2024-09-13|閱讀時間 ‧ 約 24 分鐘

AI說書 - Prompt Engineering - 90 | Prompt Contextualization 指南

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:

  1. 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


  1. 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


  1. 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?”


  1. 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


  1. 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


  1. 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

分享至
成為作者繼續創作的動力吧!
© 2024 vocus All rights reserved.