【Prompt Engineering 提示工程基礎】Ep.4 讓AI有樣學樣的模仿範例提示法

2023/06/29閱讀時間約 5 分鐘

前一篇我們有提到「【Generative AI - Prompt篇】Ep.3 讓AI身歷其境的角色提示法」如何催眠AI成為專家，藉著該提示技巧讓AI可以針對該領域進行專業的回答，但…這還不夠，我們還希望AI可以更強大，可以根據我們設計的範本，進行相同規格的輸入與輸出。

我們在前面幾個篇章也玩過一些Prompt的小技巧了，過程中其實觀察到Chatgpt這類型的生成式AI非常的強大，在無任何知識背景的狀況下都能夠「盡量」的回答問題，這邊為什麼特別強調「盡量」？在「【Generative AI - Prompt篇】Ep.1 什麼是Prompt Engineering?」我們也有提到不明確的問題可能導致錯誤的答案，因此我們提問者最重要的就是想辦法讓問題更加清楚，除了問題更加清楚之外，不妨以身作則，給予更明確的問題與答案範本，讓模型更加符合需求的回應我們。

每一個輸入、輸出都被稱為是一個「範本」…, 這種方式也稱為少量樣本提示(few shot prompting)。

情境設計

我希望AI成為一個csv轉json的轉換魔法師，我們應該給它一個csv的輸入格式以及期望輸出的表格結果，讓AI理解我們所期望的，如此一來，以後只要丟入csv它就可以輕輕鬆鬆的幫我們轉換成json。

圖片來源

以身作則，給予明確範本

這邊我們搭配「」提到的催眠提示，並結合範本提示法來進行提問:

你現在是csv轉json的達人, 我給你以下的範例, 請試著學習:

男,0977131131,打球,射手座,27

{
    "性別": "男",
    "電話": "0977131131",
    "興趣": "打球",
    "星座": "射手座",
    "年齡": 27
}

以Chatgpt為例，會得到以下的回應:

好的，我了解了你想要将CSV格式转换为JSON格式的请求。以下是将你提供的示例转换为JSON的方法：
...
...

很好！看來已經理解我們的意圖了。

試著考驗一下模仿功力

基於上面的例子，我們明確給他一個輸入與輸出的範本，看起來也理解我們的意圖，為了保險起見我們可以再給一筆新的csv資料，來考驗一下Chatgpt(Generative AI)的模仿功力。

問:

女,0987131131,烹飪,雙子座,28

答:

根据你提供的新的CSV数据，我将再次将其转换为JSON格式：

CSV数据：女,0987131131,烹飪,雙子座,28

JSON结果：

{
    "性別": "女",
    "電話": "0987131131",
    "興趣": "烹飪",
    "星座": "雙子座",
    "年齡": 28
}

看起來如我們所預期的結果，接著再給他更多的資料試試看…。

步上正軌，讓其自由發揮

上面我們都只給一筆資料，看起來已經學習的有模有樣了，但我們還想要更多更聰明的助理，這時候我們試著給它多筆資料，試著讓AI發揮一下功力，看看能否如我們預期，將多筆資料轉換成標準的json格式。

問:

女,0987131131,烹飪,雙子座,28
男,0987131130,跑步,天蠍座,29

答:

根據你提供的新的CSV數據，我將再次將其轉換為JSON格式：

CSV數據：

女,0987131131,烹飪,雙子座,28
男,0987131130,跑步,天蠍座,29
JSON结果：

[
    {
        "性別": "女",
        "電話": "0987131131",
        "興趣": "烹飪",
        "星座": "雙子座",
        "年齡": 28
    },
    {
        "性別": "男",
        "電話": "0987131130",
        "興趣": "跑步",
        "星座": "天蠍座",
        "年齡": 29
    }
]

很棒耶！我們可以觀察到原本一筆資料的回應是以大括號的單層json進行展現，而多筆資料對於AI來說也不是問題，自動幫我們轉換成多數據陣列格式來進行回答，如我們所預期一般，接著我們就可以盡量的丟上「csv」格式的資料，讓它幫我們轉成標準的json，甚至依此類推轉成表格、xml…等其他格式也是可以的。

結語

雖然這種少量樣本提示(few shot prompting)可以很快的讓生成式AI(Generative AI)適當的模仿，成為我們想要的助理，但仍有一些缺陷，假設我們只給予輸入/輸出，但中間的過程並沒有給于推理的方向，這很容易造成推理錯誤，後續的章節我們會針對這個部份來進行說明與補強。

喜歡撰寫文章的你，不妨來了解一下：

Web3.0時代下為創作者、閱讀者打造的專屬共贏平台 - 為什麼要加入？

歡迎加入一起練習寫作，賺取知識！

為什麼會看到廣告

阿Han的沙龍阿Han的軟體技術棧 💡AI

阿Han的沙龍

113會員

255內容數

哈囉，我是阿Han，是一位 👩‍💻 軟體研發工程師，喜歡閱讀、學習、撰寫文章及教學，擅長以圖代文，化繁為簡，除了幫助自己釐清思路之外，也希望藉由圖解的方式幫助大家共同學習，甚至手把手帶您設計出高品質的軟體產品。

留言0

查看全部

發表第一個留言支持創作者！

阿Han的沙龍的其他內容

【資料科學微知識】什麼是倖存者偏差？

倖存者偏差（Survivorship bias）是一種認知偏差，指的是在觀察研究對象時，只關注了「倖存」或「成功」的部分，而忽略了已經「消失」或「失敗」的部分。這種偏差通常發生在樣本不完整或有遺漏的情況下，而且容易導致對結果做出誤導性的評估或推論。尤其AI的時代來臨，基石源自於數據，數據相當於燃

#AI #資料科學

【Prompt Engineering 提示工程】Ep.3 讓AI身歷其境的角色提示法

前面我們有介紹「【Generative AI — Prompt篇】Ep.1 什麼是Prompt Engineering?」相信對於下指令給AI應該已經具有基本知識，那麼這一次我們來介紹Prompt技巧中的其中一環「角色提示法」，這是什麼樣的一種魔法呢？很簡單，我們就是讓AI變身成專家，賦予特定領域

#ChatGPT #AI #Prompt

【Prompt Engineering 提示工程】Ep.2 踏入提示魔法師的旅程，基本原則與建議

前面我們有介紹「【Generative AI — Prompt篇】Ep.1 什麼是Prompt Engineering?」相信對於下指令給AI應該已經具有基本知識了吧，在進入Prompt Engineering之前有一些Guideline是我們需要知道的，就如同線上遊戲一般，我們會先進到新手村學習一

#ChatGPT #AI #Prompt