常见的指令错误

当我们得到 ChatGPT 的反馈结果不理想时，通常是因为我们使用指令的方法不正确。以下列举出常见的几种在使用指令过程中容易犯的错误：

1. 过于宽泛或模糊的指令

例如：“写一个关于任何事物的故事。”

这种类型的指令可能会导致各种各样的响应，这些响应可能与您想要的内容无关或不特定。

2. 过于具体的指令

例如：“写一个关于一个住在小镇的小男孩长大后想成为一名科学家的故事。”

这种指令类型会限制 ChatGPT 生成创意和有趣文本的能力。

3. 提供过多的上下文

例如：“2023 年，世界变得非常不同。气候变化导致海平面上升并淹没了许多沿海城市。写一个关于一个小男孩适应这个新世界的故事。”

这种类型的指令可能会压倒可信度，并且很难生成清晰简洁的文本。

4. 使用过于复杂或技术性的语言

例如：“利用启发式算法生成详细说明全球经济当前状况的报告。”

这种指令类型对于 GPT 模型来说可能难以理解，从而导致不准确或不相关的响应。

5. 问一个现有信息无法回答的问题

例如：“生命的意义是什么？”

这种类型的指令一开始很难尝试回答，因为它无法访问提供有意义的响应所需的信息。虽然它会生成这个问题的答案，但你会发现它非常通用。

指令优化技巧与示例

以下是一些对比示例，展示了如何将效果较差的指令优化为更有效的指令。

1. 使用分隔符

将下面的文本总结为最重要点的要点列表。
{此处输入文字}
                    

将下面的文本总结为最重要点的要点列表。
文本：”””{此处输入文字}”””
                    

2. 尽可能具体、描述和详细

写一首关于 OpenAI 的诗。
                    

以{著名诗人}的风格写一首关于 OpenAI 的鼓舞人心的短诗，重点关注最近推出的 DALL-E 产品。
                    

3. 通过示例阐明所需的输出格式

提取下面文本中提到的实体。
提取以下 4 种实体类型：公司名称、人名、特定主题和主题。
文本：{文本}
                    

从下面相应的文本中提取关键词。
文本 1：Stripe 提供 API，Web 开发人员可以使用这些 API 将支付处理集成到他们的网站和移动应用程序中。
关键词 1：Stripe、支付处理、API、Web 开发人员、网站、移动应用程序
文本2：OpenAI 训练了非常擅长理解和生成文本的尖端语言模型。 我们的 API 提供对这些模型的访问，并且可用于解决几乎任何涉及处理语言的任务。
关键词2：OpenAI、语言模型、文本处理、API。
文本 3：{文本}
关键词3：
                    

4. 减少不精确的描述

该产品的描述应该相当简短，只有几句话，而不是太多。
                    

使用 3 到 5 句话的段落来描述该产品。
                    

5.与其只说不该做什么，不如说该做什么

以下是代理与客户之间的对话。 不要询问用户名或密码。 不要重复。
客户：我无法登录我的帐户。
代理人：
                    

以下是代理与客户之间的对话。 代理将尝试诊断问题并提出解决方案，同时避免询问任何与 PII 相关的问题。
不要询问 PII（例如用户名或密码），而是让用户参阅帮助文章 www.samplewebsite.com/help/faq
客户：我无法登录我的帐户。
代理人：