本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
GPT-4官方使用指南炸裂登场啦！
你没听错，这次不需要自己做笔记了，OpenAI亲自帮你整理了一份。
据说汇聚了大伙儿6个月的使用经验，你、我、他的提示诀窍都融汇其中。
虽然总结下来只有六大策略，但该有的细节可绝不含糊。
不仅普通GPT-4用户可以在这份秘籍中get提示技巧，或许应用开发者也可以找到些许灵感。
网友们纷纷评论，给出了自己的“读后感”：
好有意思啊！总结来说，这些技巧的核心思想主要有两点。一是我们得写得更具体一些，给一些细节的提示。其次，对于那些复杂的任务，我们可以把它们拆分成一些小的提示来完成。
OpenAI表示，这份攻略目前仅针对GPT-4。（当然，你也可以在其它GPT模型上试试？）
赶紧瞧瞧，这份秘籍里究竟都有啥好东西。
6大干货技巧全在这
策略一：写清楚指令
要知道，模型可不会“读心术”，所以你得把你的要求明明白白地写出来。
当模型输出变得太啰嗦时，你可以要求它回答简洁明了。相反地，如果输出太过简单，你可以毫不客气地要求它用专业水平来写。
如果你对GPT输出的格式不满意，那就先给它展示你期望的格式，并要求它以同样的方式输出。
总之，尽量别让GPT模型自己去猜你的意图，这样你得到的结果就更可能符合你的预期了。
实用技巧：
1、有细节才能得到更相关的答案
为了使输出和输入具有强相关性，一切重要的细节信息，都可以喂给模型。
比如你想让GPT-4：总结会议记录
就可以尽可能在表述中增加细节：
将会议记录总结成一段文字。然后编写一个Markdown列表，列出与会人员及其主要观点。最后，如果与会人员有关于下一步行动的建议，请列出来。
2、要求模型扮演特定角色
通过改变系统消息（system message），GPT-4会更容易扮演特定的角色，比在对话中提出要求的重视程度更高。
如规定它要回复一个文件，这份文件中的每个段落都要有好玩的评论：
3、用分隔符清晰标示输入的不同部分
用”””三重引号”””、<XML标记>、节标题等分隔符标记出文本的不同部分，可以更便于模型进行不同的处理。在复杂的任务中，这种标记细节就显得格外重要。
4、明确指定完成任务所需的步骤
有些任务按步骤进行效果更佳。因此，最好明确指定一系列步骤，这样模型就能更轻松地遵循这些步骤，并输出理想结果。比如在系统消息中设定按怎样的步骤进行回答。
5、提供示例
如果你想让模型输出按照一种不是能够很好描述出来的特定样式，那你就可以提供示例。如提供示例后，只需要告诉它“教我耐心”，它就会按照示例的风格，将其描述得生动形象。
6、指定所需输出长度
你还可以要求模型具体生成多少个单词、句子、段落、项目符号等。但是，在要求模型生成特定数量的单词/字的时候，它有可能不会那么精准。
策略二：提供参考文本
当涉及到深奥的话题、引用和URL等内容时，GPT模型可能会一本正经地胡说八道。
为GPT-4提供可以参考的文本，能够减少虚构性回答的出现，使回答的内容更加可靠。
实用技巧：
1、让模型参照参考资料进行回答
如果我们能够向模型提供一些和问题有关的可信信息，就可以指示它用提供的信息来组织回答。
2、让模型引用参考资料进行回答
如果在上面的对话输入中已经补充了相关信息，那么我们还可以直接要求模型在回答中引用所提供的信息。
这里要注意的是，可以通过编程，对让模型对输出中引用的部分进行验证注释。
策略三：拆分复杂任务
相比之下，GPT-4在应对复杂任务时出错率更高。
然而，我们可以采取一种巧妙的策略，将这些复杂任务重新拆解成一系列简单任务的工作流程。
这样一来，前面任务的输出就可以被用于构建后续任务的输入。
就像在软件工程中将一个复杂系统分解为一组模块化组件一样，将任务分解成多个模块，也可以让模型的表现更好。
实用技巧：
1、进行意图分类
对于需要处理不同情况的大量具有独立性的任务，可以先对这些任务进行分类。
然后，根据分类来确定所需的指令。
比如，对于客户服务应用程序，可以进行查询分类（计费、技术支持、账户管理、一般查询等）。
当用户提出：
我需要让我的互联网重新恢复正常。
根据用户查询的分类，可以锁定用户的具体诉求了，就可以向GPT-4提供一组更具体的指令，来进行下一步操作。
