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。
實施 N-Shot Prompting 是藝術與科學的平衡，這不僅是例子的數量，還包括它們的品質、相關性和結構。
- 決定 Shot 數量
- 任務複雜性和模型能力：假設您正在嘗試教導模型區分蘋果和橘子，簡單的 1-Shot 可能就足夠了：「蘋果是一種紅色或綠色的水果，通常與遠離醫生聯繫在一起」，但如果您要區分不同的蘋果品種 (Fuji、Honeycrisp、Gala)，您可能需要採用 3-Shot 或 5-Shot 方法來說明每個品種
- 探索性方法：從 1-Shot 開始，如果模型將 Fuji 與 Gala 混淆，請添加更多範例以澄清差異
- 利用示範
- 示範學習：如果教導國際象棋，不要說：“騎士以 L 形移動”，而要展示：“騎士從 e2 移動到 g3”，演示可以提供明確的澄清
- 與傳統方法相比的優點：透過模型展示騎士在不同情況下的移動方式，不僅僅從簡單的陳述來理解 L 形移動模式
- 有效的提示製作
- 清晰的標籤定義：如果區分歌曲的情緒，請清楚地標籤：“精力充沛：‘老虎之眼’”，而不僅僅是“精力充沛：‘節奏快的歌曲’”
- 平衡輸入分配：假設您正在對麵食類型進行分類，如果您只給出意大利麵條和扁麵條的示例，而忽略通心麵或螺絲麵，則模型在呈現後一種類型時可能會遇到困難，因此，提供一個平衡的組合：“意大利麵條，細長的麵條；通心麵，管狀；螺絲麵，螺旋”
- 保持一致性：對於翻譯各種語言的問候語的任務，一致使用：“Hello // Hola, Hello // Bonjour”，以指導模型的理解
- 先進的提示技巧
- 使用隨機標籤：如果教導情感，您可能會錯誤地標記以測試穩健性：「日落令人驚嘆 // 悲傷」，令人驚訝的是，該模型可能仍然認為該聲明更符合正面情緒
- 明智的標籤選擇：如果對雜誌中的文章進行分類，其中 70% 有關時尚，20% 有關旅行，10% 有關科技，則在提供培訓隨機標籤時，請反映此分佈，這樣，當一篇關於「最新時裝秀趨勢」的新文章出現時，模特兒會傾向於時尚品牌，反映現實世界的分佈
