我們人類和ChatGPT的對話技巧也是需要學習的，有鑑於此，我想要一天分享一點「和ChatGPT對話的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
回顧 AI說書 - Prompt Engineering - 88 | Prompt Contextualization 施行 及 AI說書 - Prompt Engineering - 89 | Prompt Contextualization 施行，讓我們深入研究逐步的實施過程，並整合我們先前討論的框架：
- 明確定義目標
首先了解您的最終目標，您希望透過您的查詢實現什麼目標？您是在尋求一般性的了解，還是需要詳細、細緻的資訊？
框架應用：使用 "5Ws" 來概述您的目標，這有助於縮小資訊範圍，以下舉例：
- Who：海洋生物學家
- What：全球暖化的影響
- When：過去十年
- Where：在太平洋
- Why：為海洋保育研究計畫提供信息
- 精心設計初步查詢
即使您不確定完整的上下文，也可以從基本查詢開始，讓事情順利進行，它將作為您進一步完善的基礎
- 帶有上下文提示的層
在您的提示中加入特定的上下文指標，這些作為引導標記，幫助 AI 聚焦於相關信息。
框架應用：如果適用，使用 PESTLE 分析 (政治、經濟、社會、技術、法律、環境) 為您的查詢提供更廣泛的環境背景，這對於研究型或多方面的問題特別有幫助，以下舉例：
- “考慮到經濟和環境事實，過去十年全球暖化對太平洋漁業有何影響？”
- 審查與完善
根據人工智慧對您的情境提示的回應，評估資訊的相關性和準確性，如果它與您的期望不符，請找出提示中可能導致歧義的區域並進行調整
- 迭代和互動
上下文提示是一個互動過程，您互動和完善的次數越多，您就越接近所需的輸出，如有必要，請毫不猶豫地將複雜的問題分解為多個上下文提示。
框架應用：對於更複雜的問題，請使用關鍵事件技術，這涉及指定最重要的場景或事件，透過引用特定事件或時間範圍，您可以為 AI 模型提供更清晰的上下文，以下舉例：
- 鑑於 2021 年太平洋珊瑚白化事件，全球暖化在過去十年中如何加劇了此類事件
- 持續回饋循環
記得保持回饋循環，尤其是在專業或研究環境中，您從一個查詢中收集的資訊可以為後續問題提供資訊並加以完善，從而逐漸提高答案的重點和準確性
實施 Prompt Contextualization 需要將明確的目標設定、框架的策略使用和迭代細化結合在一起，這是一個動態的過程，使用者和人工智慧都會學習和適應，從而產生上下文豐富、相關且精確的協調資訊流，透過遵循本指南並利用適當的框架，使用者可以提高人工智慧互動的功效和效率