例如，假设用户需要在“故障排除”方面寻求帮助。
就可以设定下一步的方案：
要求用户检查路由器的所有电缆是否已连接……
2、对先前对话进行概括或筛选
由于GPT-4的对话窗口是有限制的，上下文不能太长，不能在一个对话窗口中无限进行下去。
但也不是没有解决办法。
方法之一是对先前的对话进行概括。一旦输入的文本长度达到预定的阈值，就可以触发一个查询，概括对话的一部分，被概括出来的这部分内容可以变成系统消息的一部分。
此外，可以在对话过程中就在后台对前面的对话进行概括。
另一种方法是检索先前的对话，使用基于嵌入的搜索实现高效的知识检索。
3、逐段概括长文档，并递归构建完整概述
还是文本过长的问题。
比如你要让GPT-4概括一本书，就可以使用一系列查询来概括这本书的每个部分。
然后将部分概述连接起来进行总结，汇成一个总的答案。
这个过程可以递归进行，直到整本书被概括。
但是有些部分可能要借前面部分的信息才能理解后续部分，这里有一个技巧：
在概括当前内容时，将文本中当前内容之前的内容概述一起总结进来，进行概括。
简单来说，用前面部分的“摘要”+当前部分，然后进行概括。
OpenAI之前还使用基于GPT-3训练的模型，对概括书籍的效果进行了研究。
策略四：给GPT时间“思考”
如果让你计算17乘28，你可能不会立刻知道答案，但是可以通过一些时间计算出来。
同样的道理，当GPT-4接收到问题时，它并不会花时间仔细思考，而是试图立刻给出答案，这样就可能导致推理出错。
因此，在让模型给出答案前，可以先要求它进行一系列的推理过程，帮助它通过推理来得出正确的答案。
实用技巧：
1、让模型制定解决方案
你可能有时候会发现，当我们明确指示模型在得出结论之前从基本原理出发进行推理时，我们可以获得更好的结果。
比如说，假设我们希望模型评估学生解答数学问题的方案。
最直接的方法是简单地询问模型学生的解答是否正确。
在上图中，GPT-4认为学生的方案是正确的。
但实际上学生的方案是错误的。
这时候就可以通过提示模型生成自己的解决方案，来让模型成功注意到这一点。
在生成了自己的解决方案，进行一遍推理过后，模型意识到之前学生的解决方案不正确。
2、隐藏推理过程
上面讲到了让模型进行推理，给出解决方案。
但在某些应用中，模型得出最终答案的推理过程不适合与用户共享。
比如，在作业辅导中，我们还是希望鼓励学生制定自己的解题方案，然后得出正确答案。但模型对学生解决方案的推理过程可能会向学生揭示答案。
这时候我们就需要模型进行“内心独白”策略，让模型将输出中要对用户隐藏的部分放入结构化格式中。
然后，在向用户呈现输出之前，对输出进行解析，并且仅使部分输出可见。
就像下面这个示例：
先让模型制定自己的解决方案（因为学生的有可能是错的），然后与学生的解决方案进行对比。
如果学生的答案中哪一步出错了，那就让模型针对这一步给出一点提示，而不是直接给学生完整的正确的解决方案。
如果学生还是错了，那就再进行上一步的提示。
还可以使用“查询”策略，其中除了最后一步的查询以外，所有查询的输出都对用户隐藏。
首先，我们可以要求模型自行解决问题。由于这个初始查询不需要学生的解决方案，因此可以省略掉。这也提供了额外的优势，即模型的解决方案不会受到学生解决方案偏见的影响。
接下来，我们可以让模型使用所有可用信息来评估学生解决方案的正确性。
最后，我们可以让模型使用自己的分析来构建导师的角色。
你是一名数学导师。如果学生回答有误，请以不透露答案的方式向学生进行提示。如果学生答案无误，只需给他们一个鼓励性的评论。
3、询问模型是否遗漏了内容
假设我们正在让GPT-4列出一个与特定问题相关的源文件摘录，在列出每个摘录之后，模型需要确定是继续写入下一个摘录，还是停止。
如果源文件很大，模型往往会过早地停止，未能列出所有相关的摘录。
在这种情况下，通常可以让模型进行后续查询，找到它在之前的处理中遗漏的摘录。
换而言之，模型生成的文本有可能很长，一次性生成不完，那么就可以让它进行查验，把遗漏的内容再补上。
策略五：其它工具加持
GPT-4虽然强大，但并非万能。
我们可以借助其他工具来补充GPT-4的不足之处。
比如，结合文本检索系统，或者利用代码执行引擎。
