16.080 -> 09:18.960] 那才會有辦法進入到破這個階段

[09:18.960 -> 09:20.240] 就是我開始嘗試說

[09:20.240 -> 09:23.880] 突破一些原本的一些技巧

[09:23.880 -> 09:25.220] 一些規則

[09:25.220 -> 09:29.920] 開始發展出自己的一套方式跟方法

[09:29.920 -> 09:31.420] 等到你全部都學會的時候

[09:31.420 -> 09:32.920] 你就會進入離這個階段

[09:32.920 -> 09:36.120] 我們講說有見三不識三

[09:36.120 -> 09:39.160] 一直到見三識三的這個境界

[09:39.160 -> 09:42.080] 就會是手破離這幾個口訣

[09:42.080 -> 09:44.800] 所以這六個口訣是我自己是蠻喜歡的

[09:44.800 -> 09:47.240] 那我一直都是我自己的學習框架

[09:47.240 -> 09:49.240] 跟大家一起來分享

[09:49.240 -> 09:52.600] 所以這六個字大致上的解釋就會是

[09:52.600 -> 09:54.600] 就比如說從觀念認知出發

[09:54.600 -> 09:58.440] 然後會跟大家講說基本的應用知識跟技巧

[09:58.440 -> 10:00.440] 那會跟大家分享一下說

[10:00.440 -> 10:03.600] 總體起來你可以怎麼把它用在

[10:03.600 -> 10:04.880] 不是只有用在 shared GPT

[10:04.880 -> 10:10.500] 就 shared GPT 我會展示說可以結合一些其他的周邊系統來一起運用

[10:12.000 -> 10:14.600] 好,那首先我想先跟大家分享一下

[10:14.600 -> 10:18.100] 就是我在學習上碰到的一些心態跟認知

[10:18.500 -> 10:19.600] 是怎麼弄的

[10:19.600 -> 10:21.400] 其實第一件事情我覺得就是

[10:21.600 -> 10:25.260] 當你在打開網頁打開ChairGB這個頁面的時候

[10:25.260 -> 10:28.180] 你其實要很清楚告訴你腦袋

[10:28.180 -> 10:30.980] 你其實是在跟一個訊息處理器

[10:30.980 -> 10:33.700] 其實我們當然數據叫做大型語言模型

[10:33.700 -> 10:34.900] 你其實是在跟一個

[10:34.900 -> 10:38.020] 所謂的一個程式語言模型在互動

[10:38.020 -> 10:39.380] 而不是聊天機器人

[10:39.380 -> 10:40.620] 我覺得這個認知蠻重要

[10:40.620 -> 10:42.540] 因為一開始我其實我也只是把

[10:42.540 -> 10:44.300] 把它當做AI聊天機器人

[10:44.300 -> 10:46.840] 所以應該一開始大家試的方式可能是說

[10:46.840 -> 10:49.120] 啊,可不可以講個笑話給我聽啊

[10:49.120 -> 10:51.400] 可不可以陪我聊天啊,或是幹嘛

[10:51.400 -> 10:53.960] 那當你陷入這個思維的時候,你其實很難

[10:53.960 -> 10:56.280] 很難跳脫出來是說,對,這個好像

[10:56.280 -> 10:59.320] 它可以跟我好像就講話講得蠻自然

[10:59.320 -> 11:01.760] 但是它實務上可以幫我做什麼

[11:01.760 -> 11:04.960] 但當你把它想像成是說,欸其實我是在

[11:04.960 -> 11:07.760] 透過一個自然語言文字輸入的介面

[11:07.760 -> 11:11.200] 我正在跟一個所謂的訊息處理器

[11:11.200 -> 11:12.200] 打交道的時候

[11:12.200 -> 11:13.200] 你就會知道是說

[11:13.200 -> 11:15.680] 其實所有的電腦系統

[11:15.680 -> 11:17.640] 它處理的東西就是所謂的

[11:17.640 -> 11:19.440] 你給它一個特定的輸入

[11:19.440 -> 11:21.200] 它會給一個特定的輸出

[11:21.200 -> 11:23.040] 所以也就是說我們會知道是說

[11:23.040 -> 11:25.600] 其實我是要帶著某一些目的性

[11:25.600 -> 11:26.640] 然後甚至是說

[11:26.640 -> 11:29.040] 當然如果你有電腦工程背景的話

[11:29.040 -> 11:30.240] 你能夠更

[11:30.240 -> 11:32.560] 更自由運用的上手

[11:32.560 -> 11:33.920] 說這個就是輸出

[11:33.920 -> 11:34.720] 然後處理

[11:34.720 -> 11:36.640] 然後輸出的一個概念

[11:36.640 -> 11:37.280] 而不是說

[11:37.280 -> 11:39.200] 那好像是一問一答

[11:39.200 -> 11:40.880] 然後就講個笑話陪我聊天

[11:40.880 -> 11:42.160] 哈哈大笑的

[11:42.160 -> 11:43.040] 這種概念

[11:43.040 -> 11:44.160] 所以我覺得第一件事情

[11:44.160 -> 11:46.200] 其實要很正確的認知是說

[11:46.200 -> 11:47.800] 當你打開確認GPT的時候

[11:47.800 -> 11:50.200] 這個其實是一個訊息處理器

[11:50.200 -> 11:51.800] 並不是一個AI聊天機器

[11:51.800 -> 11:53.400] 雖然它具備這個功能

[11:53.400 -> 11:56.000] 但其實我們可以更廣泛的把它認為是說

[11:56.000 -> 12:01.000] 這個是一個所謂的利用自然語言為介面的一個訊息處理器

[12:02.600 -> 12:04.840] 那當我們對它有正確認知的時候

[12:04.840 -> 12:06.000] 我當然會想要知道說

[12:06.000 -> 12:07.640] 那這個處理系統

[12:07.640 -> 12:09.960] 他到底具備哪一些能力

[12:09.960 -> 12:12.760] 因為我們得知道他的能力的邊界

[12:12.760 -> 12:15.920] 或是他的那個能力在哪裡

[12:15.920 -> 12:16.880] 我們才能夠知道說

[12:16.880 -> 12:18.640] 那我今天想要求

[12:18.640 -> 12:21.280] ChairGB做的事情到底做不做得到

[12:21.280 -> 12:22.240] 那這個是

[12:22.240 -> 12:23.880] 這個截圖是來自於就是

[12:23.880 -> 12:25.720] OpenAI的這個官網

[12:25.720 -> 12:26.480] 就是他

[12:26.480 -> 12:28.800] 其實在 Playground 上面就是有一些範例

[12:28.800 -> 12:30.160] 可以讓你點進去玩

[12:30.160 -> 12:31.480] 這是從下拉式選單

[12:31.480 -> 12:32.960] 就是說 OpenAI 自己也把這個

[12:32.960 -> 12:34.960] ChairGB 的能力分成這幾大類

[12:34.960 -> 12:36.040] 就包含問答

[12:36.040 -> 12:36.920] 分類

[12:36.920 -> 12:39.760] 那最厲害的我覺得就是寫程式這個功能

[12:39.760 -> 12:41.720] 那再包含就是說自然對話

[12:41.720 -> 12:42.840] 然後生成內容

[12:42.840 -> 12:44.320] 然後翻譯跟轉換

[12:44.320 -> 12:46.740] 這幾項事情都是他很拿手的

[12:46.740 -> 12:49.220] 所以當你覺得你的工作

[12:49.220 -> 12:52.420] 你要丟給確GP的工作是超出這些範圍的

[12:52.420 -> 12:54.220] 他可能會有點力而未逮

[12:54.220 -> 12:56.300] 或是表現不如預期

[12:56.300 -> 13:00.180] 所以我們會先知道說他的能力是在哪裡

[13:00.180 -> 13:01.540] 那另外一個能力的分類

[13:01.540 -> 13:02.900] 我覺得也分的不錯

[13:02.900 -> 13:04.580] 就是最近那個Andrew

[13:04.580 -> 13:06.880] 他在網路上有公開一個

[13:06.880 -> 13:08.640] Shared GPT 的課程

[13:08.640 -> 13:12.800] 那這個是他對 Shared GPT 能力的另外一個分類法

[13:12.800 -> 13:14.800] 他就把這個能力分成四大類

[13:14.800 -> 13:17.280] 第一個是總結,然後第二個是推論

[13:17.280 -> 13:20.440] 然後第三個是轉換,第四個是擴寫

[13:20.440 -> 13:23.080] 那我覺得這個他分類的蠻精簡

[13:23.080 -> 13:26.300] 所謂的總結就是把一個海量的訊息

[13:26.300 -> 13:28.900] 把它做萃取跟濃縮

[13:28.900 -> 13:30.500] 那我覺得這個比較好的

[13:30.500 -> 13:32.100] 蠻生活的比喻就是說

[13:32.100 -> 13:34.200] 我其實是把一個咖啡粉

[13:34.200 -> 13:36.300] 丟進這個義式咖啡機裡面

[13:36.300 -> 13:38.700] 那你就是按下一個鍵

[13:38.700 -> 13:42.900] 透過壓力它直接萃取出這個咖啡裡面所有的精華

[13:42.900 -> 13:45.320] 就是我只留下一個最關鍵的訊息

[13:45.320 -> 13:47.320] 這個就是總結的功能

[13:47.320 -> 13:50.560] 那推論我覺得他這個就是也是很厲害的功能

[13:50.560 -> 13:52.320] 就是說我們其實有一些

[13:52.320 -> 13:54.200] 就是我都把它當作好像是柯南

[13:54.200 -> 13:55.680] 我給他一部分的線索

[13:55.680 -> 13:58.960] 請他幫我把後面的東西幫我做補齊

[13:58.960 -> 14:00.120] 或是幫我推論說

[14:00.120 -> 14:03.120] 我要講的東西是不是正確的等等

[14:03.120 -> 14:06.300] 那再來轉換我覺得就是大家應該會很常

[14:06.300 -> 14:07.600] 會很常使用

[14:07.600 -> 14:10.300] 就是基本上現在所有的翻譯引擎

[14:10.300 -> 14:14.500] 幾乎都開始在朝ChairGBT的這個引擎去做邁進

[14:14.500 -> 14:16.200] 相信有了ChairGBT

[14:16.200 -> 14:19.400] 應該很多人都把身邊既有的這個搜尋的介面

[14:19.400 -> 14:20.100] 應該都換掉

[14:20.100 -> 14:21.700] 都會換成是用ChairGBT

[14:21.700 -> 14:23.400] 這方式來做翻譯

[14:23.400 -> 14:26.160] 因為翻譯的品質實在是太好了

[14:26.160 -> 14:27.200] 那再來的話就是擴寫

[14:27.200 -> 14:28.800] 我覺得擴寫它這個就是

[14:28.800 -> 14:30.480] 有點像是總結的倒過來

[14:30.480 -> 14:32.480] 它其實就是說你給定一個少量的資訊

[14:32.480 -> 14:34.120] 讓它自動去生成

[14:34.120 -> 14:35.720] 就是你可以丟幾個關鍵字

[14:35.720 -> 14:37.960] 或是你一個期望的一個主題

[14:37.960 -> 14:39.160] 那比如說

[14:39.160 -> 14:41.400] 我如果想跟老闆請假

[14:41.400 -> 14:42.840] 就是我肚子痛

[14:42.840 -> 14:44.120] 你就給他幾個問題說

[14:44.120 -> 14:47.760] 可不可以用一個既不傷老闆的心又不會讓老闆請假就是我肚子痛你就給他幾個問題說可不可以用一個既不傷老闆的心

[14:47.760 -> 14:48.960] 又不會讓老闆質疑

[14:48.960 -> 14:51.720] 然後幫我寫封很厲害的請假信

[14:51.720 -> 14:53.200] 讓我保證可以請得過

[14:53.200 -> 14:54.480] 我只要給他一個少量資訊

[14:54.480 -> 14:56.320] 他會自動幫你瞎掰成一個

[14:56.320 -> 14:59.480] 很美妙的一個文案

[14:59.480 -> 15:00.880] 所以這個就是確切筆記

[15:00.880 -> 15:04.880] 很擅長的四大類的一個資訊的轉換的一個過程

[15:04.880 -> 15:05.000] 就是萃取然後推的轉換的一個過程

[15:05.000 -> 15:11.000] 就是萃取,然後推論,轉換,跟擴寫生成這樣

[15:13.000 -> 15:16.000] 好,那大家知道他的能力邊界之後

[15:16.000 -> 15:20.000] 我們就開始來說,那我們會開始具體進入說

[15:20.000 -> 15:22.000] 那我實際要開始寫prompt

[15:22.000 -> 15:25.640] 那Andrew這個其實我覺得他也說

[15:25.640 -> 15:27.040] 他提出了兩大原則

[15:27.040 -> 15:29.720] 我覺得這個就蠻經典也蠻好記得

[15:29.720 -> 15:31.640] 的確他把它總結成這樣

[15:31.640 -> 15:32.680] 我覺得是蠻實用

[15:32.680 -> 15:33.800] 就第一件事情就是

[15:33.800 -> 15:34.840] 大家都聽過就是

[15:34.840 -> 15:36.760] 跟確實GPT溝通的時候

[15:36.760 -> 15:38.120] 就是你要很明確具體

[15:38.120 -> 15:41.280] 但是這個明確具體其實還蠻多說法的

[15:41.280 -> 15:43.360] 有些人他是從問答方式說

[15:43.360 -> 15:46.280] 你要有什麼追問的方法等等等

[15:46.280 -> 15:49.880] 他是從提問的這個框架去說你要很明確的跟

[15:49.880 -> 15:51.720] ShareDVD去打交道

[15:51.720 -> 15:54.720] 但我覺得Andrew他這個有點像是從工程

[15:54.720 -> 15:56.200] 電腦工程學的這個地方

[15:56.200 -> 15:59.920] 因為我們剛剛提到說ShareDVD他本身就是一個訊息處理器

[15:59.920 -> 16:03.120] 所以基本上你在這個文字框裡面輸入的時候

[16:03.120 -> 16:05.880] 這個東西的明確性也很重要

[16:05.880 -> 16:08.780] 所以我覺得他是從這個地方解釋去下手

[16:08.780 -> 16:11.320] 就是說第一個我們要善用分格符號

[16:11.320 -> 16:12.820] 在後面的範例我們都會看到說

[16:12.820 -> 16:15.020] 我其實蠻常使用分格符號

[16:15.020 -> 16:19.820] 讓我的輸入的內容可以很明確的告知確GPT

[16:19.820 -> 16:22.400] 然後再的話其實我們第二個要控制就是

[16:22.400 -> 16:24.000] 結構化的輸出

[16:24.000 -> 16:26.920] 就是等一下會跟大家展示很多技巧就是說

[16:26.920 -> 16:28.760] 把確隔GDPT要縮的話

[16:28.760 -> 16:31.680] 可以按照你自己心裡所想的一塊一塊的

[16:31.680 -> 16:33.960] 很有結構化的把它輸出出來

[16:33.960 -> 16:36.400] 那其他的條件,包含是說

[16:36.400 -> 16:38.800] 讓模型檢查條件是否滿足啊

[16:38.800 -> 16:41.640] 那包含就是所謂的Fusion的這種技巧

[16:41.640 -> 16:43.640] 那其實後面這兩個我是比較少用的

[16:43.640 -> 16:46.000] 因為我自己比較傾向是說用比較簡單的方法

[16:46.000 -> 16:48.000] 來使用chair的GPT

[16:48.000 -> 16:51.000] 因為這樣你才能夠足夠簡單

[16:51.000 -> 16:53.000] 然後去長期的去使用它

[16:53.000 -> 16:56.000] 如果我們都是在運用這些很艱困的技巧

[16:56.000 -> 16:58.000] 每次都要拿講義出來看

[16:58.000 -> 17:00.000] 其實你久了你就會很厭倦

[17:00.000 -> 17:02.000] 所以基本上我覺得只要掌握幾個

[17:02.000 -> 17:04.000] 比較簡單的原則

[17:04.000 -> 17:05.120] 那第二個原則

[17:05.120 -> 17:09.460] 那第二個原則就是說讓模型有時間思考

[17:09.460 -> 17:11.980] 我覺得裡面在最重要就是第一個

[17:11.980 -> 17:15.420] 第一個原則就是說拆解為數個步驟

[17:15.420 -> 17:17.660] 其實就他其實就很像是說

[17:17.660 -> 17:20.060] 像老闆在交代我們任務的時候

[17:20.060 -> 17:21.900] 好的老闆他其實會跟你講說

[17:21.900 -> 17:26.080] 你要完成這個某個某項工作或某個專案

[17:26.080 -> 17:28.440] 那如果我是帶一個很新的人

[17:28.440 -> 17:31.600] 其實我可能會用SOP的方式

[17:31.600 -> 17:33.320] 把這東西拆成幾個步驟

[17:33.320 -> 17:34.880] 其實我覺得是類似的道理

[17:34.880 -> 17:38.040] 就是說你可以把JHP當成一個新進員工

[17:38.040 -> 17:39.160] 然後他什麼都不懂

[17:39.160 -> 17:40.840] 你要請他幫你做一件事情

[17:40.840 -> 17:44.360] 那這個事情又有點些微的複雜度

[17:44.360 -> 17:47.000] 那最好的策略就是把它分成數個步驟

[17:47.000 -> 17:49.000] 讓它逐一的消化去做

[17:49.000 -> 17:52.000] 所以我覺得其實就是明確具體跟拆解步驟

[17:52.000 -> 17:55.000] 這幾件事情是我最常使用在

[17:55.000 -> 17:58.000] Chair GP上的一個技巧跟原則

[17:58.000 -> 18:01.000] 那其實整個寫作的流程啊

[18:01.000 -> 18:04.000] 我覺得跟寫作文其實是差不多的啦

[18:04.000 -> 18:07.520] 就是說其實我們知道寫作文就是由起承轉合嘛

[18:07.520 -> 18:10.840] 就是一個就是你要先寫個開頭或是什麼的

[18:10.840 -> 18:13.120] 那我覺得寫Prompt其實是差不多

[18:13.120 -> 18:14.480] 那你可以把它想像成是說

[18:14.480 -> 18:16.920] 你其實是在設定一台

[18:16.920 -> 18:20.440] 比如說比較厲害的這個水波爐啦

[18:20.440 -> 18:23.000] 或是這個所謂的家電用品或什麼

[18:23.000 -> 18:27.440] 其實我們都會需要請這些東西幫我們達成一些你要的工作

[18:27.440 -> 18:30.240] 那當你把機器拿上手之前

[18:30.240 -> 18:33.160] 你一定會先對它設定一些要做的目標

[18:33.160 -> 18:34.400] 比如說如果是掃地機器人

[18:34.400 -> 18:37.200] 你說那可能幫我打掃客廳這一塊

[18:37.200 -> 18:40.480] 那當然你也會給他一些系統一些設定

[18:40.480 -> 18:42.320] 比如說可能是有沒有要殺水

[18:42.320 -> 18:43.160] 有沒有要怎麼樣

[18:43.160 -> 18:45.000] 所以一定我們會定義我們的需求跟目標

[18:45.000 -> 18:47.000] 提供一些參數

[18:47.000 -> 18:49.000] 那接下來的話其實我們會給

