如何与GPT对话 -- 开智学堂课程 GPT101 ch03 卡片摘要

[Yulianxia]

von 28:40

理解高阶意图能力

[Yulianxia]

von 26：26

第一小节 GPT对话能力原理解析

• 多轮对话能力

  • 原理：上下文编码和自注意力机制。
  • 特点：一次对话输入token越多，丢失对话的概率越大。
  • 建议拆成多轮对话，不要一次输入太多条件

• 理解高阶意图的能力

  • 1-9阶意向性，伟大的作家高阶意图大约都在7-9之间
  • 人类的幽默感、审美品位是需要很高阶的认知能力，目前GPT做的还不够好。

• 任意转化不同语言的能力

  • ①人类语言之间的相互转化。②机器语言之间的相互转化。③人类语言和机器语言之间的相互转化。
  • ①对人类语言的习得，主要是通过高位向量空间，再经过机器翻译的微调精修过程。
  • ②对机器语言的能力习得，通过github学习开源仓库习得
  • GPT最擅长的人类语言是九种。英语，西班牙语，法语，德语，简体中文，繁体中文，日语，俄语，意大利语
  • 其他不擅长的语言，准确率在70%~80之间。

• 机器语言，GPT最熟悉的机器语言是Python、Java、C＋＋、JS，其他语言也能胜任，准确度没有前四种高

[Yulianxia]

第二小节 GPT在不同场景下的应用

• 化身万千的小伙伴。
  • 一个从不指责你的老师。
  • 一个理解你情绪的心理咨询师。
  • 一个精通考试的辅导员。
  • 一个给你人生建议的导师。
  • 一个善于编程的程序员。

举例 七岁的我曾经写下以下的日记 ⎨日记内容⎬大括号。

[Yulianxia]

第三小节 如何更好的与GPT对话

1. 意向清晰

• 按照心理状态语的方法来写对话

句式	举例
主＋谓＋宾	这只猫是红色。
主＋谓＋宾（主＋谓＋宾）	我认为这只猫是红色。
主＋谓＋宾（主＋谓＋宾＋时间补语＜过去，现在，未来＞）	我之前认为这只猫是红色，我现在认为这只猫是绿色。

使用上述心理状态与的表述给Gpt， 它的理解和反馈是最准确的。养成如此和gpt对话的习惯，gpt对话的舒适区在此。

不要问gpt多视角的问题

不要问转发视角的文体

目前gpt只会人称切换，比如奖这篇文章的第三人称改写成第二人称

gpt目前无法像写小说一样多视角，但是也有办法。

方法：请GPT以”小龙女、杨过”的视角撰写心理感受，而不是直接问GPT问题。此时GPT写出来的东西改动一下就能用了

2. 上下文清晰

主语

• 主语：和GPT对话，主语非常重要。每句话主语要清晰，尽量保持主语一致。换主语越多出错概率越大。

  示范数据

  • GPT具备庞大的模式识别能力。给GPT提供几段示范的文字，让他总结中间的模式，他会总结的非常好。

    情境模型：空间、时间、因果、主角、意向

• 我们阅读时，凭大脑能记住的东西，称之为“情景模型”
• 在长时记忆中，我们能记住的是情景模型，对于专业术语、概念的记忆能力很差
• GPT和人类大脑相似，最容易记住的是情景模型。包括：时间、空间、因果、主角、意向
  • 空间：具体信息，如城市名称，详细描述。例：我在北京在一个绿化不错的中产阶级小区给大家讲课。写的越具体，GPT能从向量矩阵中聚集的符号越多。相应的信息也就越详细。
  • 时间：尽量描述具体时间。目前预测未来的能力被人工限制了，预测未来的表现很差。换一种提问方式“根据过去的数据推测，你觉得未来的大概率会是怎么样。”
  • 因果：因为……所以，逻辑要清晰，步骤要123. 先呈现已知信息，再呈现未知信息。先原因，后结果。不要多个因果关系互相嵌套。
  • 主角：是谁；21世界，AI也是主角。
  • 意向：见高阶意图

3. 逐层递进

• 通过清晰的连词来引导下一层对话。
• 详述 ：”请给我举个例子，例如比如“。帮助判断gpt是否理解提问意图。
• 增强：”但是、不过、而且……“
• 延伸：让gpt穷举，举出更多例子。让它不停”继续“。
• 投射：对gpt说：”请重复我这句话；请引用我这句话“，用于判断gpt是否准确理解提问。

