GPT Prompt分享及编写逻辑进阶之路

探索者 2023-08-09 07:52:45

我越来越觉得，在使用GPT时，应该把它当做一个“外置大脑”，而不是“百度百科”或者“知识库”。

在对话式AI出现后，提出一个好问题的重要性进一步增强了。有了好的问题，才能提高GPT的输出质量。

下面就分享下对我有帮助的prompt，希望能启发你的想法。

一、Prompt分享

Prompt 1：哲学三问

按照“我是谁”、“我从哪来”、“我到哪去”这种经典哲学思路让GPT来解释每一个问题。

prompt：

每当我问你一个知识点，你应该提出三个问题，并且尝试解答这三个问题。这三个问题应该按下面的思路去提问：

1．它从哪里来？这个问题意味着，一个知识的产生，并不是凭空而产生的，它必然是为了解决一个问题而诞生。

2．它是什么？这个问题意味着，一个知识点它本身是什么样的。它对于要解决的问题提出了什么方案。

3．它到哪里去？这个问题意味着，一个知识点本身针对问题的解决存在哪些缺陷？它有什么局限性？未来的发展方向如何？

明白的话，请回答“好的”。

例子：

你可以看到，当我想了解“句向量”这个概念时，使用上面prompt和不使用prompt直接问，有着明显的区别。

图1：不使用prompt

图2：使用prompt后的回答

启发：

这种问法能帮助我快速了解一件新事物的来龙去脉，同时，给出这条prompt也能避免我们进行单一、绝对化的思考。请记住：知识必然是为了解决问题而来，它必然带有自身的缺陷，就像历史课上常提到的“历史局限性”一样，“知识”或者说“手段”更准确些，也有着“手段局限性”。同时，解决一个问题的“手段”必然是在发展变动的。

这个prompt也提醒了我，不要犯把一件解决方法绝对化的问题，不能因为手上有锤子，就看什么都像钉子。

Prompt 2：麦肯锡100词快速了解行业法

按照GPT的定义：

麦肯锡的快速了解行业方法是一种通过使用100个关键词来迅速掌握一个行业的方法。这些关键词代表了该行业的核心概念、关键趋势和主要参与者。通过分析这些关键词，人们可以快速了解一个行业的基本情况，包括主要玩家、市场规模、发展动向和关键挑战等。这种方法适用于快速获得行业背景信息和进行初步的市场研究。使用这种方法时，你可以搜索麦肯锡的网站或相关行业报告来获取更多详细信息。

prompt：

每当我问你一个行业，请你按麦肯锡快速了解行业的方法对我进行解释。也就是说，你需要输出100个关键词来让我理解该行业的3大方面，即：

1.核心概念

2.关键趋势

3.主要参与者

请你将100个关键词填入这3大方面，并在输出时，对3大方面进行解读。

明白的话，请回复“好的”

例子：

当我想了解“支付”行业时，GPT会给出的回答。由于比较长，我截取了有代表性的两张图。

图1：使用prompt后的提问

图2：GPT输出的解读

这个方法的不好之处在于，看多了的话，“支付”这两个字就不太认得了。

Prompt3：信息获取

请支持我获取关于（话题）最新的发展动态和趋势的最新信息。有哪些可信赖的资源可以关注以获取信息？

启发：

这个就没有什么特别好说的了，类似于一条带要求的搜索需求。在查讯息时可用。

二、授人予鱼，不如？

那我是基于什么原则来编写prompt的呢？

简单来说，我从认知心理学那得到了启发，它是通过“类比计算机模型来研究心理模式”，而我是反过来，用心理模式做参考，倒推GPT的prompt。

比如，我们从网上得到了“麦肯锡研究法”这个概念，询问GPT得到进一步的信息。

那么我们就可以根据这些定义，提取关键词，用向人询问问题的方法，或者进一步说，用模拟这个人思考的方法，“要是他会怎么做？”来反向定义prompt。

比如根据上面的信息，我认为麦肯锡是会这么想，即输出了下面的prompt：

每当我问你一个问题，请你按麦肯锡研究法的步骤向我解释，它有四个步骤，所以你应当提出这四个问题，并尝试解答这四个问题。

问题是指：

1.定义问题。它意味着你必须清晰地表述这个我的问题是什么、会影响哪些方面。

2.收集信息。它意味着为了解决问题，你会去哪里收集信息，并要求你展示出收集到的信息。

3.分析信息。它意味着不同信息可能形成合力或者存在矛盾，你应为了解决问题，给出分析结论。 4.制定解决方案。这意味着对于这个问题的解法，同时，你应表达出它的成功概率及局限性。

明白的话，请回答“好的”。

你也可以自己对照我的 prompt和GPT的定义，找找异同。

你可能已经发现了，写prompt的关键，在于找到一个好的模式。那除了5W1H、PDSA模型之外，我们从哪里可以找到更多的模式呢？

从名人的那找：

我们可以很明白的了解到：名人有着自己认知世界的认知模型。找到你敬佩的名人，想想他会怎么拆解问题？

比如最近很火的让GPT扮演著名人物来和我们聊天就是一样的道理。“扮演著名人物”，其实就是在调用他们的认知模型。

图为讯飞星火，爱因斯坦，AI双师课堂

而GPT的认识模型，就是我们输入的prompt。

讲到这里，关于prompt写法的分享已经结束了，如果你还想了解我是怎么到这一步的，请继续看下去。

三、反着想，会怎么样呢？

我们往产品经理经常要关注的一个学科——心理学看去，它有一个重要流派——认知心理学，你可能不知道：认识心理学是受计算机科学启发才诞生的。

这个启发来自于诺贝尔奖获得者赫尔伯特·西蒙，他还有一个更响亮的头衔——“人工智能之父”。

相信你也不会奇怪，西蒙是一位跨学科研究者，他主要从事计算机科学与心理学结合方面的研究。

1956年，赫尔伯特·西蒙发布了一个计算机程序，叫“逻辑理论器”，它可以用数学计算的方式，完成一些逻辑命题的推演。虽然只是一些简单命题，这件事仍然让科学界大受震撼。因为在过去，逻辑推导属于哲学的范畴，是专属于人类的思维活动，现在计算机也能做到了。插一嘴，目前这个方法演进为了一种叫“句向量”的技术，它是GPT能生成自然语言的核心技术。

西蒙的“逻辑理论器”启发了哈佛大学心理学系的两位年轻教授，乔治·米勒和杰罗姆·布鲁纳，他们就开始琢磨：有没有可能，人的大脑本质上就是一台计算机呢？

以上知识来自李松蔚的心理学课程。

当时我听到就有一个激灵，如果我们反着想呢？

20世纪60年代，因为美国计算机的发展，从而启发了认知心理学的诞生，哈佛教授试着“用计算机模型来研究主观世界”。

现在，GPT出现，我们想要用好它，又非常依赖prompt。那能不能反过来，给GPT提供一个处理模式。帮助它，以不同的认知模型来解释世界。

发散一些，比如，让GPT扮演苏格拉底，通过“不断提问”这种prompt，来揭露问题本质。

我试着问了下“用户调研”这个问题，虽然还需要调整，但GPT或许能带给我们不一样的视角。你有什么想法，欢迎沟通交流~

图：询问用户调研后，“苏格拉底”的回答