[18:49.000 -> 18:52.000] 確定GPT很重要的是你最好是要限制一下

[18:52.000 -> 18:55.000] 它的這個它的情境跟功能

[18:55.000 -> 18:59.000] 所以我們會提供它一些背景資訊跟一些限制

[18:59.000 -> 19:01.000] 讓它不要太過於天馬行空

[19:01.000 -> 19:04.000] 那這個時候這兩個確定之後我們才開始會先寫

[19:04.000 -> 19:07.000] 第一步我們會寫第一版的簡單的提示詞

[19:07.000 -> 19:09.000] 然後看輸出的結果好不好

[19:09.000 -> 19:11.000] 那這時候我們會進入就是說

[19:11.000 -> 19:14.000] 那我寫的感覺輸出不如預期

[19:14.000 -> 19:15.000] 我會重新再修正

[19:15.000 -> 19:18.000] 所以這個循環其實是會一直反覆的

[19:18.000 -> 19:19.000] 因為很多人會以為是說

[19:19.000 -> 19:23.000] 我是不是第一次就要把這個prompt下得很棒

[19:23.000 -> 19:24.000] 很完整

[19:24.000 -> 19:25.120] 然後一次就拿到答案其實這種效果通常會不好我是不是第一次就要把這個prompt下得很棒、很完整

[19:25.120 -> 19:26.680] 然後一次就拿到答案

[19:26.680 -> 19:29.640] 其實這種效果通常會不好

[19:29.640 -> 19:32.600] 它比較跟ChairGPT在交互的過程

[19:32.600 -> 19:35.000] 它比較正確的方式

[19:35.000 -> 19:37.640] 其實你是最好一次就是只講一點點

[19:37.640 -> 19:40.760] 然後讓他逐步的理解你想要做的事情

[19:40.760 -> 19:44.360] 當然有時候我們是有點像把它當作問答引擎

[19:44.360 -> 19:45.000] 那個就例外

[19:45.000 -> 19:48.000] 但通常我們會需要比如說我想寫一份文案

[19:48.000 -> 19:51.000] 或者我想寫一份報告這種

[19:51.000 -> 19:52.000] 或者甚至在寫一份程式的時候

[19:52.000 -> 19:55.000] 其實我們會做的事情就是會這樣

[19:55.000 -> 19:57.000] 我先一次請他做一點點事情

[19:57.000 -> 19:58.000] 然後逐步累積起來

[19:58.000 -> 20:02.000] 所以這是一個還蠻重要的一個循環

[20:05.160 -> 20:07.400] 當然最重要我覺得就是確實

[20:07.400 -> 20:08.960] 大家知道他會胡說八道

[20:09.040 -> 20:10.120] 講胡話嗎

[20:10.120 -> 20:11.480] 就是會話忽然這樣

[20:11.480 -> 20:13.840] 那當然這個就是我們講說在目前

[20:13.840 -> 20:16.400] 數據我們就講說他會出現幻覺

[20:16.440 -> 20:18.360] 所以我覺得所有的檔案

[20:18.360 -> 20:20.440] 我們其實都是要需要就是自己

[20:20.440 -> 20:22.760] 再評估過是否要採用

[20:22.760 -> 20:26.520] 因為因為他的任務就畢竟就是只是基礎原理

[20:26.520 -> 20:27.560] 就是文字接龍

[20:27.560 -> 20:30.560] 他其實不一定真的知道他在講什麼

[20:30.560 -> 20:33.640] 所以這個所謂的輸出是正確與否

[20:33.640 -> 20:34.720] 合不合我們所用

[20:34.720 -> 20:37.480] 其實我們自己都是要再重新再修正

[20:37.480 -> 20:39.560] 修飾甚至去查證過

[20:42.960 -> 20:45.700] 接下來實質上我們會開始進入就是技巧

[20:45.700 -> 20:47.100] 實務技巧的階段

[20:47.100 -> 20:49.920] 那我覺得就是在這 Andrew Kapasi

[20:49.920 -> 20:52.660] 就是這個OpenAI的研究員

[20:52.660 -> 20:56.580] 他其實就講說目前現在最新的程式語言已經是英文

[20:56.580 -> 20:57.940] 那我覺得有兩個含義啦

[20:57.940 -> 21:01.180] 當然第一個就是其實現在過去我們知道跟

[21:01.180 -> 21:03.260] Programming Language就是那些很著名

[21:03.260 -> 21:06.000] 比如說C啦,Java等等這一些的

[21:06.000 -> 21:08.000] 那現在為什麼會變成English呢?

[21:08.000 -> 21:09.440] 就是因為有ChairGB

[21:09.440 -> 21:12.360] 有自然語言這種事情的出現

[21:12.360 -> 21:16.840] 那其實我們開始跟電腦交互的過程

[21:16.840 -> 21:18.160] 從以往的這種所謂的

[21:18.160 -> 21:19.680] 自視的這種programming language

[21:19.680 -> 21:21.640] 開始進入自然語言

[21:21.640 -> 21:23.720] 然而我覺得真的是

[21:23.720 -> 21:26.000] Prompt你用英文去下

[21:26.000 -> 21:27.600] 真的會得到比較好的結果

[21:27.600 -> 21:29.400] 因為畢竟這個是國外發展的

[21:29.400 -> 21:32.200] 它的語調大部分也都是來自英文體系

[21:32.200 -> 21:34.000] 這個應該是可以理解的

[21:34.000 -> 21:35.200] 所以我覺得就是

[21:35.200 -> 21:36.400] 大家如果可以

[21:36.400 -> 21:38.600] 其實我覺得是能夠用英文去

[21:38.600 -> 21:40.400] 描述你的意圖

[21:40.400 -> 21:43.400] 其實是可以用英文去下手

[21:43.400 -> 21:45.000] 你會得到會更精準的一個結果

[21:47.000 -> 21:51.000] 那prompt我其實是自己把它做成這幾個結構啦

[21:51.000 -> 21:55.000] 就是說我們現在來看到就是說這個灰色這一塊

[21:55.000 -> 21:57.000] 它其實是一個很簡單的一個提示詞

[21:57.000 -> 22:02.000] 請你扮演為一個這個銀行的金融專業領域的專家

[22:02.000 -> 22:04.000] 那幫我回覆下列的mail

[22:04.000 -> 22:07.000] 那到下面這個地方就是我把整個

[22:07.000 -> 22:10.000] 我會貼一封比如說email的內容貼進去

[22:10.000 -> 22:12.000] 最後會請他幫我做一件事情

[22:12.000 -> 22:17.000] 把這個email用markdown的格式幫我輸出出來

[22:17.000 -> 22:20.000] 所以只有這僅僅這麼短的三行

[22:20.000 -> 22:22.000] 其實就包含上面這四個很主要的結構

[22:22.000 -> 22:24.000] 第一個就是我會先起始設定

[22:24.000 -> 22:25.840] 我會先限定說

[22:25.840 -> 22:27.400] 欸,Chair GVT 請他先扮演

[22:27.400 -> 22:29.680] 就是說,把他的知識範圍限縮在

[22:29.680 -> 22:32.640] 所謂的金融、銀行專業領域這一邊

[22:32.640 -> 22:34.760] 那接下來我會給他第二個就是工作指引

[22:34.760 -> 22:36.880] 他的工作就是幫我閱讀完這個 mail 之後

[22:36.880 -> 22:38.760] 幫我做一個回覆嘛

[22:38.760 -> 22:41.640] 那這個參考資料其實就是這個 mail 的內容

[22:41.640 -> 22:43.560] 那限定詞這件事情就是說

[22:43.560 -> 22:48.000] 在這一個 prompt 裡面就是我請他幫我把回覆的內容

[22:48.000 -> 22:51.000] 用 Markdown 這個語言把它做格式

[22:51.000 -> 22:55.000] 所以基本上這個簡單的這個 prompt 裡面

[22:55.000 -> 22:58.000] 已經包含了這四大段的內容

[22:58.000 -> 23:00.000] 所以這個後面我會一直持續看到

[23:00.000 -> 23:05.400] 我大部分都是用這個結構在思考我的 prompt 的寫作

[23:08.000 -> 23:09.160] 這邊我就把它用段落把它拆開就是 1 2 3 4

[23:09.160 -> 23:12.040] 它其實就是四段對應的一個意圖

[23:12.040 -> 23:14.240] 都在這個 prompt 裡面

[23:17.360 -> 23:20.800] 好,那當然我們簡單的再述說一下說

[23:20.800 -> 23:23.280] 這四段裡面它大概可能會是長什麼樣子

[23:23.280 -> 23:24.440] 或可以設定什麼

[23:24.440 -> 23:28.260] 所以通常其實設定現在大家最常碰到就是角色扮演法

[23:28.260 -> 23:30.820] 就是我們會先先講一段說

[23:30.820 -> 23:33.380] 先把確具的角色先設定下來

[23:33.380 -> 23:34.940] 然後他的角色

[23:34.940 -> 23:37.380] 然後專業背景知識先設定下去

[23:37.380 -> 23:39.460] 然後接下來我們就一定會有工作指令

[23:39.460 -> 23:42.820] 因為我們主要是要請確具幫我完成工作嘛

[23:42.820 -> 23:43.940] 那接下來就是最重要

[23:43.940 -> 23:46.700] 其實我們是能夠有提供更多的參考資料

[23:46.700 -> 23:49.000] 是就能夠提供它

[23:49.000 -> 23:51.000] 然後再來的話我們就會限定一些

[23:51.000 -> 23:54.000] 就是輸出的輸出的格式啊

[23:54.000 -> 23:56.500] 語氣啊甚至像字數這種後面都會來看

[23:56.500 -> 23:59.000] 然後其實這四個組成結構

[23:59.000 -> 24:01.000] 你不一定四個都會有

[24:01.000 -> 24:03.000] 比如有時候我們其實不會有其實設定

[24:03.000 -> 24:06.200] 但是一定不會少的就是會是有工作指令

[24:06.200 -> 24:08.440] 就是請你幫我做某某件事情

[24:08.440 -> 24:10.960] 那其他有時候不會有參考資料或沒有限定詞

[24:10.960 -> 24:12.720] 這個其實是都可以的

[24:12.720 -> 24:14.720] 所以這並不是一個很制式的規範

[24:14.720 -> 24:18.640] 大家可以就是依照自己的需求去做使用

[24:18.640 -> 24:22.040] 好,那我覺得特別會提到就是說限定詞

[24:22.040 -> 24:24.360] 就剛我們講說最後有沒有要讓這個

[24:24.360 -> 24:26.960] Shared GPT 有一個結構化的輸出

[24:26.960 -> 24:29.160] 那其實限定詞的這一段

[24:29.160 -> 24:32.840] 就是有很大的一部分值得去研究的地方

[24:32.840 -> 24:35.600] 就是我們可以怎麼限定這個Chair-GPT的輸出

[24:35.600 -> 24:38.560] 就包含是說我們可以限定它的輸出格式

[24:38.560 -> 24:41.720] 這個是我最幾乎每天工作上都在用的

[24:41.720 -> 24:43.160] 因為我自己也會寫程式

[24:43.160 -> 24:45.240] 然後有時候會做一些資料

[24:45.240 -> 24:47.800] 所以會請確執筆直接就幫我的

[24:47.800 -> 24:50.800] 把我的要求就根據我要的一個資料的形態

[24:50.800 -> 24:52.360] 就把它做輸出

[24:52.360 -> 24:54.120] 包含比如說常見的list啊

[24:54.120 -> 24:54.840] table啊

[24:54.840 -> 24:56.680] CSV這個都很常見

[24:56.680 -> 24:59.040] 那有的時候比如說你是文案作者

[24:59.040 -> 25:02.400] 或是你可能在在公司裡面就會寫一些報導啊

[25:02.400 -> 25:03.360] 或者是什麼的

[25:03.360 -> 25:05.300] 那其實你可以把它當就是

[25:05.300 -> 25:07.140] 目標受眾你也可以指定

[25:07.780 -> 25:09.440] 請CHP用某某

[25:09.440 -> 25:10.440] 比如受眾是

[25:10.440 -> 25:12.840] 所以像我在家有時候教

[25:12.840 -> 25:14.500] 教我的孩子在寫功課

[25:14.500 -> 25:16.600] 然後像他那個公民社會地理

[25:16.600 -> 25:17.780] 有一些概念其實

[25:17.780 -> 25:19.280] 大人講很好理解

[25:19.280 -> 25:21.080] 可是我自己也不知道怎麼翻

[25:21.080 -> 25:23.240] 翻給我的小朋友看

[25:23.240 -> 25:25.420] 那我就請CHGB幫我做說

[25:25.420 -> 25:27.740] 請把這比如說某某觀念

[25:27.740 -> 25:31.860] 然後翻譯成一個是給幾歲人看的一個語氣

[25:31.860 -> 25:35.020] 他就會把它就寫照那個語氣把它寫出來

[25:35.020 -> 25:37.620] 那有時候我們會生成文本的時候

[25:37.620 -> 25:39.420] 會考慮一些時間訊息

[25:39.420 -> 25:42.380] 當然我們都知道ChairGBT他的語調就是

[25:42.380 -> 25:45.900] 知識範圍是在2021年的8月到9月

[25:45.900 -> 25:48.460] 所以通常有時候比如說我們會

[25:48.460 -> 25:51.100] 像我之前就做一個說請給我這個

[25:51.100 -> 25:52.300] 所謂的那個

[25:52.300 -> 25:54.460] 四足賽的一些內容

[25:54.460 -> 25:57.500] 那我就要明確跟他講說我是要幾年到幾年

[25:57.500 -> 26:00.780] 因為他不會拿到2021年之後的資料

[26:00.780 -> 26:04.380] 所以我必須要指定說請給我2018年四足賽的資料

[26:04.380 -> 26:07.040] 他就會知道說那他不會亂生成

[26:07.040 -> 26:10.000] 因為如果沒有跟他指定這件事情的話,其實

[26:10.000 -> 26:13.120] 他就是硬是會給你一些很奇奇怪怪的資料

[26:13.120 -> 26:15.680] 他就是會生出資料給你,那一定就會是假的

[26:15.680 -> 26:18.080] 所以當我們指定時間的時候

[26:18.080 -> 26:20.080] 你就會拿到更準確的資料

[26:20.080 -> 26:23.280] 所以下面包含比如說常見的,就限定一些範圍啦

[26:23.280 -> 26:26.080] 或是一些字數啊,排出一些敏感內容

[26:26.080 -> 26:29.760] 這個之後後面會陸陸續續看到一個範例

[26:31.320 -> 26:32.200] 那開始的話

[26:32.200 -> 26:34.480] 就是先跟大家介紹一些常用的

[26:34.480 -> 26:36.200] 一定會用到的字眼

[26:36.200 -> 26:38.160] 就是第一個就是

[26:38.160 -> 26:40.920] 第一個我們在畫面上看到的範例

[26:40.920 -> 26:44.800] 它就是基本上就是總結了旁邊這個

[26:44.800 -> 26:48.200] 除了繼續之外它結合了總結、萃取跟翻譯

[26:48.200 -> 26:51.000] 他說應該就是請總結《倫語學而篇》

[26:51.000 -> 26:53.000] 並萃取裡面有幾個人名

[26:53.000 -> 26:55.400] 並將總結內容翻譯為英文

[26:55.400 -> 26:58.000] 所以裡面他已經運用了第一就是總結

[26:58.000 -> 26:59.600] 就是把整個《倫語學而篇》

[26:59.600 -> 27:04.000] 而且你看其實我是並沒有把《倫語學而篇》的內容貼進來的

[27:04.000 -> 27:07.480] 也就是說其實確認GDP已經讀過的語料裡面

[27:07.480 -> 27:09.480] 一定會包含這些世界名著

[27:09.480 -> 27:11.680] 或是維基百科裡面有的東西

[27:11.680 -> 27:15.720] 我就直接就請他就是就他所知總結出來

[27:15.720 -> 27:18.480] 然後幫我萃取某一些特定的資訊

[27:18.480 -> 27:21.600] 所以我請他看說學而篇裡面到底出現幾個人名

[27:21.600 -> 27:23.320] 然後再把這個東西總結

[27:23.320 -> 27:25.400] 翻譯成英文

[27:25.400 -> 27:26.200] 所以大家可以看一下

[27:26.200 -> 27:27.800] 自己也可以回去試一下

[27:27.800 -> 27:29.800] 可以數數看就是在雪兒篇裡面

[27:29.800 -> 27:31.000] 是不是真的有出現

[27:31.000 -> 27:32.800] 孔子、凡尺、子路跟子貢

[27:32.800 -> 27:34.600] 我是有數過的確是有

[27:34.600 -> 27:36.800] 然後凡尺出現了一次這樣

[27:36.800 -> 27:39.800] 然後就是三個主角是孔子、子路跟子貢

[27:39.800 -> 27:41.600] 然後凡尺是退交

[27:43.400 -> 27:46.000] 好 所以我們可以來看是說

[27:46.000 -> 27:48.000] 第一個就是繼續這個字

[27:48.000 -> 27:50.000] 就是說這邊其實就是

[27:50.000 -> 27:52.000] Chair GPD 輸出之前是長度

[27:52.000 -> 27:54.000] 它有時候話講一半會卡住

[27:54.000 -> 27:56.000] 那很多人不知道

[27:56.000 -> 27:58.000] 感覺話沒講完可是不知道

[27:58.000 -> 28:00.000] 怎麼往下跑,所以其實你是

[28:00.000 -> 28:02.000] 原本你是要在這個文字輸入框

[28:02.000 -> 28:04.000] 打 continue 或繼續這個字眼的

[28:04.000 -> 28:05.000] 但現在就是Chair GPD 已經把這個東西做成一個按鈕原本你是要在這個文字輸入框打continue或繼續這個字眼的

[28:05.000 -> 28:08.000] 但現在就是ChairGBD已經把這個東西做成一個按鈕

[28:08.000 -> 28:10.280] 然後它就會自動接龍回復

[28:10.280 -> 28:12.360] 但有的時候可能有的人

[28:12.360 -> 28:15.440] 他其實不是使用ChairGBD這個介面在玩

[28:15.440 -> 28:17.000] 比如說他可能手機會裝app

[28:17.000 -> 28:19.120] 或是有其他的外掛軟體

[28:19.120 -> 28:22.600] 這個時候你就必須得要自己手動打continue了

[28:22.600 -> 28:25.240] 所以這個時候就是如果你發現他話沒講完

[28:25.240 -> 28:28.000] 你可以打 continue 或繼續這個字眼

[28:28.000 -> 28:31.600] 他都可以繼續做接容輸出

[28:31.600 -> 28:33.360] 那剛才有提到就是

[28:33.360 -> 28:36.560] QHPT 最強的就是把資訊做總結

[28:36.560 -> 28:38.280] 總結其實就很簡單

[28:38.280 -> 28:42.800] 就是你不管下載前或是下載後面都沒有問題

[28:42.800 -> 28:45.200] 就是你可以用 summarize 一個內容然後你可以比如說把內容貼完之後把 summarize 是下在後面都沒有問題就是你可以用summarize一個內容