在让GPT-4回答问题时，如果有一些任务可以由其他工具更可靠、更高效地完成，那么我们可以将这些任务交给它们来完成。这样既能发挥各自的优势，又能让GPT-4发挥最佳水平。
实用技巧：
1、使用基于嵌入的搜索实现高效的知识检索
这一技巧在上文中已经有所提及。
若在模型的输入中提供额外的外部信息，有助于模型生成更好的回答。
例如，如果用户询问关于一部特定电影的问题，将关于电影的信息（例如演员、导演等）添加到模型的输入中可能会很有用。
嵌入可用于实现高效的知识检索，可以在模型运行时动态地将相关信息添加到模型的输入中。
文本嵌入是一种可以衡量文本字符串相关性的向量。相似或相关的字符串将比不相关的字符串更紧密地结合在一起。加上快速向量搜索算法的存在，意味着可以使用嵌入来实现高效的知识检索。
特别的是，文本语料库可以分成多个部分，每个部分可以进行嵌入和存储。然后，给定一个查询，可以进行向量搜索以找到与查询最相关的语料库中的嵌入文本部分。
2、使用代码执行进行更准确的计算或调用外部API
不能仅依靠模型自身进行准确地计算。
如果需要，可以指示模型编写和运行代码，而不是进行自主计算。
可以指示模型将要运行的代码放入指定的格式中。在生成输出后，可以提取和运行代码。生成输出后，可以提取并运行代码。最后，如果需要，代码执行引擎（即Python解释器）的输出可以作为下一个输入。
代码执行的另一个很好的应用场景是调用外部API。
如果将API的正确使用方式传达给模型，它可以编写使用该API的代码。
可以通过向模型演示文档和/或代码示例来指导模型如何使用API。
在这里OpenAI提出了特别警告️：
执行模型生成的代码在本质上来说并不安全，任何试图执行此操作的应用程序中都应采取预防措施。特别是，需要一个沙盒代码执行环境来限制不受信任的代码可能造成的危害。
策略六：系统地测试更改
有时候很难确定一个改变是会让系统变得更好还是更差。
通过观察一些例子有可能会看出哪个更好，但是在样本数量较少的情况下，很难区分是真的得到了改进，还是只是随机运气。
也许这个“改变”能够提升某些输入的效果，但却会降低其它输入的效果。
而评估程序(evaluation procedures，or “evals”)对于优化系统设计来说非常有用。好的评估有以下几个特点：
1）代表现实世界的用法（或至少是多种用法）
2）包含许多测试用例，可以获得更大的统计功效（参见下表）
3）易于自动化或重复
对输出的评估可以是由计算机进行评估、人工评估，或者两者结合进行。计算机可以使用客观标准自动评估，也可以使用一些主观或模糊的标准，比如说用模型来评估模型。
OpenAI提供了一个开源软件框架——OpenAI Evals，提供了创建自动评估的工具。
当存在一系列质量同样高的输出时，基于模型的评估就会很有用。
实用技巧：
1、参考黄金标准答案评估模型输出
假设已知问题的正确答案应参考一组特定的已知事实。
然后，我们可以询问模型答案中包含多少必需的事实。
例如，使用下面这个系统消息，
给出必要的既定事实：
尼尔·阿姆斯特朗是第一个在月球上行走的人。
尼尔·阿姆斯特朗第一次登上月球的日期是1969年7月21日。
如果答案中包含既定给出的事实，模型会回答“是”。反之，模型会回答“否”，最后让模型统计有多少“是”的答案：
下面是包含两点既定事实的示例输入（既有事件，又有时间）：
仅满足一个既定事实的示例输入（没有时间）：
而下面这个示例输入，不包含任何一个既定事实：
这种基于模型的评估方法有许多可能的变化形式，需要跟踪候选答案与标准答案之间的重叠程度，并追踪候选答案是否与标准答案的有相矛盾的地方。
比如下面的这个示例输入，其中包含不合标准的答案，但与专家答案（标准答案）并不矛盾：
下面是这个示例输入，其答案与专家答案直接矛盾（认为尼尔·阿姆斯特朗是第二个在月球上行走的人）：
最后一个是带有正确答案的示例输入，该输入还提供了比必要内容更多的详细信息（时间精确到了02:56，并指出了这是人类历史上的一项不朽成就）：
传送门：https://github.com/openai/evals（OpenAI Evals）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