4. 有礼有节

它是一面镜子，反映的是你自己的情绪、自我、意识、心智成熟程度。

GPT目前不理解任何人类的东西，它对这些嗯东西得理解定义角度和人类不同。他就是一个有几千亿个符号组合在一起的庞大的高维的向量空间。这个向量空间特殊的是它保存了每一个符号和另一个符号的向量特征值

[Yulianxia]

第四节 聪明的提问模版

von 01:01:36

一 通用对话指令

聪明提问	举例
提示词的提示词 （元）	你是世界上最好的提示词生成器。
思维链提示法	让我们一步一步的思考。
你确定你的答案是对的吗？（反）	你确定你的答案是对的吗？
还有吗？（空）	还有吗？

1 提示词的提示词。提示语：为XXX生成提示词/ prompts

• 举例 ：你是世界上最好的提示词生成器，你会不断优化自己的提示词。你会匹配到最合适的提示词，如果用户输入一段文字”为营销部门生成提示词“，你就返回一些符合上述要求的提示词。

  2 思维链。 提示语：让我们一步一步思考。Let's think step by step。

  3 你确定你的答案是对的吗？

  4 还有吗 ？还有其他答案吗？

  可以穷举，也可以反向验证答案唯一性，尤其设计数学题、编程题、推理题。这一步可以节省大量时间。

二 与多轮对话能力相关的指令。与理解高阶意图相关的指令

von 01:10:29

1. 限定关键词

   • 提示语：请从维基百科中，请以芒格为例，等等
   • 优点：GPT语料库高质量信息来源：维基百科、图书、论文。
   • 举例：
     • 将以下文字提到的所有图书从维基百科，谷歌图书、goodreads、亚马逊图书中，找到
     • 更完整的书目信息，并按照上述事例输出为清单。请注意，仅限正式出版的书籍。并且保证
     • 自己回答是对的，如果你不知道，请你直接回答不知道。

2. 人类反馈

   • 提示语：你的回答是错误的；你的回答中XXX是错的，等等。
   • 背景：对GPT期待不要太高，直接指出它的错误，它的修正能力很快
   • 举例：

3. 通俗简洁

   • 提示语：请提供小学生能理解的语言
   • 背景：让GPT把数学系教授看的符号，转化为小学生能看懂的符号
   • 举例：请问什么是selfattention自注意力机制，请提供小学生能理解的语言

4. 角色扮演

   • 提示语：你是……
   • 举例：你是一位总是以苏格拉底风格回应问题的导师，你从不给学生直接的答案，你尝试提出正确的问题，以帮助学生独立思考。并且逐步掌握知识，应该是始终根据学生的兴趣和知识调整问题，将问题分解成适合学生水平的程度。你准备好回答问题了吗？

三 与理解高阶意图相关的指令

1. 真实意图：问GPT对方在想什么？

   • 提示语：对方在想什么？
   • 背景：GPT有非常强悍的推理能力。人类推测意图是非常消耗大脑能量的，所以往往只能达到三四阶。而GPT已经达到三四阶，在它基础上稍微改一下，就能达到五六阶
   • 举例：当一个女生对她男朋友说她来月经了，请问这位女生期望得到男朋友怎样的回应？

2. 情绪识别

   • 提示语：体现了什么样的情绪？
   • 背景：GPT 的情绪识别能力非常强悍。把一个人一段话发给GPT来判断，可以判断的非常准确。
   • 举例：以下这段话体现作者什么样的情绪？

3. 重要他人

   • 提示语：判断在意的人有哪些？丨 以下这段话中，作者在意的人有哪些？
   • 举例： https://42share.io/gpt/Rv85LL4

4. 行为模式

   • 提示语：判断大五人格中的神经质，等等
   • 举例 https://42share.io/gpt/Qgf2zeN)

四 与任意转换语言相关的指令

聪明提问	举例
人类语言之间的相互转换	翻译为中文。
机器语言之间的相互转换	将Markdown转换为JSON
人类语言转换为机器语言	写一个正则表达式。
机器语言转换为人类语言	解读这段代码。

1. 人类语言之间的相互转换。

   • 背景：截止2021年9月，chat BT支持的语言大约有100种左右。包括世界上主要的语言。如英语，汉语，西班牙语，法语，德语，俄罗斯语，阿拉伯语等等。需要注意的是我的翻译能力可能因语言不同而有所差异。对于一些常用语言如英语与其他主要语言之间的翻译表现较好。对于一些不常见的语言翻译质量可能会有所下降。
   • 提示语：请翻译为中文，文言文，梵语……
   • 举例：请用十种世界上主流的语言说我爱你。