[28:45.200 -> 28:46.760] 然後你可以比如說把內容貼完之後

[28:46.760 -> 28:49.000] 把summarize貼在最後面

[28:49.000 -> 28:49.880] 他都看得懂

[28:49.880 -> 28:52.120] 他就會進行幫你做總結

[28:52.120 -> 28:54.720] 就很快就萃取你要的資訊出來

[28:54.720 -> 28:56.080] 把它做一個精華

[28:56.440 -> 29:00.520] 那當然就總結有比較有就幾個比較潮的下巴

[29:00.520 -> 29:02.040] 但英文你可以用summarize

[29:02.040 -> 29:03.920] 然後中文可以講總結

[29:04.240 -> 29:07.000] 那你覺得就是如果如果要讓看起來就是

[29:07.000 -> 29:10.000] 就是讓旁邊的人感覺你好厲害

[29:10.000 -> 29:12.000] 就可以下TLDR這個字眼

[29:12.000 -> 29:15.000] 就是Turntable Read的縮寫

[29:15.000 -> 29:16.000] 也都可以

[29:16.000 -> 29:17.000] 所以基本上就是這邊

[29:17.000 -> 29:21.000] 我覺得就是大家可以挑一個自己喜歡的字眼就可以了

[29:23.000 -> 29:25.760] 那第二件事情就是我覺得最好就是萃取

[29:25.760 -> 29:28.640] 萃取我不太確定有沒有人很常用

[29:28.640 -> 29:29.600] 我自己是蠻常用的

[29:29.600 -> 29:31.880] 因為像如果你的工作

[29:31.880 -> 29:34.280] 比如說你會從一篇文章裡面萃取關鍵字

[29:34.280 -> 29:36.080] 像我之前在看論文的時候

[29:36.080 -> 29:38.640] 就是比如說從裡面萃取出關鍵字

[29:38.640 -> 29:40.760] 或是像有的人是寫文案

[29:40.760 -> 29:41.760] 是網路文案

[29:41.760 -> 29:44.720] 就可以請他幫你萃取出SEO的關鍵字

[29:44.720 -> 29:47.320] 這個都可以使用 Extract 這個概念

[29:47.320 -> 29:49.880] 所以你看我這邊一個很簡單的範例

[29:49.880 -> 29:51.560] 就是說展示一個就是

[29:51.560 -> 29:53.080] Email 的內容

[29:53.080 -> 29:54.160] 那我請這個

[29:54.160 -> 29:57.560] GPT 我請他用 Extract 這個字眼

[29:57.560 -> 30:00.520] 就很直接指定說我要萃取一些內容

[30:00.520 -> 30:01.720] 那內容分別就是

[30:01.720 -> 30:05.900] 第二就是把姓名跟要郵寄的郵件把它弄出來

[30:05.900 -> 30:08.100] 所以你看這個其實是非結構化的

[30:08.100 -> 30:10.000] 這個文字嘛

[30:10.000 -> 30:12.200] 那它其實能夠很直觀的

[30:12.200 -> 30:14.900] 就把這些你說要的資訊就可以萃取出來

[30:14.900 -> 30:19.400] 所以有時候比如說你很快要從一些文件裡面去萃取一些關鍵字

[30:19.400 -> 30:21.400] 這個是非常好用的

[30:24.400 -> 30:26.000] 那再來的話就是最強大的就是

[30:26.000 -> 30:28.000] 翻譯這個功能

[30:28.000 -> 30:30.000] 當然現在市面上有很多外掛

[30:30.000 -> 30:32.000] 不然就是等下後面會介紹就是一個

[30:32.000 -> 30:34.000] Open AI Translator這個東西

[30:34.000 -> 30:36.000] 核心都是使用ShareGPT

[30:36.000 -> 30:38.000] 強大的翻譯功能

[30:38.000 -> 30:40.000] 那翻譯就是大部分都是

[30:40.000 -> 30:42.000] 比如說中翻英英翻中一個語言

[30:42.000 -> 30:44.000] 那其實可以

[30:44.000 -> 30:46.680] 如果你想要一口氣學會三國語言八國語言

[30:46.680 -> 30:47.920] 你可以每次就是

[30:47.920 -> 30:49.680] 我這邊的範例就是

[30:49.680 -> 30:51.520] 把How are you today這一個

[30:51.520 -> 30:55.520] 就是請他用三種語言同步翻譯出來

[30:55.520 -> 30:56.980] 所以這邊跟大家展示一下說

[30:56.980 -> 30:58.520] ShareGP足夠聰明

[30:58.520 -> 31:01.480] 他可以一次理解你給他的這個東西

[31:01.480 -> 31:04.480] 所以大家可以多嘗試幾種奇葩的用法

[31:04.480 -> 31:08.160] 但總之我覺得他的翻譯的功能是目前真的是

[31:08.160 -> 31:13.280] 品質真的是比可以打趴市面上所有很多的翻譯軟件

[31:13.280 -> 31:16.000] 我強烈推薦大家可以試試看

[31:18.600 -> 31:19.120] 好

[31:19.120 -> 31:24.040] 那再來的話就是說我們會開始去控制這個輸出

[31:24.040 -> 31:25.540] 有一個很重要的技巧

[31:25.540 -> 31:28.300] 就是使用語氣、風格跟修辭

[31:28.300 -> 31:31.660] 那其實這個會看你的需求

[31:31.660 -> 31:33.500] 沒有說哪一個比較好

[31:33.500 -> 31:35.860] 因為像上面第一個這個提示

[31:35.860 -> 31:37.740] 就是說明什麼是深度學習

[31:37.740 -> 31:39.460] 它其實會給你一個很

[31:39.460 -> 31:41.060] 我們講說很一般的

[31:41.060 -> 31:44.260] 就是看起來就是很硬核的一個說明

[31:44.260 -> 31:46.000] 就是非常的理工直男

[31:46.000 -> 31:47.520] 那當然的話你想說

[31:47.520 -> 31:49.560] 那也許你是要比如說你

[31:49.560 -> 31:52.040] 你可能是要寫一些做一些小編風格

[31:52.040 -> 31:54.360] 或什麼叫寫這個臉書的貼文

[31:54.360 -> 31:56.520] 你就可以在後面就加一些語氣

[31:56.520 -> 31:58.160] 比如說用什麼活潑的語氣

[31:58.160 -> 32:00.200] 或用比如說網紅的語氣

[32:00.200 -> 32:02.440] 比如說或用小學生什麼的語氣

[32:02.440 -> 32:03.920] 那再加上風格

[32:03.920 -> 32:05.340] 比如說這邊用創意的風格

[32:05.340 -> 32:08.680] 用舉例的手法來說明什麼是深度學習

[32:08.680 -> 32:10.640] 所以你常常在做這種所謂的

[32:10.640 -> 32:12.720] 就是很艱深的這種概念轉換

[32:12.720 -> 32:14.260] 你要跟人家常在解釋這個時候

[32:14.260 -> 32:15.480] 你也不知道怎麼講

[32:15.480 -> 32:16.680] 你就交給ChairGBT

[32:16.680 -> 32:19.020] 效果通常會比自己來得好

[32:19.020 -> 32:21.820] 所以你看這邊是整個對照來講

[32:21.820 -> 32:23.360] 你看這整篇的

[32:23.360 -> 32:24.700] 這個深度學習的稿

[32:24.700 -> 32:27.120] 看起來就是還蠻像是一個

[32:27.120 -> 32:29.760] 我覺得是還蠻平易近人的

[32:29.760 -> 32:30.920] 所以大家可以試試看

[32:30.920 -> 32:34.880] 就是說加一個這個語氣風格跟修辭

[32:36.320 -> 32:37.560] 那包含這個東西

[32:37.560 -> 32:38.400] 剛剛有講說

[32:38.400 -> 32:42.600] 你其實可以指派一些修辭法的名詞或什麼

[32:42.600 -> 32:44.560] 你可以其他直接模仿

[32:44.560 -> 32:46.080] 網路上知名的名人

[32:46.080 -> 32:47.520] 或者是以前過

[32:47.760 -> 32:49.680] 比較大的一些作家

[32:49.680 -> 32:50.320] 網紅等等

[32:50.320 -> 32:52.120] 你都可以試著去指定看看

[32:52.360 -> 32:53.360] 所以我就嘗試我說

[32:53.520 -> 32:55.440] 他到底知不知道伊隆馬斯克

[32:55.760 -> 32:56.480] 跟孔子

[32:56.680 -> 32:57.880] 然後我特地找一個

[32:58.120 -> 32:59.760] 很夯的很潮的一個話題

[32:59.760 -> 33:00.920] 就是Dodgecoin就是

[33:01.120 -> 33:01.680] 狗狗幣

[33:02.120 -> 33:03.840] 就大家不知道有沒有買加密貨幣

[33:03.840 -> 33:04.840] 我自己是有買

[33:04.960 -> 33:05.040] 所以賠一塌糊塗幣就大家不知道有沒有買加密貨幣我自己是有買啊

[33:05.040 -> 33:06.160] 所以賠一塌糊塗

[33:06.160 -> 33:07.480] 對啊 但是就覺得好

[33:07.480 -> 33:08.560] 那我就看這個

[33:08.560 -> 33:10.880] ChurchDVT可以怎麼去解釋這個

[33:10.880 -> 33:12.760] 那是否真的是語氣有分明

[33:12.760 -> 33:13.960] 所以大家可以看一下

[33:13.960 -> 33:15.560] 就是上面這一段是用

[33:15.560 -> 33:18.800] Tesla Elon Musk的語氣去說明Dodgecoin

[33:19.080 -> 33:20.640] 所以可以看到他的語氣就是

[33:20.640 -> 33:21.560] 欸 比較

[33:22.000 -> 33:23.760] 看起來就是比較那個America

[33:23.760 -> 33:26.440] 就是比較這種陽兵勁一點所以可以看到就是他語氣比較活潑比較看起來比較美國比較洋濱近一點

[33:26.440 -> 33:28.840] 所以可以看到語氣比較活潑

[33:28.840 -> 33:30.560] 下麵這個孔子語氣

[33:30.560 -> 33:33.060] 你看第一句就已經是自呼則野了

[33:33.060 -> 33:35.280] 所以我覺得其實這個還可以

[33:35.280 -> 33:36.880] 大家可以去嘗試去玩一玩

[33:36.880 -> 33:38.440] 就是這種透過某些

[33:38.440 -> 33:41.080] 你想讓他直接模仿某一些名人的語氣

[33:41.080 -> 33:42.200] 這個可以使用

[33:43.640 -> 33:45.720] 為了方便大家去尋找

[33:45.720 -> 33:48.940] 所以就把一些常見的修辭手法、語氣、風格

[33:48.940 -> 33:50.940] 其實我有列表,所以你如果沒有靈感

[33:50.940 -> 33:52.940] 你可以直接,這邊也有一份講義

[33:52.940 -> 33:56.200] 可以點進去,可以直接做套用跟替換就可以了

[33:59.720 -> 34:02.380] 那接下來就是有更進階的格式控制

[34:02.380 -> 34:05.200] 我舉一個大家比較常會用到的

[34:05.200 -> 34:06.700] 其實網路上太多

[34:07.100 -> 34:09.400] 幾乎就是沒有你想不到的

[34:09.400 -> 34:10.400] 就是太多

[34:10.400 -> 34:12.200] 但是我覺得常用大概就是這幾個

[34:12.200 -> 34:13.600] 就是表格啦

[34:13.600 -> 34:16.000] 大綱圖文跟這所謂 CSV 檔

[34:16.000 -> 34:17.600] 跟一些圖表格系

[34:20.800 -> 34:22.400] 那第一個就介紹表格啦

[34:22.400 -> 34:24.900] 那其實表格這個事情還蠻簡單

[34:24.900 -> 34:27.360] 就是你呃你給他任何描述

[34:27.360 -> 34:30.360] 你最後下一句是請整理出表格

[34:30.360 -> 34:34.760] 其他呢他都死掰活掰都可以拍出個表格給你

[34:34.760 -> 34:38.440] 那像我自己比較常用就是用在資料整理上面

[34:38.440 -> 34:42.120] 就是說呃可能最後你通常我們會經過一番問答之後

[34:42.120 -> 34:44.760] 是針對某些資料在做討論啊

[34:44.760 -> 34:47.960] 那最後會輸出一些可能有結構化的成果

[34:47.960 -> 34:52.640] 比如說像比如說幫我生成一份客戶的什麼什麼資料

[34:52.640 -> 34:54.240] 或是產品什麼資料

[34:54.240 -> 34:58.200] 那這個時候你請他直接幫你整理成表格就會很快

[34:58.200 -> 35:02.440] 那我這邊只是很簡單就是要展示一個就是在你的這個

[35:02.440 -> 35:06.360] 呃呃 prompt 的後面就是加一個表格兩個字

[35:06.360 -> 35:08.240] 其實他就會理解你的意圖

[35:08.240 -> 35:11.120] 他就會直接生成一個表格給你

[35:11.120 -> 35:13.640] 哦,這個其實蠻蠻好用的

[35:15.520 -> 35:18.720] 那再後就常見就是比如說大綱跟列表啊

[35:18.720 -> 35:21.360] 那這件事情其實就像有時候我們在做簡報

[35:21.360 -> 35:25.080] 或是說我們呃,說我們想簡單的把一個

[35:25.080 -> 35:28.280] 有概念很快的把它做條列式的整理跟理解

[35:28.280 -> 35:29.360] 那其實就是說

[35:29.360 -> 35:31.960] 你只要你的 property 裡面有提到關鍵字

[35:31.960 -> 35:34.440] 比如說條列式或者是大綱

[35:34.800 -> 35:37.760] 那它其實就是可以做列表的這個東西

[35:37.760 -> 35:39.760] 那我比較常用就是

[35:39.920 -> 35:42.240] 會用這所謂的用大標跟小標

[35:42.240 -> 35:45.000] 然後再加上一些簡短說明文字

[35:45.000 -> 35:46.960] 那就不會是只有很單純

[35:46.960 -> 35:48.240] 像這個如果只有標題

[35:48.240 -> 35:50.320] 有時候你要理解一個概念會比較難

[35:50.320 -> 35:53.640] 但是比如說標題附上一個簡單的概念說明

[35:53.640 -> 35:56.480] 你就可以很快的就是理解一些事情

[35:56.480 -> 35:57.720] 然後很有結構性的

[35:57.720 -> 36:00.400] 那在透過這個東西第一步驟

[36:00.400 -> 36:01.160] 那你再是比如說

[36:01.160 -> 36:03.200] 那可以幫我再解釋

[36:03.200 -> 36:04.240] 比如說第三點

[36:04.240 -> 36:05.520] 如果閱讀程式碼嗎?

[36:05.520 -> 36:07.160] 然後他那這樣子對你來說

[36:07.160 -> 36:12.560] 你會比較有一個框架可以去透過這個方式去學習一件事情

[36:16.040 -> 36:20.160] 那另外是我也蠻常用的格式控制就是csv

[36:20.160 -> 36:21.040] 那這個蠻好用

[36:21.040 -> 36:22.800] 就是說寫程式可以用

[36:22.800 -> 36:27.420] 然後如果你想把這個chGP處理的結果直接

[36:27.420 -> 36:31.980] 輸入進去Excel,那就是直接秒貼就秒完成了

[36:31.980 -> 36:34.580] 所以比如說像我常常就是在做

[36:34.580 -> 36:37.860] 在公司裡面寫程式,或者需要生成一些範例資料嘛

[36:37.860 -> 36:40.820] 那就會用類似這種語氣

[36:40.820 -> 36:44.140] 就是建立一個某某什麼範例的數據集

[36:44.140 -> 36:48.400] 那最重要的是說你其實是可以指定每一個

[36:48.400 -> 36:52.000] 每一個 CSV 的欄位的名稱

[36:52.000 -> 36:53.400] 或者是擺放順序

[36:53.400 -> 36:56.000] 其實你都可以直接在這個裡面指定

[36:56.000 -> 36:59.800] 所以像這下面右圖這裡面我就提到說

[36:59.800 -> 37:03.400] 包含三個欄位就是價格數量跟限時

[37:03.400 -> 37:05.700] 那我用他也理解是說

[37:05.700 -> 37:10.080] 通常括號這一邊就是會用在這個實質上的這個

[37:10.080 -> 37:11.440] CSV 的欄位名

[37:11.440 -> 37:13.780] 他不會直接用價格、數量

[37:13.780 -> 37:16.880] 或者是這個客戶所在建設來做這一欄

[37:16.880 -> 37:18.620] Header 這一個顯示

[37:18.620 -> 37:19.820] 所以其實我覺得

[37:19.820 -> 37:22.620] CSV 是蠻實用的一個技巧

[37:22.620 -> 37:23.920] 所以大家可以來

[37:23.920 -> 37:26.240] 就實際去動手嘗試看看

[37:28.800 -> 37:30.600] 那另外的話就是 share GPT

[37:30.600 -> 37:32.480] 其實對右邊這些

[37:32.480 -> 37:34.280] 就是比如說方括號

[37:34.280 -> 37:36.840] 這個花括號 角括號等等

[37:36.840 -> 37:39.600] 這個它看起來就是我們一般寫作不會常用字眼

[37:39.600 -> 37:41.720] 但是在程式寫作手法上

[37:42.160 -> 37:43.880] 很常見這種文字型態

[37:43.880 -> 37:47.240] 它其實是理解而且它是相當敏感的

[37:47.240 -> 37:49.240] 所以我們後面會看到是說

[37:49.240 -> 37:51.240] 我有運用大量這個所謂的

[37:51.240 -> 37:54.400] 就是放括號,劃括號這種東西來做一些

[37:54.400 -> 37:57.040] 讓可以更精確的控制

[37:57.040 -> 37:59.040] Chair GPT 的輸出

[37:59.040 -> 38:01.040] 所以這些特殊應用符號,我覺得就是

[38:01.040 -> 38:03.040] 大家蠻值得學習的,非常好用

[38:03.040 -> 38:06.880] 我幾乎天天在用

[38:08.680 -> 38:12.440] 所以第一個我們透過這個技巧大家可以來看這個整個的這個

[38:14.240 -> 38:15.920] 這個是我經常在用的範本

[38:15.920 -> 38:23.960] 其實我有一陣子還蠻常就是喜歡老闆就叫用fb寫一些一些概念的一些評測

[38:23.980 -> 38:26.720] 所以我如果當時有這個工具就非常好用

[38:26.720 -> 38:28.880] 你看現在右邊這個整個

[38:28.880 -> 38:31.960] 整個 prompt 就是一個標準的 template

[38:31.960 -> 38:35.520] 接下來我的工作是只需要替換掉這個 product name

[38:35.520 -> 38:37.520] 就是我現在用一個範例就是

[38:37.520 -> 38:40.120] 用這個 FAB 的一個框架

[38:40.120 -> 38:43.280] 就是不知道大家有沒有對行銷學有比較認識

[38:43.280 -> 38:46.080] FAB 是很經常在使用一個框架

[38:46.080 -> 38:48.920] 就是告訴我一個某個產品或某個概念

[38:48.920 -> 38:50.240] 它的功能是什麼

[38:50.240 -> 38:51.760] 它的優點是什麼

[38:51.760 -> 38:53.640] 然後它的好處是什麼

[38:53.640 -> 38:56.120] 所以這個是很經典的一個框架

[38:56.120 -> 38:58.480] 那你看這個時候我利用了這個

[38:58.480 -> 39:01.640] 就是這個有一個方括號這個站位符

[39:01.640 -> 39:05.000] 就是在 Feature 這邊幫我列出三點

[39:05.400 -> 39:06.720] 那包含就是 Feature 1

[39:06.720 -> 39:07.320] Feature 2

[39:07.320 -> 39:08.000] Feature 3

[39:08.000 -> 39:10.120] 那 Advantage 就是依次類推

[39:10.400 -> 39:11.960] 那 Benefit 也是這樣

[39:12.160 -> 39:15.600] 所以就是每一個 FAB 裡面會各有三件事情

[39:15.600 -> 39:17.960] 所以他就會去找出這個

[39:18.320 -> 39:21.360] 他會去幫你瞎掰出這個 MacBook Pro 16

[39:21.360 -> 39:23.480] 2022 到底有什麼功能

[39:23.480 -> 39:24.600] Advantage 跟這個

[39:24.600 -> 39:26.680] 所以基本上你把這個存檔起來

[39:27.040 -> 39:28.040] 就複製貼上

[39:28.040 -> 39:30.560] 下次你只需要換掉 MacBook 這件事情

[39:30.880 -> 39:33.960] 他就可以無腦一直產出這種

[39:34.480 -> 39:35.480] 報告的結構

[39:35.560 -> 39:37.840] 所以你看這個報告的結構是不是就非常的

[39:38.040 -> 39:38.560] 漂亮

[39:38.560 -> 39:41.040] 就是他一定 always 都會 follow 這個

[39:41.080 -> 39:42.320] FAB 的架構

[39:42.320 -> 39:43.720] 而且每一個架構裡面

[39:44.040 -> 39:45.840] 下面就是有三個要點

[39:45.840 -> 39:47.840] 那當然你可以在指示詞裡面

[39:47.840 -> 39:50.160] 比如說再更去進一步指示它

[39:50.160 -> 39:52.160] 說可不可以幫我每一個要點

[39:52.160 -> 39:54.160] 在比如在幾十個字以內

[39:54.160 -> 39:56.160] 或是要用什麼樣格式的排列

[39:56.160 -> 39:58.160] 就可以再運用我們前面這個

[39:58.160 -> 40:00.480] 格式化的一些技巧搭配使用

[40:00.480 -> 40:03.280] 所以基本上這個就是站位符的第一個

[40:03.280 -> 40:05.200] 第一個功用大家就可以知道說

[40:05.200 -> 40:08.500] 這個你就可以把你的那個 prompt 變成一個樣板

[40:08.500 -> 40:10.000] 把它存在一個文字檔啊

[40:10.000 -> 40:12.800] 或是在 notion 等等就可以重複使用

[40:12.800 -> 40:16.700] 那第二件事情就是這個

[40:16.700 -> 40:18.900] 我們透過這個花瓜號這件事情

[40:18.900 -> 40:21.500] 你看我花瓜號裡麵包出一個 keyword

[40:21.500 -> 40:23.500] 然後搭配上這個網址

[40:23.500 -> 40:27.000] 意思就是說到時候這個網址前面都會是固定的

[40:27.000 -> 40:29.000] 後面這個會是變數

[40:29.000 -> 40:31.000] 那變數會來自哪裡?

[40:31.000 -> 40:33.000] 就是它會理解這個

[40:33.000 -> 40:35.000] 你看這邊我等一下會展示就是說

[40:35.000 -> 40:38.000] 請它把這個關鍵字替換進去

[40:38.000 -> 40:41.000] 就是這個 Unsplash 這個網路平臺啊

[40:41.000 -> 40:43.000] 它的網址很特別

[40:43.000 -> 40:46.000] 就是網址後面的字它就把它當作是關鍵字

[40:46.000 -> 40:48.000] 去他的資料庫裡面隨機搜尋

[40:48.000 -> 40:50.000] 然後匹配出一張照片的

[40:50.000 -> 40:52.000] URL出來

[40:52.000 -> 40:54.000] 透過這個語法就會告訴他說

[40:54.000 -> 40:56.000] 我到時候會給你一些關鍵字

[40:56.000 -> 40:58.000] 那請ChairGPT幫我在這個區

[40:58.000 -> 41:00.000] 裡面做替換

[41:00.000 -> 41:02.000] 那替換出來就是

[41:02.000 -> 41:04.000] 就會產生不同的URL嘛

[41:04.000 -> 41:07.040] 那我就會拿到不同的這個圖片

[41:07.040 -> 41:10.240] 所以看我前面先指定它的功用

[41:10.240 -> 41:12.800] 就請他說他想顯示圖片的時候

[41:12.800 -> 41:16.560] 就用下麵這個網址列的這個格式

[41:16.560 -> 41:19.760] 然後並且限定他不要用程式碼區塊

[41:19.760 -> 41:20.800] 這個一定要下

[41:20.800 -> 41:22.000] 因為如果不下的話

[41:22.000 -> 41:23.520] 你會拿到是一個自串

[41:23.520 -> 41:25.000] 你一定要下這個語法

[41:25.000 -> 41:26.000] 他才會是知道說

[41:26.000 -> 41:28.000] 那這個我要把它翻成

[41:28.000 -> 41:31.000] 在網頁上是要顯示成圖片

[41:31.000 -> 41:32.000] 那下麵才是他

[41:32.000 -> 41:33.000] 我要設定給他的工作

[41:33.000 -> 41:34.000] 所以這個你看這個也是

[41:34.000 -> 41:36.000] 剛剛follow那個

[41:36.000 -> 41:39.000] 四個結構裡面的一個法則

[41:39.000 -> 41:40.000] 那接下來工作就是說

[41:40.000 -> 41:42.000] 請你一個人工智慧為主題

[41:42.000 -> 41:44.000] 發現我的關鍵字

[41:44.000 -> 41:46.600] 所以這樣子我們其實等一下就會拿到五張圖片

[41:46.600 -> 41:49.640] 因為關鍵字它會mapping這個keyword這個單字

[41:49.840 -> 41:50.640] 每一個圖片

[41:50.640 -> 41:54.360] 所以這邊一個關鍵重點就是說請搭配一張圖片

[41:54.360 -> 41:58.080] 他就知道說這個工作要動用上面這一塊東西

[41:58.280 -> 42:00.280] 所以你看到這個結果右邊就會是這樣

[42:00.280 -> 42:02.520] 上面是人工智慧為關鍵字

[42:02.520 -> 42:03.680] 第一個機器學習

[42:03.680 -> 42:07.520] 所以機器學習他就會去這個onsplable的資料庫裡面去搜尋

[42:07.520 -> 42:10.520] 所以就會長出畫面這個樣子

[42:10.520 -> 42:13.240] 所以我們可以進一步來去使用

[42:13.240 -> 42:16.760] 剛剛我們前面有一個範本,就是FVB的結構跟這個圖

[42:16.760 -> 42:18.600] 剛剛這個找圖的東西

[42:18.600 -> 42:23.600] 基本上我們把這個prompt把它做成這個區塊

[42:23.600 -> 42:45.400] 你看我結合了這個找圖的功能然後再結合這個這個這個這個這個這個這個這個這個所以你可以看到這個輸出出來的結果

[42:45.400 -> 42:47.120] 這個是一整繞

[42:47.120 -> 42:48.320] 是連續下

[42:48.320 -> 42:49.400] 我是因為內容太長

[42:49.400 -> 42:50.560] 我把它卡成三段

[42:50.560 -> 42:53.440] 所以你可以看到這樣結構非常的簡單明瞭

[42:53.440 -> 42:55.000] 而且你可以重複使用

[42:55.000 -> 42:57.480] 所以基本上我這個技巧

[42:57.480 -> 42:59.040] 我自己是蠻常在使用

[42:59.040 -> 43:00.600] 就做報告就會變得很快

[43:03.520 -> 43:04.000] 好

[43:04.000 -> 43:05.880] 那接下來會進入說最

[43:06.320 -> 43:08.920] 所以大家最常聽到就是角色扮演

[43:08.920 -> 43:12.440] 那角色扮演其實我覺得他並沒有太困難

[43:12.440 -> 43:14.400] 大概困難是說我也不知道我的

[43:14.720 -> 43:16.480] 我要請他扮演什麼角色

[43:16.480 -> 43:17.440] 所以等會跟大家分享

[43:17.440 -> 43:19.680] 就有個網站他有提供你很多的

[43:20.000 -> 43:21.400] 素材你可以去想

[43:21.760 -> 43:22.160] 所以

[43:22.880 -> 43:25.360] 所以這個簡單的這個角色扮演

[43:25.360 -> 43:27.720] 在裡面這就是扮演這個面試官

[43:27.720 -> 43:31.280] 然後這裡面我覺得我用到比較特別的技巧是說

[43:31.280 -> 43:32.960] 在這一句

[43:32.960 -> 43:35.200] 請只與我進行面試

[43:35.200 -> 43:38.000] 一個接一個的問問題

[43:38.000 -> 43:42.040] 像面試官那樣等待我的回答

[43:42.040 -> 43:44.280] 這個事情就是說這個是

[43:44.280 -> 43:46.500] 一個叫做反問法的技巧

[43:46.500 -> 43:48.500] 就是說以往我們在使用 share gpt

[43:48.500 -> 43:50.000] 就是我們問 share gpt

[43:50.000 -> 43:51.000] 他給我答案

[43:51.000 -> 43:54.000] 那現在這個提示是他是倒過來的

[43:54.000 -> 43:56.000] 就是當你下了這一個就是

[43:56.000 -> 43:57.500] 一個接一個的問我問題

[43:57.500 -> 43:59.500] 就是說他就會倒過來

[43:59.500 -> 44:02.500] 就是說 share gpt 會先問你問題

[44:02.500 -> 44:04.000] 然後變成是你去回答

[44:04.000 -> 44:05.560] 所以他會根據你的回答

[44:05.560 -> 44:07.480] 然後再給你下一步的回饋

[44:07.480 -> 44:09.240] 所以我覺得這個是蠻好用

[44:09.240 -> 44:12.160] 就有時候你其實缺乏靈感或什麼

[44:12.160 -> 44:13.960] 你覺得或是你想要辦

[44:13.960 -> 44:15.560] 你可能現在找工作啊

[44:15.560 -> 44:16.240] 出去面試

[44:16.240 -> 44:19.960] 你就可以用在家裡先請確定扮演面試官先問你

[44:19.960 -> 44:21.640] 然後你就去回答

[44:21.640 -> 44:23.760] 那這樣子你可以就是說

[44:23.760 -> 44:25.880] 可以得到一個比較好的效果

[44:25.880 -> 44:27.800] 當然你也可以同時跟他說

[44:27.800 -> 44:31.240] 請告訴他面試官會問你什麼問題

[44:31.240 -> 44:34.440] 並且給你那個面試官覺得會滿意的答案

[44:34.440 -> 44:35.560] 那你就同時會達到

[44:35.560 -> 44:37.200] 拿到問題跟答案

[44:37.200 -> 44:40.760] 我覺得這角色扮演有很多奇妙的用法

[44:40.760 -> 44:42.200] 可以使用

[44:43.200 -> 44:45.500] 那他除了扮演人類的角色

[44:45.500 -> 44:47.700] 其實他可以扮演非人類的角色

[44:47.700 -> 44:49.700] 我這邊是讓他扮演一個就是

[44:49.700 -> 44:53.000] linux 的一個命令自願輸入的介面

[44:53.000 -> 44:54.700] 那這個可以讓你拿來練習

[44:54.700 -> 44:56.300] 就是說有時候你可能家裡沒有

[44:56.300 -> 44:56.900] linux 的機器

[44:56.900 -> 44:59.900] 或是你想要學習linux 指令的詳細用法

[44:59.900 -> 45:02.600] 那就可以請他扮演一個linux terminal

[45:02.600 -> 45:05.240] 然後請他就是你把這個東西貼進去之後

[45:05.240 -> 45:06.840] 真的他就可以當作就是

[45:06.840 -> 45:09.720] 陪你練功的一個Linux機器

[45:09.720 -> 45:11.240] 你還不用開虛擬機

[45:11.240 -> 45:13.440] 那當然也網路上也很多人可以

[45:13.440 -> 45:14.760] 有很多奇葩的用法

[45:14.760 -> 45:16.000] 比如說扮演成一本

[45:16.000 -> 45:17.760] 比如說哈利波特的小說

[45:17.760 -> 45:18.880] 或是扮演紅樓夢

[45:18.880 -> 45:21.200] 然後請他就是當作一本書

[45:21.200 -> 45:22.360] 然後回答你的問題

[45:22.360 -> 45:23.760] 這個時候都可以的

[45:23.760 -> 45:26.400] 所以他可以除了人類角色

[45:26.400 -> 45:28.800] 非人類角色他也非常的擅長

[45:28.800 -> 45:30.400] 大家都可以試試看

[45:33.000 -> 45:34.760] 所以我們在使用角色扮演的時候

[45:34.760 -> 45:37.200] 其實就應該更大膽一點點

[45:37.200 -> 45:40.600] 就是大家裡面應該也蠻多人是高階主管

[45:40.600 -> 45:42.000] 或是可能是企業主

[45:42.000 -> 45:43.000] 或是等等

[45:43.000 -> 45:46.040] 就是或是你平常在工作處理都是比較

[45:46.640 -> 45:47.480] 呃跨領域的

[45:47.480 -> 45:49.480] 那這個時候其實我們在運用這個

[45:49.800 -> 45:51.240] 呃角色扮演的時候就是

[45:51.400 -> 45:52.960] 當然就是要獅子大開口

[45:52.960 -> 45:53.720] 因為你看

[45:53.960 -> 45:56.520] 如果你的企業裡面要找一個就是商業顧問

[45:56.800 -> 45:58.240] 同時要懂數據科學

[45:58.240 -> 46:00.400] 最好還是能夠會寫一些程式嘛

[46:00.400 -> 46:00.920] 然後

[46:01.200 -> 46:04.240] 呃還能夠就是能夠做產品設計的設計思考啦

[46:04.240 -> 46:06.000] 然後做東西工程也拉批發一大堆的我想公司這個人才前面6個要能夠就是能夠做產品設計的設計思考啦然後做東西工程也拉劈拉一大堆的