2. 机器语言之间的相互转换 比如不同代码语言间的转换，不同格式语言间的转换

   • 提示语：请将这个markdown格式转为json格式。

3. 人类语言转换为机器语言 （不懂）von 1:25：51

   • 提示语：你能用 表格 /markdown /编程语言 /latex /正则表达式...
   • 举例：
   • 你好，我想要的一个正则表达式能够匹配到以下句子中的目标。
   • 句子：根据计算机科学家奥利佛 塞弗里奇oliver selfridge的万鬼争宠模型
   • 目标：（oliver selfridge）
   • 句子：亨利罗 迪格让学生阅读了一段文字，然后把学生分为三组
   • 目标：（henry L Roediger）

4. 机器语言转化为人类语言

   • 提示语：请帮我解读一下这段Python代码
   • 举例：
   • 请帮我解读一下这段Python代码：
   • Import math
   • amplitude =30
   • frequency=2
   • num_points=50
   • for i in range(num_points):
   • y=int(round(amplitudemath.sin(2math.pifrequencyi/num_points)))
   • print(''(amplitude+y)+'')

[Yulianxia]

• 儿童提高心理理论的方法

方法	举例
认知	概念训练（欲望、信念与意图），连贯性
语言	心理状态；多视角与转换视角，句子补语（空间动词空间关系，空间形状，空间位移等），时间动词，其他...，故事（奇怪故事，黑暗故事）
运动	假装游戏，躲猫猫，照镜子，老鹰捉小鸡
社交情绪	互动方式（15~30分钟效果更佳），模仿其他人的行为，过家家（不是一个人玩儿）

[Yulianxia]

反常识

• GPT不拥有知识，只拥有大量符号组合的1000维的向量矩阵，并且携带了几千亿符号的向量特征值
• 高效使用GPT，其实是 判断哪些符号更容易大概率组合在一起，呈现为人类的知识。 人类的符号和符号组合在一起，能变成图书、产品，和别人沟通等
• 提高 /gPt的搜索向量矩阵，生成特别想要的,那一组比较准确的符号的/ 概率。 搜索向量矩阵，形成想要的准确的符号，因此提高（搜索到准确符号的）概率。

[Yulianxia]

名词

1. 向量矩阵（Vector Matrix）：是指由一列或多列向量组成的矩阵。向量矩阵可以用于表示线性变换、解方程组等问题。在机器学习和深度学习中，向量矩阵常被用来表示输入数据、权重参数和梯度等。

2. 向量特征值（Vector Eigenvalue）：是指矩阵对应的特征向量在进行线性变换时的伸缩比例。具体来说，矩阵中的每个特征向量在经过变换后会被拉伸或缩小成一个标量倍数，这个标量就是特征值。向量特征值在许多数学和物理问题中都有广泛的应用，例如在量子力学中描述粒子的运动状态时就需要用到向量特征值。

3. Token：在计算机科学和自然语言处理领域中，Token指的是一段文本中的最小单位，例如单词、数字、标点符号等。Tokenization是指将一段文本分解为Token的过程，是自然语言处理的一个基本操作。Tokenization可以用于文本的分词、命名实体识别、句子切分等任务。

4. API（Application Programming Interface）：是指应用程序编程接口，是软件系统中不同组件之间进行通信和交互的约定和规范。API定义了组件之间的接口和调用方法，使得不同组件可以独立开发和部署，并且可以相互配合工作。API在许多软件开发领域中都有广泛应用，例如Web开发中的RESTful API、操作系统中的系统调用API等。

5. 正则表达式：

[Yulianxia]

答疑

1、刷新一下提问，可能会丢失上下文。

2、自己具体工作相关，提30-100个问题。比如，程序员，提写代码相关问题，提高自己写代码的效率。

3、了解一个领域比较多的术语能获得更好的回答，相当于拥有的背景信息越好，你更容易获得更多的回答。

4、大语言模型会让不少传统NLP从业者下岗。

5、不一定要去和工程师竞争，可以成为大模型应用专家、科普专家。

6、GPT本身不太擅长解读论文。

7、普通人最合适的是用GPT改善你的生产力工具。

8、不用着急构建自己领域的语料库，等待开智的通用技术产品。

9、GPT非常有利于写作水平提升。