[46:06.000 -> 46:12.000] 我想公司這個人才前面6個要能夠湊齊應該地球上也寥寥無幾嘛

[46:12.000 -> 46:15.000] 那就算是有可能要聘請都是天價

[46:15.000 -> 46:20.000] 啊但現在就可能就是你在CHP上可能不用花錢或頂多你付費版

[46:20.000 -> 46:24.000] 一個月600塊就可以請到這個東西

[46:24.000 -> 46:27.100] 所以我覺得其實在使用角色扮演的時候

[46:27.100 -> 46:32.500] 你可以同時指定多個專業科學的領域直接進來

[46:32.500 -> 46:34.000] 大膽的去使用它

[46:34.000 -> 46:36.300] 都會有意想不到的一個效果

[46:36.300 -> 46:38.300] 那下麵我這邊有貼個連結

[46:38.300 -> 46:40.900] 這邊就是如果你沒有靈感或是什麼

[46:40.900 -> 46:42.500] 或想看看別人怎麼使用

[46:42.500 -> 46:46.500] 就這一份是非常完全的一個角色扮演的一個大全

[46:46.500 -> 46:48.500] 所以大家可以抽空去看一下

[46:50.500 -> 46:52.500] 那再來更進階的用法

[46:52.500 -> 46:54.500] 這就真的是蠻進階的

[46:54.500 -> 46:57.500] 所以我先 就是大家不一定會有機會用到這個

[46:57.500 -> 46:59.500] 當然我自己蠻實用的

[46:59.500 -> 47:02.500] 也蠻常會用 我還是分享給大家

[47:02.500 -> 47:04.500] 就這裡是一個

[47:04.500 -> 47:05.280] 一個 這裡是一個

[47:05.280 -> 47:06.240] 目前是一個

[47:06.240 -> 47:08.680] 一個就是這個提示在做一件事情就是說

[47:08.680 -> 47:11.680] 我把攝影師有一個商業顧問

[47:11.680 -> 47:14.760] 他經常在幫人家就做那個商業市場評估

[47:14.760 -> 47:17.280] 所以他這邊就是你看他的目標就是

[47:17.280 -> 47:21.200] 他其實是在幫人家就是找出某一個行業

[47:21.200 -> 47:24.480] 所以這個行業比如說就是在賣線上服飾的

[47:24.480 -> 47:28.080] 那他其實就是想要就是幫這個服飾業

[47:28.080 -> 47:30.400] 去找出幾個有利可圖的行業

[47:30.400 -> 47:32.080] 然後他最終其實是要找出

[47:32.360 -> 47:33.720] 最佳目標客群是什麼

[47:33.720 -> 47:35.600] 就是他賣給誰才是最有利可圖

[47:35.600 -> 47:36.160] 然後去

[47:36.400 -> 47:37.760] 所以他給了他幾個步驟

[47:38.320 -> 47:39.040] 啊裡面就是說

[47:39.040 -> 47:39.960] 哎我這個

[47:40.240 -> 47:44.200] 呃找出最佳目標客群有三個步驟

[47:44.200 -> 47:46.160] 第一個就是找出五個最有潛力的一個行業然後每一個行業找出最佳目標客群有三個步驟第一個就是找出五個

[47:46.160 -> 47:48.200] 說有潛力的一個行業

[47:48.200 -> 47:50.760] 然後每個行業找出五個裡面

[47:50.760 -> 47:52.800] 可能就是收入比較高的職業

[47:52.800 -> 47:55.120] 然後再找出這些人之後

[47:55.120 -> 47:56.720] 就是把它標註出來說

[47:56.720 -> 47:58.560] 你去幫我評判他說

[47:58.560 -> 48:03.440] 這每個職業可能會在線上買衣服的機率是多少

[48:03.440 -> 48:04.720] 這些就會是他的客群

[48:04.720 -> 48:07.840] 所以我的目標其實是想要右邊這個表的

[48:07.840 -> 48:11.640] 那這個東西其實它其實是一個很好的研究框架

[48:11.640 -> 48:16.720] 一樣就是如果經常都在做一個行業的一個research的話

[48:16.720 -> 48:18.720] 我其實我想要做的事情就是說

[48:18.720 -> 48:20.440] 我的研究方式可能都不變

[48:20.440 -> 48:22.880] 一樣都是找五個有潛力的行業

[48:22.880 -> 48:25.240] 然後每個行業找5個

[48:26.320 -> 48:26.520] 5個那個

[48:27.920 -> 48:28.040] 呃,比較高

[48:31.480 -> 48:34.240] 呃,比較有機會會買的這種所謂的子承或是title然後再從這邊去篩選出客群

[48:34.440 -> 48:38.280] 那我就想說,那我以後可不可以只要把這個替換掉

[48:38.400 -> 48:40.720] 那就可以一直產出右邊這個表格

[48:40.720 -> 48:41.640] 這個要怎麼做

[48:42.400 -> 48:45.140] 那我就用到這個variable的這個方法

[48:45.460 -> 48:47.580] 所以基本上可以看到說這一整個

[48:47.700 -> 48:49.980] prompt的結構就會拆成兩段了

[48:50.220 -> 48:51.860] 第一段就是變數區

[48:52.340 -> 48:53.980] 我定出了三個變數

[48:54.500 -> 48:57.060] 就第一個就是像剛就是他的目標嗎

[48:57.060 -> 48:58.660] 就是我剛好請那個

[48:58.820 -> 48:59.980] chv 做就是

[49:00.300 -> 49:03.740] 幫我找出就是賣線上服裝的這個東西

[49:03.740 -> 49:06.320] 我現在把它換就是賣線上服裝的這個東西我現在把他換就是賣線上賣術的

[49:06.720 -> 49:09.840] 那一樣就是這邊就是幫我就是

[49:09.840 -> 49:11.960] 我把它設定成角色

[49:11.960 -> 49:14.640] 請你扮演成什麼東西

[49:14.640 -> 49:16.200] 然後你的專業是什麼

[49:16.200 -> 49:17.480] 所以我希望就是說

[49:17.480 -> 49:18.440] 我只要指定

[49:18.440 -> 49:21.200] 接下來我只要把下面這個 prompt 就不用再變了

[49:21.200 -> 49:23.000] 就這個就會是樣板

[49:23.000 -> 49:26.660] 我之後只需要把這個東西改上面這三個

[49:26.660 -> 49:30.000] 所以比如說下次我可能要換成比如說賣汽車好了

[49:30.000 -> 49:32.040] 我就把這換成是賣汽車的

[49:32.040 -> 49:34.640] 那這邊可能就換這種比如說線上銷售

[49:34.640 -> 49:35.480] 有什麼顧問啊

[49:35.480 -> 49:37.520] 專業可能是比如說汽車啊

[49:37.520 -> 49:38.600] 然後客戶啊

[49:38.600 -> 49:39.440] 或者是什麼的

[49:39.440 -> 49:41.080] 我只要換掉這三個變數

[49:41.080 -> 49:42.280] 下面都不用變

[49:42.280 -> 49:43.760] 你就可以一直重複這個利用

[49:43.760 -> 49:45.920] 你只需要改動最小的三個

[49:45.920 -> 49:47.920] 的這個東西就可以

[49:47.920 -> 49:49.920] 呃,一直重複這個prompt

[49:51.520 -> 49:54.600] 那我們就可以更進階的來萃取了

[49:54.600 -> 49:57.760] 就是你看我就是剛剛是三個嘛

[49:57.760 -> 49:58.960] 我就直接更大膽

[49:58.960 -> 50:02.040] 我就把這個prompt再大量把它

[50:02.040 -> 50:04.360] 呃,提取一些變數上來

[50:04.360 -> 50:07.160] 我連這個所謂的研究步驟

[50:07.160 -> 50:08.880] 我也可以在上面重新指定

[50:08.880 -> 50:10.240] 然後包含我還加入

[50:10.240 -> 50:12.320] 比如說你可能要避免哪一些區域

[50:12.320 -> 50:14.080] 那最後我連輸出格式

[50:14.080 -> 50:16.720] 所以基本上這個Trump變得很精簡

[50:16.720 -> 50:18.040] 就只有下面這一段

[50:18.040 -> 50:19.360] 永遠都不會不用再變

[50:19.360 -> 50:21.040] 你需要改變就只有是

[50:21.040 -> 50:24.640] 上面的這些變數的一些方式

[50:24.640 -> 50:27.280] 所以你可以看到我用的這些語法

[50:27.280 -> 50:28.880] 它看起來真的很像寫程式

[50:28.880 -> 50:32.400] 你看我用的等於跟這個分隔符號號

[50:32.400 -> 50:33.720] 然後下麵你看這 steps

[50:33.720 -> 50:35.080] 因為它是長文字嘛

[50:35.360 -> 50:38.080] 所以我就是特地用這個兩個引號

[50:39.400 -> 50:40.480] 把它框起來

[50:40.480 -> 50:42.560] 讓這個ChangeBee 很明確知道說

[50:42.560 -> 50:46.000] 這一長串的文字是某一個特定的輸入詞

[50:46.000 -> 50:50.000] 所以這就符合剛剛前面講的那個要明確的原則

[50:50.000 -> 50:51.000] 就是你要運用分格符號

[50:51.000 -> 50:54.000] 不然有時候那個 shared GPT 會把這個當作一個文章

[50:54.000 -> 50:55.000] 把它讀進去

[50:55.000 -> 50:59.000] 有時候不會如你預期的輸出

[51:01.000 -> 51:03.000] 那再來的話就是更奇葩的運用

[51:03.000 -> 51:07.120] 就是這個 temperature 就是如果有寫程式的

[51:07.120 -> 51:10.000] 有在做那個 open AI 或是那個

[51:10.000 -> 51:13.320] 就會知道說,temperature 這個字眼啊

[51:13.320 -> 51:15.320] 它其實是在控制 chair gbt

[51:15.320 -> 51:17.920] 是講的比較天馬行空

[51:17.920 -> 51:21.080] 還是講的比較務實,比較中肯,比較落地的

[51:21.080 -> 51:24.120] 然後這個 temperature 它中文就是溫度啦

[51:24.120 -> 51:27.480] 就是它的值就會介於0到2之間

[51:27.800 -> 51:29.240] 所以通常我們在寫程式

[51:29.240 -> 51:30.480] 我們會在程式裡指定一個

[51:30.480 -> 51:31.640] 三個比如說temperature

[51:31.640 -> 51:32.840] 等於1的時候

[51:32.840 -> 51:34.240] 可能就講話比較中肯

[51:34.560 -> 51:36.040] 那我把它設定成2的時候

[51:36.040 -> 51:38.440] 它的速度就會很天馬行空

[51:38.440 -> 51:39.360] 很不受控

[51:39.720 -> 51:42.640] 所以基本上我也是想說我來實驗看看

[51:42.640 -> 51:46.680] 當我就是把這一個文字指定在 prompt 裡面

[51:46.680 -> 51:49.200] 到底會不會有作用

[51:49.200 -> 51:51.280] 那我們直接來看結果

[51:51.280 -> 51:53.280] 它其實是有作用的

[51:53.280 -> 51:55.560] 你看這個提示詞其實是一模一樣的

[51:55.560 -> 51:58.400] 就是寫一個社群的貼文

[51:58.400 -> 52:01.720] 然後是關於一個比如說一個 eco-friendly 的一個服飾

[52:01.720 -> 52:05.100] 那你看我這邊當 temperature 把它指定為 0.1

[52:05.100 -> 52:07.800] 所以就是盡量朝向中肯跟

[52:07.800 -> 52:10.340] 就是比較無趣的這個寫法去寫

[52:10.500 -> 52:12.140] 他看起來真的就是很簡短

[52:12.900 -> 52:14.700] 就是非常就是中規中矩的

[52:14.840 -> 52:17.340] 但是當你把這個 temperature 拉高到 1.0

[52:17.340 -> 52:18.600] 直接拉高一倍之後

[52:18.600 -> 52:19.500] 你看這整個

[52:19.800 -> 52:21.900] 他會運用大量的這個 emoji

[52:21.900 -> 52:24.140] 然後你看他寫起來這個整個語氣

[52:24.400 -> 52:26.000] 看起來都比較都比較活潑

[52:26.000 -> 52:28.000] 比較華麗一點點

[52:28.000 -> 52:31.000] 所以這個實務上就是它是可以運用在你的 prompt

[52:31.000 -> 52:34.000] 所以你如果想要直接是控制說你

[52:34.000 -> 52:36.000] 那個 prompt 輸出的這個語氣

[52:36.000 -> 52:38.000] 能夠更活潑或是更中肯

[52:38.000 -> 52:41.000] 你也可以直接指定 temperature 這個字眼

[52:44.000 -> 52:50.000] 那再更進階就是說我們會我們會聽到這個所謂COT,就是思維鏈的技巧

[52:50.000 -> 52:57.000] 也就是說它其實就是我們會開始開啟這個所謂的那個Chair-GVT的一個思維能力

[52:57.000 -> 53:01.000] 大部分我們在跟沒有學到這個技巧之前,就是會用一問一答的方式

[53:01.000 -> 53:09.800] 漸漸地去引導 ShareGB 去提問但是因為 ShareGB 現在有人知道它有一個思維鏈的功用

[53:09.800 -> 53:12.720] 所以就是說我們可以透過這個

[53:12.720 -> 53:17.400] 給它一些重要提示,它開始會去一步一步幫你思考

[53:17.400 -> 53:20.440] 去做推理,會得到更準確的結果

[53:22.000 -> 53:24.720] 那我們看它其實有還蠻多種樣子

[53:24.720 -> 53:27.440] 我現在先介紹最簡單就是zero shot

[53:27.440 -> 53:29.480] 這個思維的解法

[53:29.480 -> 53:31.880] 也就是說非常簡單暴力

[53:31.880 -> 53:34.080] 就是你也不用管這個zero shot

[53:34.080 -> 53:35.600] 這個字眼是什麼事情

[53:35.880 -> 53:36.680] 他其實很簡單

[53:36.680 -> 53:37.480] 你只要加一句話

[53:37.480 -> 53:40.440] 就是把let's think step by step

[53:40.840 -> 53:44.040] 加在你的提示詞的後面就結束了

[53:44.280 -> 53:47.000] 因為這句話就會告訴確GPT是說

[53:47.000 -> 53:48.000] 我等會會跟你講一段話

[53:48.000 -> 53:51.000] 那這段話你在說出口之前

[53:51.000 -> 53:53.000] 你最好一步一步給我想清楚

[53:53.000 -> 53:55.000] 就你去用這句話去恐嚇確GPT

[53:55.000 -> 54:00.000] 他就會真的會比較認真去思考這件事情

[54:00.000 -> 54:02.000] 那的確會非常有用

[54:02.000 -> 54:04.000] 那下面這一句就是

[54:04.000 -> 54:06.000] 你也可以參考啦

[54:06.000 -> 54:09.000] 他只是說展現出一個學術界的一個內捲

[54:09.000 -> 54:13.000] 有人就說這個step by step這件事情

[54:13.000 -> 54:16.000] 想出一個比他更厲害可以提升更高效能

[54:16.000 -> 54:17.000] 然後後面我也看到

[54:17.000 -> 54:20.000] 但是基本上我自己只有使用這句而已

[54:20.000 -> 54:23.000] 因為我自己也是以簡單為主

[54:23.000 -> 54:26.680] 就是如果真的很要得到更精確的結果

[54:26.680 -> 54:29.440] 找不到方法才會來試試看這些比較複雜的

[54:29.440 -> 54:30.800] 一個方法

[54:30.800 -> 54:33.320] 好,所以這就是一個範例啊

[54:33.320 -> 54:34.000] 你看就是

[54:34.000 -> 54:36.640] 我這邊就直接給他一段提示詞

[54:36.640 -> 54:39.960] 然後這個這一段提示只是需要一些推理才能夠

[54:39.960 -> 54:41.480] 找出正確答案的

[54:41.480 -> 54:42.760] 就是說他是一個算術

[54:42.760 -> 54:45.120] 大家都知道這個確切率不善於算術

[54:45.120 -> 54:47.080] 所以你當你沒有加這個

[54:47.080 -> 54:48.560] let's think step by step

[54:48.560 -> 54:48.760] 的時候

[54:48.760 -> 54:50.920] 他很有可能會隨便給一個答案

[54:51.480 -> 54:53.320] 所以上面這個提示詞裡面來講

[54:53.320 -> 54:55.000] 就是買了10個蘋果

[54:55.040 -> 54:56.160] 給了鄰居兩個

[54:56.160 -> 54:57.200] 給了工人兩個

[54:57.200 -> 54:58.200] 然後又買了5個

[54:58.200 -> 54:59.000] 再吃掉一個

[54:59.000 -> 55:00.640] 到底剩下多少個呢

[55:00.960 -> 55:03.080] 所以這邊就會我們會希望是

[55:03.080 -> 55:05.000] 他用這個有一步一步的來幫我想

[55:05.000 -> 55:06.000] 所以我們就是後面加這個

[55:06.000 -> 55:08.000] let's think step by step

[55:08.000 -> 55:09.000] 這一件事情

[55:09.000 -> 55:13.000] 所以應該是答案的話會是10嘛

[55:13.000 -> 55:14.000] 所以我們來看一下結果

[55:15.000 -> 55:18.000] 其實在今年的4月之後啊

[55:18.000 -> 55:21.000] 就是Chair GPT已經是這種簡單的問題

[55:21.000 -> 55:23.000] 已經不需要加思維鏈

[55:23.000 -> 55:25.040] 都可以拿到同樣的結果

[55:25.040 -> 55:27.640] 就是你看這邊原本有加

[55:28.240 -> 55:29.520] 呃原本沒有加

[55:29.560 -> 55:31.720] 其實你有他有時候會毀10個

[55:31.800 -> 55:33.640] 或者是11個不等就是

[55:33.720 -> 55:35.400] 但是後來我發現是在

[55:35.400 -> 55:37.800] 大概今年四五月的時候已經

[55:38.160 -> 55:39.400] 這種簡單的算術題

[55:39.400 -> 55:40.960] 你不用加他其實都能夠

[55:41.360 -> 55:43.280] 推演出來就是正確答案都會是

[55:43.720 -> 55:44.280] 10個

[55:44.680 -> 55:46.880] 那所以這個東西就是會告訴大家是說

[55:46.880 -> 55:50.080] 其實確定的模型會不斷的做改變

[55:50.400 -> 55:52.520] 那他這邊有沒有加思維

[55:52.520 -> 55:54.840] 所以現在幾乎你是要比更複雜

[55:54.840 -> 55:57.400] 這個思維的問題去動用這一句

[55:57.400 -> 55:59.040] 才真的會比較有用

[55:59.040 -> 56:01.080] 所以如果簡單的這種數學算術

[56:01.080 -> 56:02.600] 其實你已經用不到這一句了

[56:02.960 -> 56:04.160] 那為什麼要跟這個

[56:04.600 -> 56:06.600] 大概講這個我這是剛才那個

[56:06.600 -> 56:08.720] 就是剛剛有一句比較複雜的

[56:08.720 -> 56:11.080] 就是說它號稱可以比剛剛那個

[56:11.080 -> 56:13.640] Less than by step 達到 82 的準確

[56:13.640 -> 56:14.720] 但我覺得是

[56:14.720 -> 56:17.320] 我們好像比較,我比較少運用這一塊

[56:17.320 -> 56:19.320] 但是跟大家分享一下

[56:22.000 -> 56:24.360] 那這邊就是後來有發展出

[56:24.360 -> 56:26.720] 更進階的所謂的思維鏈技巧

[56:26.720 -> 56:31.200] 就是說我可不可以同時啟動多條的思維鏈

[56:31.200 -> 56:34.800] 去幫我做一個更複雜的一個推理

[56:34.800 -> 56:36.600] 它其實來自於思路就是說

[56:36.600 -> 56:38.320] Let's think step by step

[56:38.320 -> 56:41.440] 就是剛這邊就是右邊的這個

[56:41.440 -> 56:42.560] 這個就是這個

[56:42.560 -> 56:44.360] 你看它思維鏈就是啟動一個一個

[56:44.360 -> 56:45.840] 就一個一個的推理

[56:45.840 -> 56:47.440] 可是因為我們可以想

[56:47.440 -> 56:49.680] 想看我們如果可以讓他平行處理

[56:49.680 -> 56:51.120] 做推理的話

[56:51.120 -> 56:52.480] 其實你一定可以拿到

[56:52.480 -> 56:55.920] 比較更多更廣泛的一個可用解碼

[56:55.920 -> 56:58.720] 他後面的思路其實就像是民主機制

[56:58.720 -> 57:01.600] 就是啟用三個不同的想法

[57:01.600 -> 57:03.520] 把它擬人化成三個人

[57:03.520 -> 57:06.480] 這三個人會開始嘰嘰喳喳做一些對話

[57:06.480 -> 57:09.280] 然後會互相互相做表決啊

[57:09.280 -> 57:09.680] 投票

[57:09.680 -> 57:11.680] 那最後就是拿出一個

[57:11.680 -> 57:13.280] 最後表決出一個可行

[57:13.280 -> 57:14.480] 最可行的方案

[57:14.480 -> 57:16.080] 如果大家有學機器學習

[57:16.080 -> 57:16.720] 他其實有點像

[57:16.720 -> 57:17.720] random forest

[57:17.720 -> 57:19.120] 那一個概念

[57:19.120 -> 57:20.160] 很類似

[57:20.160 -> 57:21.400] 所以這邊就是那個

[57:21.400 -> 57:22.880] TOT的這個技巧

[57:22.880 -> 57:28.200] 那這個東西要請大家來看一下這個簡單的推理題目

[57:28.200 -> 57:31.700] 它其實這個東西是我們自己人來看都需要一點點推理的嘛

[57:31.700 -> 57:33.800] 就是有一個人叫包博

[57:33.800 -> 57:37.300] 他在客廳拿著一個杯子走到廚房

[57:37.300 -> 57:39.300] 他把球放到杯子

[57:39.300 -> 57:41.300] 然後拿著杯子走到臥室

[57:41.300 -> 57:44.300] 然後把杯子倒過來走到花園

[57:44.300 -> 57:46.160] 然後杯子放在花園裡然後再走到臥室然後把杯子倒過來走到花園然後杯子放在花園裡

[57:46.240 -> 57:47.600] 然後再走到車庫

[57:47.760 -> 57:50.520] 然後我們就是問CHPT球在哪裡

[57:50.880 -> 57:53.160] 那其實我們人類去推理應該知道說

[57:53.360 -> 57:55.280] 這個時候球應該就在臥室嘛

[57:55.280 -> 57:58.320] 因為我們在臥室把杯子就倒過來了嘛

[57:58.800 -> 58:01.720] 所以我們來看看這個CHPT能不能夠

[58:02.240 -> 58:03.400] 解決這個問題

[58:03.800 -> 58:06.000] 所以你看其實你這個問題

[58:06.000 -> 58:08.000] 單純這樣下下去

[58:08.000 -> 58:11.000] 沒有加任何思維鏈的提示詞的時候

[58:11.000 -> 58:13.000] 其實它會給你錯誤的答案

[58:13.000 -> 58:15.000] 你看到這時候它就會說

[58:15.000 -> 58:17.000] 這球在花園裡

[58:17.000 -> 58:18.000] 你可以試很多次

[58:18.000 -> 58:20.000] 那它幾乎每次都是瞎蒙的

[58:20.000 -> 58:21.500] 那你也可以搭配是說

[58:21.500 -> 58:24.000] 剛剛用那個Let's think step by step的技巧

[58:24.000 -> 58:27.680] 它會有比較高的機率去得到正確的答案

[58:27.680 -> 58:29.920] 但也都是只是提高機率而已

[58:30.360 -> 58:31.600] 那如果你要很準確

[58:31.600 -> 58:33.040] 就是更高的成功機率

[58:33.040 -> 58:34.960] 就可以用TOT這個技巧

[58:35.240 -> 58:36.480] 那這個東西比較複雜

[58:36.640 -> 58:38.920] 建議大家其實你要複製貼上

[58:39.240 -> 58:42.280] 就是把畫出體這兩段事情

[58:42.280 -> 58:45.200] 就直接把它貼上去就可以了

[58:45.200 -> 58:46.300] 所以我自己平常都是把它

[58:46.300 -> 58:48.100] 存在我的記事本裡面

[58:48.100 -> 58:50.100] 所以上面一樣就是這個

[58:50.100 -> 58:51.800] 剛剛的退離問題

[58:51.800 -> 58:53.900] 就包裹了這一連串的一個行為

[58:53.900 -> 58:56.100] 下面這一串就直接複製貼上

[58:56.100 -> 58:57.800] 它的重點就是說

[58:57.800 -> 58:58.800] 這一句話就是說

[58:58.800 -> 59:01.300] 請確執行像有三個不同專家

[59:01.300 -> 59:03.300] 在討論這個問題

[59:03.300 -> 59:05.680] 他們三個會形成一個小組

[59:05.680 -> 59:07.680] 彼此會提出一些想法

[59:08.000 -> 59:10.240] 如果你覺得對方的想法不好

[59:10.240 -> 59:11.840] 就請他退出群組

[59:11.840 -> 59:14.400] 一直到可用的答案產生出來為止

[59:14.400 -> 59:16.320] 最後你看就是球在哪裡

[59:16.680 -> 59:20.080] 我們來看他的過程會很精彩

[59:20.080 -> 59:22.040] 他真的就是會有三個

[59:22.600 -> 59:24.000] 這個是最後輸出結果

[59:24.000 -> 59:24.760] 其實蠻長一段

[59:24.760 -> 59:26.800] 我把它截出最後一段

[59:26.800 -> 59:28.960] 其實整個過程還蠻長的

[59:28.960 -> 59:31.200] 會蠻耗費那個時間的

[59:31.200 -> 59:33.480] 所以用這個技巧你也不要用太多了

[59:33.480 -> 59:34.360] 就是三個

[59:34.360 -> 59:36.960] 頂多五個應該是蠻炸的

[59:36.960 -> 59:39.440] 所以我大概平常都是用三個

[59:39.440 -> 59:42.440] 所以它三個就會不同的一直在對話來對話去

[59:42.440 -> 59:45.260] 然後最後會是篩選出正確的答案

[59:45.700 -> 59:47.660] 所以你看這種需要推理的題目

[59:47.660 -> 59:49.860] 就是你可以利用TOT這個技巧

[59:49.860 -> 59:51.420] 最終你會求的是

[59:51.740 -> 59:53.860] 求就是在這個臥室裡

[59:54.060 -> 59:55.060] 所以大家可以試試看

[59:55.060 -> 59:56.620] 這個真的是蠻精彩的

[59:56.780 -> 59:58.340] 就可以看到他就是實質上

[59:58.340 -> 01:00:00.340] 三個人在對話一個過程

[01:00:02.460 -> 01:00:02.740] 好

[01:00:03.340 -> 01:00:04.260] 那當然就是這個所謂的

[01:00:04.260 -> 01:00:06.000] plump 的關鍵技巧字就是還蠻多人在研究那我就把這個所謂的plump的關鍵技巧字

[01:00:06.000 -> 01:00:08.000] 就是還蠻多人在研究

[01:00:08.000 -> 01:00:12.000] 那我就把這個關鍵字如果有比較好學或是好奇的話

[01:00:12.000 -> 01:00:14.000] 這個就是目前常見的關鍵字

[01:00:14.000 -> 01:00:17.000] 就把它打下去,這是屬於所謂的思維鏈的一個技巧

[01:00:17.000 -> 01:00:19.000] 大家可以去搜尋看看

[01:00:21.000 -> 01:00:27.540] 那最後我就跟大家就是簡單分享幾個個實質上的運用

[01:00:27.540 -> 01:00:35.280] 那再結合這個生產力,剛剛有講說你可以把它結合這個

[01:00:35.280 -> 01:00:38.340] 所謂的 Notion 跟這個 Mac 自由

[01:00:38.340 -> 01:00:40.840] 這個自動化的平臺來去做使用

[01:00:40.840 -> 01:00:47.000] 所以我剛剛為什麼變數要設定成這七個,其實是為了要搭配我的notion來去寫

[01:00:47.000 -> 01:00:53.000] 所以你把它串到這個MAC平臺的時候,你的關鍵字,這個prompt就可以寫成這樣子

[01:00:57.000 -> 01:01:03.000] 那這些prompt就可以直接套用這個東西,所以prompt的這個東西就是你可以把它寫得很結構化

[01:01:03.000 -> 01:01:06.200] 就可以跟很多的周邊的一些

[01:01:06.700 -> 01:01:09.100] 呃技巧來做搭配使用

[01:01:09.100 -> 01:01:10.400] 那包含就是這個

[01:01:10.700 -> 01:01:13.000] plugin 的使用也很經典

[01:01:13.600 -> 01:01:14.700] 那因為這要付費嗎

[01:01:14.700 -> 01:01:15.800] 所以不確定就是

[01:01:15.900 -> 01:01:17.300] 我有分享結果我常用

[01:01:17.300 -> 01:01:19.600] 但因為時間上我就是沒有太

[01:01:20.000 -> 01:01:20.800] 詳細的介紹

[01:01:20.800 -> 01:01:22.800] 大家可以去使用看看

[01:01:22.800 -> 01:01:24.700] 所以這是我搭配的這個所謂的

[01:01:25.100 -> 01:01:27.600] plugin 來做自己平常論文的一些

[01:01:27.700 -> 01:01:28.400] 總結

[01:01:28.700 -> 01:01:29.600] 所以大家可以

[01:01:30.300 -> 01:01:30.900] 試試看

[01:01:31.100 -> 01:01:31.500] 好

[01:01:31.900 -> 01:01:33.400] 那因為時間已經差不多

[01:01:33.400 -> 01:01:35.200] 那也已經差不多到尾聲了

[01:01:35.200 -> 01:01:35.700] 就是

[01:01:36.000 -> 01:01:38.300] 呃就很多人是說這到底可以賺錢

[01:01:38.300 -> 01:01:40.200] 我覺得的確是可以啊

[01:01:40.200 -> 01:01:41.000] 就是蠻多

[01:01:41.400 -> 01:01:44.200] 蠻多網路上已經透過這個來賺蠻多錢的

[01:01:44.200 -> 01:01:46.720] 但是我自己還沒有掌握到賺錢之道啦

[01:01:46.720 -> 01:01:49.720] 那如果大家有興趣的話可以就是來那個

[01:01:49.720 -> 01:01:51.800] 那我覺得最後就是說跟大家分享說

[01:01:51.800 -> 01:01:55.800] 其實這個所謂的prompt的這個操作是要自己來累積的

[01:01:55.800 -> 01:02:01.240] 其實很難有一個泛用的一個樣本式套管

[01:02:01.240 -> 01:02:04.040] 幾乎你都要自己再重新來做分解

[01:02:04.040 -> 01:02:07.900] 所以與其這樣顧就是我們來掌握一些基本的原則跟技巧

[01:02:07.900 -> 01:02:09.200] 來做使用

[01:02:09.200 -> 01:02:13.200] 所以我覺得整個其實就像太極拳一樣

[01:02:13.200 -> 01:02:16.400] 它其實只中其意,不中其招

[01:02:16.400 -> 01:02:21.200] 希望大家在今天能夠掌握這幾個技巧之後

[01:02:21.200 -> 01:02:23.800] 能夠發展出自己平常在使用

[01:02:23.800 -> 01:02:25.120] True GP的一些使用確GPU的一些

[01:02:25.120 -> 01:02:28.200] 使用範本跟資料庫這樣子

[01:02:28.200 -> 01:02:30.520] 那我的分享今天就到這邊

[01:02:30.520 -> 01:02:31.680] 謝謝大家

[01:02:33.320 -> 01:02:38.040] 好 那個非常感謝簡光正介紹帶來的分享

[01:02:38.040 -> 01:02:40.040] 大家剛才的那個胖子知道

[01:02:40.040 -> 01:02:44.280] 他用新記題 手破離這六大技巧來跟大家說明

[01:02:44.280 -> 01:02:48.640] 那剛剛有提供了常用的語氣風格的那些關鍵字

[01:02:48.640 -> 01:02:50.440] 大家就可以直接使用了

[01:02:50.440 -> 01:02:52.900] 也提供了泛本化的prompt

[01:02:52.900 -> 01:02:56.040] 例如FAV行銷法的產品描述

[01:02:56.040 -> 01:02:57.600] 如果不知道

[01:02:57.600 -> 01:03:00.240] 你就要分開三次去產生future

[01:03:00.240 -> 01:03:01.740] advance跟benefits

[01:03:01.740 -> 01:03:03.740] 有了這種泛本化的prompt

[01:03:03.740 -> 01:03:04.940] 一試就直接出來

[01:03:04.940 -> 01:03:07.080] 非常直覺而且非常的方便

[01:03:07.080 -> 01:03:10.260] 剛剛講了非常多的乾貨 實在收穫滿滿

[01:03:10.260 -> 01:03:14.300] 我們把握最後時間來回答大家的問題

[01:03:14.300 -> 01:03:25.000] 在問與答區有個朋友他問的是說

[01:03:25.000 -> 01:03:29.700] 請問可以說明如何用GPD幫忙讀或整理論文

[01:03:29.700 -> 01:03:31.100] 甚至幫忙寫作嗎

[01:03:32.200 -> 01:03:33.260] 喔好啊

[01:03:33.260 -> 01:03:35.660] 那我這邊

[01:03:35.660 -> 01:03:38.260] 那我還是分享一下我的畫面好了

[01:03:38.260 -> 01:03:42.780] 就是我直接跟大家推薦我常用的

[01:03:44.300 -> 01:03:45.100] 這一個

[01:03:45.520 -> 01:03:46.520] 就這一個

[01:03:46.760 -> 01:03:49.160] 像這一個,這樣有看到我畫面嗎?

[01:03:49.440 -> 01:03:50.440] 有

[01:03:50.920 -> 01:03:53.720] 好,那其實像這個東西就是

[01:03:53.720 -> 01:03:57.000] 如果,因為我自己是用付費版的ChairGPT

[01:03:57.000 -> 01:04:00.100] 那裡面就是有一個外掛叫做ScoreAI

[01:04:00.100 -> 01:04:02.540] 那它其實我覺得就蠻好用的

[01:04:02.540 -> 01:04:05.000] 你只要在提示詞裡面

[01:04:05.000 -> 01:04:06.500] 就是說請他

[01:04:06.500 -> 01:04:08.000] 你看這是我整理論文的架構

[01:04:08.000 -> 01:04:10.000] 就是基本上我也是用

[01:04:10.000 -> 01:04:12.000] 這就是我以前的範本

[01:04:12.000 -> 01:04:13.500] 就是你給他一個連結

[01:04:13.500 -> 01:04:15.000] 像我們常常會在學AI

[01:04:15.000 -> 01:04:17.500] 我們都會在那個archive上面找論文

[01:04:17.500 -> 01:04:20.000] 只要你的論文是這個用

[01:04:20.000 -> 01:04:23.500] 網址就可以拿到這個PDF的

[01:04:23.500 -> 01:04:25.580] 或者是任何網頁文章

[01:04:25.580 -> 01:04:26.660] 你只要貼進去

[01:04:26.660 -> 01:04:27.980] 然後他就會直接

[01:04:27.980 -> 01:04:30.060] 這Score的AI就會直接判斷是說

[01:04:30.060 -> 01:04:32.380] 你要去這個網址裡面找資料

[01:04:32.380 -> 01:04:34.060] 那你看我右邊這個東西

[01:04:34.060 -> 01:04:37.100] 這個是我這個Prompt下出來這個輸出

[01:04:37.100 -> 01:04:39.340] 就是他就會給你這個

[01:04:39.340 -> 01:04:42.060] 依照我自己讀論文的方式

[01:04:42.060 -> 01:04:43.740] 比如說先給我一個快速總結

[01:04:43.740 -> 01:04:45.320] 然後這個論文探究的問題

[01:04:45.320 -> 01:04:47.320] 那作者的什麼什麼東西

[01:04:47.320 -> 01:04:51.720] 那基本上這個一定可以很快幫你把論文的東西整理出來

[01:04:51.720 -> 01:04:54.160] 那寫作我其實覺得沒有太大問題

[01:04:54.160 -> 01:04:56.600] 因為我自己目前現在還在寫論文階段

[01:04:56.600 -> 01:04:59.760] 就是都每天會需要依賴他來幫我寫論文

[01:04:59.760 -> 01:05:00.360] 當然就是一樣

[01:05:00.360 -> 01:05:02.360] 他其實就是一個問答的過程

[01:05:02.360 -> 01:05:04.120] 或是整理的過程

[01:05:04.120 -> 01:05:06.400] 這我覺得是沒有太大問題的

[01:05:06.400 -> 01:05:08.680] 就是如果想知道詳細的也可以跟我聯絡

[01:05:08.680 -> 01:05:11.000] 我可以跟你分享我詳細的用法

[01:05:12.560 -> 01:05:15.800] 好 因為想要知道一些新的技術

[01:05:15.800 -> 01:05:19.040] 從那個國外的一些論文可能也是最直接的方式

[01:05:19.040 -> 01:05:20.440] 那如果有這個工具

[01:05:20.440 -> 01:05:24.640] 對大家來講應該可以很快的就可以吸收到一些新的東西

[01:05:24.640 -> 01:05:27.900] 那您剛才這邊有提到就是你是有用付費的

[01:05:27.900 -> 01:05:30.600] 因為有一個朋友剛好也在問說

[01:05:30.600 -> 01:05:34.400] 那有付費跟沒付費的差異會在哪邊

[01:05:34.400 -> 01:05:39.300] 有付費當然就是第一個你可以用ChairGB4

[01:05:39.300 -> 01:05:42.200] 我現在不知道那個免費可不可以用4

[01:05:42.200 -> 01:05:45.520] 那第二就是你的輸出的時間會比較快

[01:05:45.520 -> 01:05:48.820] 就是像付費版在兔這些整個檔案的時候

[01:05:48.820 -> 01:05:51.820] 因為付費版的確速度會比較快一點

[01:05:51.820 -> 01:05:54.540] 然後再來就是如果你要用外掛功能

[01:05:54.540 -> 01:05:57.260] 現在也是只有付費版才可以使用外掛

[01:05:57.260 -> 01:06:02.500] 如果沒有你就是只能依靠利用它現有的模型的能力

[01:06:02.500 -> 01:06:03.840] 去做使用

[01:06:03.840 -> 01:06:05.540] 就你都沒有外掛可以用

[01:06:05.540 -> 01:06:07.420] 如果你的工作沒有太複雜

[01:06:07.420 -> 01:06:10.900] 其實我覺得不一定需要去用那個付費

[01:06:10.900 -> 01:06:14.580] 但是要聯網這件事情就非得要付費

[01:06:14.580 -> 01:06:18.980] 這個是目前就是付費上的一些限制

[01:06:19.820 -> 01:06:22.780] 剛才講的外掛就是Plugin的這個部分

[01:06:22.780 -> 01:06:25.300] 對,就是Plugin, 就是官方的 plug in 這樣

[01:06:25.940 -> 01:06:27.140] 嗯好

[01:06:27.940 -> 01:06:28.940] 那

[01:06:30.040 -> 01:06:30.540] 有

[01:06:31.260 -> 01:06:33.200] 其他的朋友在問說

[01:06:34.340 -> 01:06:36.900] 可以用在操作股票選股嗎

[01:06:37.600 -> 01:06:41.800] 這個分析基本面應該可以啦

[01:06:41.800 -> 01:06:45.040] 當然因為我本身對這個很不在行

[01:06:45.040 -> 01:06:46.140] 所以我不太知道說

[01:06:46.140 -> 01:06:48.480] 實務上可不可以做股票選

[01:06:48.480 -> 01:06:49.580] 因為不太確定是說

[01:06:49.580 -> 01:06:53.380] 他去搜尋這些財經新聞或者是資料

[01:06:53.380 -> 01:06:55.140] 是否為正確

[01:06:55.140 -> 01:06:57.980] 因為很怕他就是瞎掰出來的

[01:06:57.980 -> 01:06:59.820] 然後又掰得很有道理

[01:06:59.820 -> 01:07:03.060] 所以我自己是沒有在這方面做太多嘗試

[01:07:05.660 -> 01:07:06.160] 好所以我自己是沒有在這方面做太多嘗試好

[01:07:06.600 -> 01:07:10.060] 那可能如果需要做股票分析的話

[01:07:10.060 -> 01:07:11.000] 還是要多加

[01:07:11.100 -> 01:07:12.900] 德德克小心一點

[01:07:13.400 -> 01:07:15.560] 那現在有一個叫finance GPT

[01:07:15.560 -> 01:07:16.540] 可以試試看

[01:07:18.560 -> 01:07:21.060] 那幾個字你方便用

[01:07:21.060 -> 01:07:23.360] 打在那個聊天區嗎

[01:07:23.660 -> 01:07:26.360] 就是我打一下

[01:07:26.360 -> 01:07:28.000] 我等一下補充上去好了

[01:07:28.000 -> 01:07:32.160] 就專門在處理財務面的

[01:07:32.160 -> 01:07:33.600] 金融面的

[01:07:33.600 -> 01:07:37.680] 因為也有就是聽眾朋友在問說

[01:07:37.680 -> 01:07:41.040] 有沒有檔的知識管理的經驗可以分享

[01:07:41.040 -> 01:07:43.680] 多文件的知識管理

[01:07:43.680 -> 01:07:45.800] 這個指的是什麼多文件的知識管理指的是什麼

[01:07:45.800 -> 01:07:48.800] 多文件的知識管理

[01:07:48.800 -> 01:07:51.800] 就我不太知道是多檔指的是

[01:07:51.800 -> 01:07:54.800] 這個這位這位

[01:07:54.800 -> 01:07:57.800] 這位朋友你要自己來說明嗎

[01:08:00.800 -> 01:08:02.800] 如果

[01:08:03.800 -> 01:08:05.260] 如果你要發言的話

[01:08:05.260 -> 01:08:08.380] 你可以就是已經幫你開起麥克風

[01:08:08.380 -> 01:08:10.060] 所以你可以直接講你的問題

[01:08:10.060 -> 01:08:14.940] 就是說比如說他就是有多篇論文

[01:08:14.940 -> 01:08:18.940] 那我可以從裡面去做一個總結或summary

[01:08:18.940 -> 01:08:23.300] 或是甚至去整理說一個論文的趨勢

[01:08:23.300 -> 01:08:25.380] 那當然有可能是

[01:08:26.660 -> 01:08:30.500] 像以前好像有一些像法律檔之類的

[01:08:31.260 -> 01:08:33.320] 大概類似這種的

[01:08:33.580 -> 01:08:34.600] 可以就是

[01:08:35.100 -> 01:08:41.000] 要一樣是要搭配付費版的,這Chair-GPT裡面有一個plugin就是

[01:08:41.500 -> 01:08:44.320] 這裡叫做Ask Your PDF

[01:08:42.000 -> 01:08:44.000] 就是這裡叫做Ask your PDF

[01:08:44.000 -> 01:08:46.000] 然後你就啟動這個

[01:08:46.000 -> 01:08:48.000] 啟動這個外掛之後

[01:08:48.000 -> 01:08:50.000] 你去Ask your PDF

[01:08:50.000 -> 01:08:53.000] 這邊就是上傳你的PDF的檔

[01:08:53.000 -> 01:08:55.000] 就你可以多

[01:08:55.000 -> 01:08:57.000] 就比如說隨便上傳一個東西

[01:08:57.000 -> 01:08:59.000] 比如說我上傳這個東西

[01:08:59.000 -> 01:09:01.000] 然後就拿到一串

[01:09:01.000 -> 01:09:03.000] 所以你可以用這個方式

[01:09:03.000 -> 01:09:05.080] 就是你把你的檔都往上

[01:09:05.080 -> 01:09:06.680] 往這個平臺丟

[01:09:06.680 -> 01:09:08.680] 那你會拿到很多他的代碼

[01:09:12.480 -> 01:09:14.620] 那會不會拖到大家睡覺

[01:09:15.820 -> 01:09:17.100] 不會啊

[01:09:17.100 -> 01:09:18.560] 因為論文的東西

[01:09:18.560 -> 01:09:20.360] 或是讀 PDF 的東西

[01:09:20.360 -> 01:09:22.360] 應該都是大家還滿需要的

[01:09:22.360 -> 01:09:26.200] 因為自己平常也很需要看大量的這個所謂的一些報告

[01:09:26.200 -> 01:09:27.800] 然後要很快做出一個

[01:09:27.800 -> 01:09:28.700] 總結

[01:09:28.700 -> 01:09:30.700] 然後這個平臺反正就是你打

[01:09:30.700 -> 01:09:33.100] 這個 ask your pdf

[01:09:33.100 -> 01:09:35.800] 這個是目前最高比chatter with pdf還可靠

[01:09:35.800 -> 01:09:38.300] 所以我幾乎後來就都沒有用chatter pdf的

[01:09:38.300 -> 01:09:40.500] 所以你看他這時候你就會拿到一串代碼

[01:09:40.500 -> 01:09:41.800] 你就把這個代碼拿上來

[01:09:41.800 -> 01:09:43.400] 就是讓你很簡單

[01:09:43.400 -> 01:09:45.000] 就是就是

[01:09:45.000 -> 01:09:46.000] TL

[01:09:46.000 -> 01:09:47.000] BR嘛

[01:09:47.000 -> 01:09:49.000] 然後這個東西

[01:09:49.000 -> 01:09:52.000] 他就會去讀你剛上傳的那一份文件

[01:09:52.000 -> 01:09:54.000] 阿所以基本上你可以這個技巧就是

[01:09:54.000 -> 01:09:58.000] 因為他就是取得一個檔的超連結代碼

[01:09:58.000 -> 01:10:02.000] 然後你這邊的PDF他就可以去讀這個東西

[01:10:02.000 -> 01:10:04.000] 所以他其實真的是讀了嘛

[01:10:04.000 -> 01:10:06.080] 因為我剛剛那個真的是工業物聯網的東西嘛

[01:10:06.680 -> 01:10:09.880] 所以他真的就是會來這裡讀這份檔這樣

[01:10:10.880 -> 01:10:15.980] 所以基本上這個應該可以達到一些你想要的方法啦

[01:10:20.980 -> 01:10:24.520] 這樣應該有回答到那個剛才

[01:10:24.560 -> 01:10:25.040] 謝謝好謝謝謝謝這樣應該有回答到剛才有 謝謝

[01:10:25.040 -> 01:10:26.520] 好 謝謝

[01:10:26.520 -> 01:10:31.960] 因為大家的問題還蠻多的

[01:10:31.960 -> 01:10:34.480] 請大家儘量放在問答區

[01:10:34.480 -> 01:10:38.920] 因為聊天區就是會不一定可以那麼清楚

[01:10:38.920 -> 01:10:48.400] 可以看得到呃...有...

[01:10:49.400 -> 01:10:50.200] 我先...呃...

[01:10:50.200 -> 01:10:51.400] 可以用...

[01:10:52.200 -> 01:10:56.600] 來創作音樂寫曲、寫詞、寫譜嗎?

[01:10:57.600 -> 01:10:59.200] 寫譜我不太確定

[01:10:59.200 -> 01:11:03.200] 但是吉他譜我有請他寫過

[01:11:03.800 -> 01:11:05.120] 比如說

[01:11:08.120 -> 01:11:09.320] GUI

[01:11:18.000 -> 01:11:20.080] 你可以請他列出

[01:11:20.600 -> 01:11:23.200] 某樣的他都會掰的出來啦

[01:11:23.400 -> 01:11:25.360] 你看他這樣其實就是我隨便下其他

[01:11:25.360 -> 01:11:26.880] 寫一個吉他的Tab補

[01:11:26.880 -> 01:11:28.080] 但我不太確定啦

[01:11:28.080 -> 01:11:30.080] 因為我不會確定他是不是其他掰的

[01:11:30.080 -> 01:11:33.720] 有在練吉他

[01:11:33.720 -> 01:11:36.640] 所以就是偶爾會想說跟他玩一下

[01:11:36.640 -> 01:11:39.320] 對就是吉他譜確定是有啦

[01:11:39.320 -> 01:11:40.720] 啊但這個歌譜

[01:11:40.720 -> 01:11:44.320] 那一個是從你自己有的歌去寫譜嘛

[01:11:44.320 -> 01:11:46.700] 啊如果是要就是憑空寫出譜

[01:11:46.700 -> 01:11:48.300] 就是要做創作這個

[01:11:48.300 -> 01:11:49.640] 因為這也不是我專長

[01:11:49.640 -> 01:11:52.040] 所以我不太確定搞不搞得出來

[01:11:52.040 -> 01:11:53.480] 但應該可以啦

[01:11:53.480 -> 01:11:54.540] 因為國外這個地方

[01:11:54.540 -> 01:11:58.040] 是也有專家在研究這個

[01:11:58.040 -> 01:11:59.540] 對

[01:11:59.540 -> 01:12:02.680] 好 我先很快總結一件事情

[01:12:02.680 -> 01:12:04.980] 就是我們最後的那個

[01:12:04.980 -> 01:12:06.080] 這個是有錕影的

[01:12:06.080 -> 01:12:09.880] 那錄影黨跟簡報黨是會做分享的

[01:12:09.880 -> 01:12:12.520] 那大家可以加入臺灣人工智慧協會的

[01:12:12.520 -> 01:12:13.840] 那個LINE群組

[01:12:13.840 -> 01:12:15.120] 裡面的記事本的話

[01:12:15.120 -> 01:12:19.080] 就是會把所有AI Innovation Talk的

[01:12:19.080 -> 01:12:21.520] 這些簡報黨跟錄影黨都會放在那邊

[01:12:21.520 -> 01:12:23.880] 所以請大家加入那個群組

[01:12:23.880 -> 01:12:28.700] 就可以看到這一場的�檔跟錄音檔

[01:12:28.700 -> 01:12:31.000] 那還有其他的問題

[01:12:31.000 -> 01:12:35.420] 是不是可以分享你的

[01:12:35.420 -> 01:12:37.720] Prompt Library的紀錄結構

[01:12:37.720 -> 01:12:41.220] 目前已經都放在那個Notesheet裡面了嗎

[01:12:41.220 -> 01:12:45.720] 對啊 我展示一下我自己

[01:12:46.400 -> 01:12:49.580] 這個,我平常是自己有用

[01:12:50.280 -> 01:12:53.080] 這個整理啊,Notion啊

[01:12:53.080 -> 01:12:55.580] 這個是部分的,所以其實我自己都是會

[01:12:55.580 -> 01:12:58.080] 比如說就是,平常都已經整理好了

[01:12:58.080 -> 01:13:00.520] 那我就是這樣copy,貼上

[01:13:00.560 -> 01:13:03.020] 就解,所以就是,我如果很常慣用

[01:13:03.020 -> 01:13:09.000] 這個東西,我自己就是用這個或是這個收藏在一個記事本上面

[01:13:09.000 -> 01:13:11.000] 就快速貼

[01:13:11.000 -> 01:13:13.000] 然後我現在的用法就是說

[01:13:13.000 -> 01:13:15.000] 像我這邊

[01:13:15.000 -> 01:13:17.000] 我現在自己常做法是它會變成是一個固定的

[01:13:17.000 -> 01:13:19.000] 比如說我就會把這個東西

[01:13:19.000 -> 01:13:21.000] 就是我這邊是

[01:13:21.000 -> 01:13:23.000] 這個開頭

[01:13:23.000 -> 01:13:26.000] 它其實是在幫我做一個英文工作標題

[01:13:26.000 -> 01:13:30.200] 因為有時候我要幫同伴們用英文總結一下工作

[01:13:30.200 -> 01:13:30.880] 所以我經常在做

[01:13:30.880 -> 01:13:31.840] 所以我就是把這個

[01:13:31.840 -> 01:13:34.000] 就等於是這個東西已經會有一個超連結

[01:13:34.000 -> 01:13:36.920] 就把它就是設成書籤或者是什麼

[01:13:36.920 -> 01:13:40.480] 然後這件事情就是其實一直在重複利用這個

[01:13:40.480 -> 01:13:41.480] Prompt

[01:13:41.480 -> 01:13:43.720] 就是你也不一定要把它存成那個

[01:13:43.720 -> 01:13:45.000] 像我剛剛存的一個飯本

[01:13:45.000 -> 01:13:48.560] 其實是可以把這個超越連結就是記錄下來

[01:13:48.560 -> 01:13:52.520] 那這個它就是一個特定工作的一個輸出產生機這樣

[01:13:52.520 -> 01:13:55.000] 所以這個是我自己的兩種用法

[01:13:55.000 -> 01:13:56.560] 跟大家分享一下

[01:13:57.760 -> 01:13:58.760] 嗯嗯

[01:13:59.240 -> 01:14:00.080] 好

[01:14:00.440 -> 01:14:01.480] 那

[01:14:02.160 -> 01:14:06.000] 中文論文分析的好嗎

[01:14:06.000 -> 01:14:08.000] 還不錯

[01:14:08.000 -> 01:14:11.000] 就是幾乎中文也沒有什麼太大問題

[01:14:11.000 -> 01:14:15.000] 我自己也蠻常在看中文論文的

[01:14:15.000 -> 01:14:17.000] 是沒有問題的

[01:14:17.000 -> 01:14:21.000] 對 那在用指令的時候可以下中文

[01:14:21.000 -> 01:14:23.000] 對 可以下中文

[01:14:23.000 -> 01:14:26.820] 其實他中文已經表現的不錯了啦

[01:14:26.820 -> 01:14:30.400] 其實也不用說一定硬是要用英文這樣

[01:14:31.940 -> 01:14:35.840] 那剛才你的那個簡報裡面有一個是產生圖片的

[01:14:35.840 -> 01:14:38.440] 他那個是某一個plugin嗎?因為

[01:14:38.900 -> 01:14:40.120] 喔 沒有

[01:14:41.000 -> 01:14:42.720] 他其實這個

[01:14:42.720 -> 01:14:46.000] 他剛剛是講說圖文並茂那個地方嘛

[01:14:46.000 -> 01:14:48.000] 對不對

[01:14:48.000 -> 01:14:50.000] 對他是在問怎麼產生圖片

[01:14:50.000 -> 01:14:52.000] 他其實不是產生

[01:14:52.000 -> 01:14:54.000] 他其實你看就是這個

[01:14:54.000 -> 01:14:56.000] 這個網址啊

[01:14:56.000 -> 01:14:58.000] 他其實你看我把這個東西

[01:14:58.000 -> 01:15:00.000] 貼上

[01:15:00.000 -> 01:15:02.000] 我把keyword比如說換成apple好了

[01:15:02.000 -> 01:15:04.000] 他其實

[01:15:04.000 -> 01:15:06.000] 喔這個這個不好我把Keyword換成Apple好了

[01:15:07.000 -> 01:15:09.000] 它其實這個不好

[01:15:09.000 -> 01:15:10.000] 比如說

[01:15:11.000 -> 01:15:12.000] AI

[01:15:16.000 -> 01:15:18.000] 這個網址

[01:15:18.000 -> 01:15:20.000] 它其實只是說

[01:15:20.000 -> 01:15:23.000] 這裡其實會取代到一個

[01:15:24.000 -> 01:15:26.140] 生成一個圖片的網址

[01:15:26.140 -> 01:15:28.780] 然後被你拿到而已

[01:15:32.100 -> 01:15:34.200] 我就會拿到一個這個computer圖片

[01:15:34.200 -> 01:15:35.440] 它其實就是

[01:15:35.440 -> 01:15:39.320] 你其實實務上拿到的是這個image link

[01:15:40.040 -> 01:15:42.920] 喔不是啦,就是剛才

[01:15:45.840 -> 01:15:48.320] 它其實是把這個東西替換成

[01:15:49.060 -> 01:15:50.260] 這件事情

[01:15:50.260 -> 01:15:53.680] 然後因為這件事情,因為這個網址阿

[01:15:53.680 -> 01:15:55.680] 就ChairGP拿到的結果

[01:15:55.680 -> 01:15:58.680] 就是剛剛看到他會長出這張圖片嘛

[01:15:58.680 -> 01:16:01.680] 所以他只是把這張圖片的連結

[01:16:01.680 -> 01:16:03.680] 放在ChairGP這個頁面裡面

[01:16:03.680 -> 01:16:06.520] 他剛好就是會變成圖片的形式

[01:16:06.520 -> 01:16:07.680] 就這樣子而已

[01:16:07.680 -> 01:16:11.840] 他並不是有一個外掛去是剛剛好要搭配這一個

[01:16:11.840 -> 01:16:13.920] 是不在的

[01:16:13.920 -> 01:16:15.400] 你換成其他平臺沒用的

[01:16:17.600 -> 01:16:19.520] 王子只有一個巧妙的地方

[01:16:19.520 -> 01:16:22.040] 所以剛好可以搭配這樣用

[01:16:22.060 -> 01:16:25.200] 所以紋身圖的應該還是要找其他的

[01:16:25.200 -> 01:16:26.280] 像那個對對對

[01:16:26.280 -> 01:16:28.840] 文生其實他如果你是要那個什麼

[01:16:29.280 -> 01:16:30.840] 那個叫那個

[01:16:31.440 -> 01:16:33.320] 呃就那種就是真正的

[01:16:34.000 -> 01:16:35.640] 文生圖這一種

[01:16:36.760 -> 01:16:37.440] 好好

[01:16:40.000 -> 01:16:40.720] 呃

[01:16:41.720 -> 01:16:46.520] 有聽過使用手繪稿就可以產生一個可操作的網頁

[01:16:46.520 -> 01:16:51.000] 請問是透過share gpd上傳圖片或利用其他工具嗎

[01:16:51.000 -> 01:16:51.760] 對啊

[01:16:51.760 -> 01:16:53.320] 但是share gpd是個功能

[01:16:53.320 -> 01:16:57.120] 只是說他現在還沒有開放給我們一般民眾使用

[01:16:57.120 -> 01:16:59.440] 就是這個我們在waiting list已經很久了

[01:16:59.440 -> 01:17:02.280] 但他始終就是還沒有開放出來

[01:17:02.280 -> 01:17:04.520] 的確就是你手繪一個UI稿

[01:17:04.520 -> 01:17:08.240] 他就可以直接幫你�網頁或是什麼東西的

[01:17:08.240 -> 01:17:10.560] 就是還沒開放給一般民眾使用

[01:17:12.120 -> 01:17:12.720] 好

[01:17:12.960 -> 01:17:17.600] 我們這樣把握時間在10點50就是大概結束

[01:17:17.600 -> 01:17:20.040] 所以我很快的問一些問題

[01:17:20.040 -> 01:17:22.000] 回答一些可能我也直接回答一些問題

[01:17:22.000 -> 01:17:25.800] 就是如果驗證GPT提供資料的正確性

[01:17:25.800 -> 01:17:29.160] 這個真的要靠你自己的能力

[01:17:29.160 -> 01:17:31.400] 也就是如果你問的問題

[01:17:31.400 -> 01:17:33.080] 那你對於那個問題的

[01:17:33.080 -> 01:17:36.040] 就是你不能利用確鮭GDP來驗證某個事實

[01:17:36.040 -> 01:17:37.200] 這個是很確定的

[01:17:37.200 -> 01:17:41.160] 所以確鮭GDP出來給的資料或是答案

[01:17:41.160 -> 01:17:44.560] 那個你要自己有辨識的能力

[01:17:44.560 -> 01:17:49.620] 好 再來是

[01:17:49.620 -> 01:17:52.420] 請問Jason這邊是不是有遇過

[01:17:52.420 -> 01:17:55.420] 閱讀及摘要學術文章的重點

[01:17:55.420 -> 01:17:57.320] 但是他給出的結果有一半是真的

[01:17:57.320 -> 01:17:59.160] 另外一半是他自己亂加的

[01:17:59.160 -> 01:18:05.120] 早期會 因為先前他會就是那個平臺解析

[01:18:05.120 -> 01:18:07.280] 以前比如說有人會用那個

[01:18:07.640 -> 01:18:10.400] Chatter PDF 或是用那個 Fumata

[01:18:10.400 -> 01:18:11.640] 或是用一些

[01:18:12.080 -> 01:18:13.280] Panda PDF

[01:18:13.440 -> 01:18:15.440] 他們的解析能力都不是太好

[01:18:15.440 -> 01:18:18.000] 因為 PDF 檔有一個問題啊

[01:18:18.000 -> 01:18:21.280] 就是我們肉眼看到的 PDF 文字的順序

[01:18:21.280 -> 01:18:23.720] 可是電腦讀出來實際上不一定是

[01:18:24.560 -> 01:18:26.240] 跟你想像中順序可是電腦讀出來實際上不一定是跟你想像中的順序不一樣

[01:18:26.240 -> 01:18:31.280] 所以其實他未進去確認GDP就會錯亂

[01:18:32.280 -> 01:18:33.560] 所以基本上他

[01:18:33.560 -> 01:18:36.120] 但現在像ASCPDF這個東西

[01:18:36.120 -> 01:18:40.640] 他現在已經把整個PDF讀取的做蠻大突破

[01:18:40.640 -> 01:18:43.720] 所以基本上只要你的論文的格式

[01:18:43.720 -> 01:18:46.000] 肉眼看起來不要太奇葩

[01:18:46.000 -> 01:18:48.880] 就是有的欄位排的很奇怪

[01:18:48.880 -> 01:18:51.960] 大致上的品質都還不錯了

[01:18:51.960 -> 01:18:53.300] 我現在已經都蠻相信

[01:18:53.300 -> 01:18:54.440] Trader PDF的結果

[01:18:54.440 -> 01:18:57.120] 不 那個 Ask a Viewer PDF的結果了

[01:18:58.320 -> 01:19:01.080] 好 那我們倒數最後三個問題

[01:19:01.080 -> 01:19:05.000] 就是請問要拿來做公司客戶行為

[01:19:05.000 -> 01:19:08.600] 業務數據的分析大概可以用哪方面的功能

[01:19:08.600 -> 01:19:10.400] 請問Jason有試用過嗎

[01:19:11.440 -> 01:19:13.440] 要看說你是實質上

[01:19:13.440 -> 01:19:15.300] 比如說如果做量化分析

[01:19:15.300 -> 01:19:17.700] 應該不會是確GBT的強項

[01:19:17.700 -> 01:19:21.700] 因為它畢竟是做那個文字類別

[01:19:21.700 -> 01:19:22.800] 但你把它做質化

[01:19:22.800 -> 01:19:24.600] 比如說客戶行為

[01:19:24.600 -> 01:19:26.380] 比如說如果你有那個比如說客戶行為比如說如果你有那個

[01:19:26.380 -> 01:19:29.420] 比如說客戶意見的分類

[01:19:29.420 -> 01:19:31.480] 比如說他可能是你要做情緒分類

[01:19:31.480 -> 01:19:34.120] 或是說他可能比如說做某些貢獻度

[01:19:34.120 -> 01:19:36.920] 分類的這個東西他倒是做得挺好的

[01:19:36.920 -> 01:19:40.160] 只要你跟他講說分類的標準是什麼

[01:19:40.160 -> 01:19:41.220] 但比如說一些既有

[01:19:41.220 -> 01:19:42.660] 比如說像情緒這個

[01:19:42.660 -> 01:19:44.020] 我們普遍都知道嘛

[01:19:44.020 -> 01:19:46.560] 他情緒識別很強

[01:19:46.560 -> 01:19:48.060] 所以我們公司裡面有做過

[01:19:48.060 -> 01:19:50.560] 就是我把一些客戶的一些E-mail

[01:19:50.560 -> 01:19:52.360] 貼進去讓他幫我分類

[01:19:52.360 -> 01:19:54.000] 是說這個客戶的情緒反應

[01:19:54.000 -> 01:19:55.860] 是屬於正向或負向

[01:19:55.860 -> 01:19:58.260] 他其實分析的還算準確

[01:19:58.260 -> 01:20:00.200] 就是可靠度我覺得也不錯

[01:20:00.200 -> 01:20:03.060] 可以拿來當參考用

[01:20:03.060 -> 01:20:04.300] 好

[01:20:04.300 -> 01:20:06.000] 那我待會回答一個問題

[01:20:06.000 -> 01:20:08.000] 就是QAGPT可以讓它

[01:20:08.000 -> 01:20:10.000] 不出現簡體嗎

[01:20:10.000 -> 01:20:12.000] 你可以下條件讓它只用

[01:20:12.000 -> 01:20:14.000] 繁體中文回答 但是它偶爾

[01:20:14.000 -> 01:20:16.000] 就會出現簡體中文

[01:20:16.000 -> 01:20:18.000] 對 這個比較

[01:20:18.000 -> 01:20:20.000] 對

[01:20:20.000 -> 01:20:22.000] 我看到問題下一個

[01:20:22.000 -> 01:20:24.000] ZHTW 或是你寫

[01:20:24.000 -> 01:20:26.140] 台灣needs mandarin

[01:20:27.420 -> 01:20:31.520] 對 就是我試用的結果是他偶爾會出現簡體

[01:20:31.520 -> 01:20:34.220] 就是雖然我們已經跟他講說要用繁體

[01:20:34.220 -> 01:20:35.880] 對 他偶爾還是會出現

[01:20:35.880 -> 01:20:37.160] 很難百分百

[01:20:37.160 -> 01:20:38.420] 對

[01:20:38.420 -> 01:20:40.080] 那請問想

[01:20:40.080 -> 01:20:42.780] 如果要用確GPT

[01:20:42.780 -> 01:20:45.120] 用特定的職業口吻來發言

[01:20:45.120 -> 01:20:48.200] 比如教師、軍人該怎麼做

[01:20:48.200 -> 01:20:52.520] 應該為他過去的發言或者撰寫角色設定

[01:20:52.520 -> 01:20:55.440] 哪一種比較好?還有其他方法

[01:20:55.440 -> 01:20:57.160] 這個角色都還蠻

[01:20:57.160 -> 01:21:00.680] 目前還蠻普世價值都可以認定

[01:21:00.680 -> 01:21:05.760] 所以可以直接就是請以教師的口吻說明某某概念

[01:21:05.760 -> 01:21:07.040] 這樣其實就可以了

[01:21:07.040 -> 01:21:09.040] 除非那個角色是

[01:21:09.040 -> 01:21:11.440] 可能比如說是公司裡面獨有的

[01:21:11.440 -> 01:21:12.920] 那你可能就要稍微描述一下

[01:21:12.920 -> 01:21:16.800] 這個角色是具備什麼樣的特徵

[01:21:16.800 -> 01:21:17.520] 就是你要用

[01:21:17.520 -> 01:21:19.400] 比如說要去訓練

[01:21:19.400 -> 01:21:21.480] 就是可能用一些FuShot的方式

[01:21:21.480 -> 01:21:24.040] 去讓ChallengeVT理解說

[01:21:24.040 -> 01:21:25.700] 你那個角色有

[01:21:25.700 -> 01:21:28.700] 比如說像之前有人訓練說可不可以扮演成我的妹妹嗎

[01:21:28.700 -> 01:21:29.880] 但是我的妹妹就很廣泛

[01:21:29.880 -> 01:21:33.000] 但是他就會描述他妹妹碰到什麼問題會怎麼回答

[01:21:33.000 -> 01:21:34.080] 所以你要給他一些範例

[01:21:34.080 -> 01:21:36.220] 他就能夠學了起來

[01:21:36.220 -> 01:21:38.700] 但像教職醫師這個應該沒有太大問題

[01:21:39.860 -> 01:21:40.940] 好

[01:21:40.940 -> 01:21:42.940] 那最後一個問題是

[01:21:42.940 -> 01:21:46.120] 請GPT幫忙做產業報告的summarize

[01:21:46.120 -> 01:21:48.240] 大部分都是很上位

[01:21:48.240 -> 01:21:50.520] 沒有數據或是植化摘要

[01:21:50.520 -> 01:21:53.680] 比較是特色性的描述

[01:21:53.680 -> 01:21:56.240] 有沒有怎樣的指令建議

[01:21:56.240 -> 01:21:58.360] 如果 通常我覺得這要為

[01:21:58.360 -> 01:22:01.440] 就是要搭配你要為背景資料進來

[01:22:01.440 -> 01:22:03.960] 因為你說產業報告的summarize

[01:22:03.960 -> 01:22:06.000] 我不太確定會是怎麼做因為如果你告的summarize我不太確定會是怎麼做啦

[01:22:06.000 -> 01:22:08.000] 因為如果你只是下summarize

[01:22:08.000 -> 01:22:10.000] 某一個文件內容

[01:22:10.000 -> 01:22:13.000] 他一定會先給你很廣泛的

[01:22:13.000 -> 01:22:14.000] 那通常

[01:22:14.000 -> 01:22:16.000] 我看我這邊有沒有

[01:22:16.000 -> 01:22:18.000] 比如說新聞搜尋摘要

[01:22:21.000 -> 01:22:23.000] 因為通常我自己的過程

[01:22:23.000 -> 01:22:24.000] 就像剛剛我們不是

[01:22:24.000 -> 01:22:26.400] 簡報裡有提到一個循環嗎

[01:22:26.400 -> 01:22:28.000] 其實summarize是一樣

[01:22:28.000 -> 01:22:31.160] 就第一個一定是先拿到一個最初的一個結果

[01:22:31.160 -> 01:22:32.800] 就summarize都給很初的

[01:22:33.440 -> 01:22:34.840] 但你看我這邊就給的

[01:22:35.400 -> 01:22:37.440] 我可能目前找不到

[01:22:37.960 -> 01:22:38.200] 對吧

[01:22:38.200 -> 01:22:39.280] 因為時間問題

[01:22:39.280 -> 01:22:40.760] 所以他基本上是會說

[01:22:40.760 -> 01:22:44.120] 你會從第一步的summary會得到一些靈感

[01:22:44.120 -> 01:22:46.280] 那再繼續往下追問

[01:22:46.280 -> 01:22:50.280] 可以看那個電腦Ether那個是誰

[01:22:50.280 -> 01:22:54.440] 電腦玩物的站長他的那一篇寫的不錯

[01:22:54.440 -> 01:22:57.760] 他有一個以追問法的方式使用Chair GPT

[01:22:57.760 -> 01:23:01.440] 我覺得那篇應該可以回答你的問題

[01:23:01.440 -> 01:23:03.520] 就是你要一直去追問這個結果

[01:23:03.520 -> 01:23:04.920] 就是一直往下挖掘

[01:23:04.920 -> 01:23:07.920] 沒有辦法一次就是拿到漂亮的結果

[01:23:07.920 -> 01:23:10.360] 好

[01:23:10.360 -> 01:23:13.160] 你說電腦玩物的作者嗎

[01:23:13.160 -> 01:23:13.640] Ether

[01:23:13.640 -> 01:23:14.080] 對

[01:23:14.080 -> 01:23:15.120] Ether有一個追

[01:23:15.120 -> 01:23:16.800] 你打Ether然後追問法

[01:23:16.800 -> 01:23:18.200] 應該就是拿得出來的

[01:23:18.200 -> 01:23:19.960] 好

[01:23:19.960 -> 01:23:20.960] 對

[01:23:20.960 -> 01:23:24.600] 我可以把會後補充資料

[01:23:24.600 -> 01:23:25.520] 我再附在

[01:23:25.520 -> 01:23:29.140] 因為協會這邊還是需要做一些總結

[01:23:29.140 -> 01:23:30.780] 我先趕快把總結講完

[01:23:30.780 -> 01:23:33.660] 那如果有些聽眾願意留下來的話

[01:23:33.660 -> 01:23:36.940] 那個Jason這邊應該還可以播個五分鐘的時間

[01:23:36.940 -> 01:23:37.900] 做最後的回答

[01:23:37.900 -> 01:23:43.300] 那我先把那個畫面先切到我這邊喔Jason

[01:23:43.300 -> 01:23:44.300] 好

[01:23:44.300 -> 01:23:45.200] 好畫面先切到我這邊好

[01:23:49.360 -> 01:23:53.840] 非常感謝今天缺神的分享

[01:23:53.840 -> 01:23:56.160] 真的是乾貨滿滿收穫非常的多

[01:23:58.000 -> 01:24:02.200] 這邊還是再講一下一些協會這邊的一些消息

[01:24:02.200 -> 01:24:04.840] 讓大家知道就是信訊團隊的

[01:24:06.900 -> 01:24:08.420] 的如果需要協助的部分比如像爭取外部資源

[01:24:08.420 -> 01:24:10.580] 然後找一些合作的資源

[01:24:10.580 -> 01:24:11.900] 增加曝光機會的話

[01:24:11.900 -> 01:24:15.220] 其實都可以來跟創新預算委員會聯絡

[01:24:15.220 -> 01:24:18.300] 那這邊有問卷的連結的時候

[01:24:18.300 -> 01:24:20.340] 請大家再請你們再記得填寫

[01:24:20.340 -> 01:24:23.220] 然後AI Innovation Talk

[01:24:23.220 -> 01:24:26.000] 還是有在徵求講師主持人還有公辦人員

[01:24:26.000 -> 01:24:29.000] 所以你們可以在那個問卷的部分再去做一些注明

[01:24:29.000 -> 01:24:35.000] 那真的很重要的是需要請大家特別幫忙的是記得填寫問卷

[01:24:35.000 -> 01:24:39.000] 我們從你們問卷裡面才知道可以哪邊去做的調整跟改善

[01:24:39.000 -> 01:24:41.000] 我們目的還是希望把這件事情做得更好

[01:24:41.000 -> 01:24:44.000] 讓大家可以協助到AI的推廣

[01:24:44.000 -> 01:24:45.960] 讓大家可以吸收到更多

[01:24:45.960 -> 01:24:47.680] 真的請大家幫忙填寫問卷

[01:24:48.880 -> 01:24:54.040] 那最後的話會是那個下一期的那個活動的預告

[01:24:54.040 -> 01:24:58.000] 如果你對於這麼多的AI工具感到很焦慮

[01:24:58.000 -> 01:25:01.720] 對於未來包括自己該往哪方面的努力等等

[01:25:01.720 -> 01:25:03.840] 一直都找不到答案的話

[01:25:03.840 -> 01:25:07.160] 這個禮拜的主題是我們該以什麼樣的心態來迎接

[01:25:07.180 -> 01:25:08.480] AIGC時代

[01:25:09.080 -> 01:25:11.480] 主講者是AI大神曾凡冰

[01:25:11.840 -> 01:25:13.680] 他在記錄上有很深的專言

[01:25:13.680 -> 01:25:18.600] 去年年底開始對於AIGC的這些工具也花了非常多的時間去玩去實作

[01:25:19.200 -> 01:25:22.080] 他整理的一些看法跟心得來跟大家分享

[01:25:22.520 -> 01:25:25.360] AI大神的分享大家一定要記得來參加

[01:25:28.360 -> 01:25:31.360] 好 那就是剛才有一些人在問到

[01:25:31.360 -> 01:25:33.320] 就是如何加入LINE群組

[01:25:33.320 -> 01:25:36.560] LINE群組的連結就是在右邊這個QR code

[01:25:36.560 -> 01:25:37.920] 那今日簡報黨的

[01:25:37.920 -> 01:25:39.600] 今天簡報黨的連結的話

[01:25:39.600 -> 01:25:41.640] 就是在左邊這邊

[01:25:41.640 -> 01:25:44.760] 我們會後的話會把今天的錄音黨

[01:25:44.760 -> 01:25:46.300] 跟最後的那個在左邊這邊 那我們會後的話會把今天的錄音檔跟最後的那個

[01:25:46.300 -> 01:25:49.040] 陳報檔的部分也會放在那個

[01:25:49.040 -> 01:25:51.520] 協會的LINE群組裡面的記事本

[01:25:51.520 -> 01:25:53.940] 所以請大家要特別去加入那個

[01:25:53.940 -> 01:25:57.080] LINE群組的話 就可以得到一些後續的

[01:25:57.080 -> 01:25:59.380] 一些消息跟訊息這樣

[01:25:59.380 -> 01:26:04.520] 好 因為那我的部分到這邊

[01:26:04.520 -> 01:26:07.440] 然後因為有個聽眾他有舉手是不是

[01:26:07.440 -> 01:26:13.840] 請問張松芳你有要提問或是發言嗎

[01:26:13.840 -> 01:26:15.580] 沒有 他不見了好

[01:26:15.580 -> 01:26:18.960] 那我還是回到那個

[01:26:18.960 -> 01:26:21.860] 問答區的最後一個問題是

[01:26:21.860 -> 01:26:25.040] 請問可以做專利分析報告嗎?

[01:26:26.540 -> 01:26:30.040] 專利分析喔如果你有專利的文章是一定可以的

[01:26:33.580 -> 01:26:34.240] 對就是一樣

[01:26:34.240 -> 01:26:36.980] 他就是用剛剛那個PDF的那個概念

[01:26:37.420 -> 01:26:39.220] 就是問進去就可以了

[01:26:40.120 -> 01:26:42.980] 所以可能還是要給他一些

[01:26:43.180 -> 01:26:45.380] 就是格式或是什麼

[01:26:45.380 -> 01:26:48.080] 讓他特別去針對所謂的專利的部分

[01:26:48.080 -> 01:26:51.680] 去列出一些相關的項目出來吧

[01:26:52.040 -> 01:26:52.880] 對啊對啊

[01:26:52.880 -> 01:26:56.480] 因為專利這邊也算是一個很專業的領域

[01:26:56.480 -> 01:27:01.280] 而且就是像專利的檔也格式的確是不一

[01:27:01.280 -> 01:27:04.680] 然後有的他如果是圖檔掃描成pdf

[01:27:04.680 -> 01:27:06.840] 基本上這個就很難解

[01:27:06.840 -> 01:27:09.160] 就是你可能要先用 OCR 再轉成文字

[01:27:09.720 -> 01:27:11.200] 在未經全 PDF

[01:27:11.520 -> 01:27:13.080] 那個確實 GPT 不然

[01:27:13.360 -> 01:27:16.120] 它其實也是看不懂圖片的結果

[01:27:16.480 -> 01:27:16.800] 對啊

[01:27:17.240 -> 01:27:19.080] 那應該就是原基本原理都是一樣

[01:27:19.080 -> 01:27:22.080] 就是先透過 PDF 檔案這樣

[01:27:22.400 -> 01:27:25.000] 確實 GPT 掌握之後

[01:27:25.000 -> 01:27:28.000] 然後就可以開始對它做一連串的問答

[01:27:28.000 -> 01:27:31.000] 做分析總結這樣

[01:27:31.000 -> 01:27:33.000] 好

[01:27:33.000 -> 01:27:37.000] 還是個真的在各行各業都可以

[01:27:37.000 -> 01:27:39.000] 使用到的一個很好用的工具

[01:27:39.000 -> 01:27:42.000] 只要你能轉成文字檔

[01:27:42.000 -> 01:27:44.000] 轉成PDF檔幾乎就是

[01:27:44.000 -> 01:27:46.080] 就可以用同樣的手法解決很多問題

[01:27:47.800 -> 01:27:50.200] 那請問在那個論文的部分

[01:27:50.200 -> 01:27:52.760] 如果那論文裡面有數學符號的話

[01:27:52.760 -> 01:27:55.200] 那個確筆機它還是可以做summarize的嗎

[01:27:56.120 -> 01:27:57.360] 這個有點難

[01:27:57.360 -> 01:27:59.680] 因為還不太能夠驗證這一點

[01:27:59.680 -> 01:28:02.640] 就是它能夠看懂的那個文字

[01:28:02.640 -> 01:28:04.200] 因為公式它比較特別

[01:28:04.200 -> 01:28:05.440] 因為公式它不是那種

[01:28:05.440 -> 01:28:06.880] 循序的文字有沒有

[01:28:06.880 -> 01:28:10.160] 就是它搞不好本質是一張圖片

[01:28:10.160 -> 01:28:11.720] 就是當初學生在做論

[01:28:11.720 -> 01:28:14.120] 他可能是截圖貼上去

[01:28:14.120 -> 01:28:14.880] 那也有可能是用

[01:28:14.880 -> 01:28:17.160] Latex的語法打上去

[01:28:17.160 -> 01:28:18.880] 那如果用Latex的語法打上去

[01:28:18.880 -> 01:28:22.160] 可能還有機會解讀的出來

[01:28:22.160 -> 01:28:23.640] 所以我覺得如果是

[01:28:23.640 -> 01:28:25.000] 數學公司這方面

[01:28:25.000 -> 01:28:28.000] 我目前因為我領域比較少接觸到這個

[01:28:28.000 -> 01:28:31.000] 所以我不太確定那個效果是不是很好

[01:28:31.000 -> 01:28:34.000] 嗯好

[01:28:35.000 -> 01:28:39.000] 那如果有聽眾想要做討論

[01:28:39.000 -> 01:28:41.000] 或是想有問題想發問的話

[01:28:41.000 -> 01:28:52.200] 可以舉手我們可以幫你開麥克風或是如果有問題我漏掉的可以請你現在再麻煩你輸入一次

[01:28:52.200 -> 01:28:55.560] 我們儘量來回答你

[01:28:56.640 -> 01:28:59.680] 回答大家的疑問跟解決

[01:28:59.680 -> 01:29:11.520] 看能不能給大家一些方向來解決大家的問題

[01:29:13.480 -> 01:29:13.500] 如果好

[01:29:15.400 -> 01:29:18.400] 因為時間也剛好到11點了那就今天可能就是到這邊為止

[01:29:19.600 -> 01:29:25.000] 那非常感謝那個Jason今天的那個非常有料的分享

[01:29:25.000 -> 01:29:27.000] 也感謝大家今天的參與

[01:29:27.000 -> 01:29:29.000] 那我們今天活動就到這邊結束

[01:29:29.000 -> 01:29:31.000] 謝謝大家 感謝