如何从ChatGPT中获得最佳聊天对话效果

从了解ChatGPT工作原理开始,然后从互动中学习,这是一位AI研究员的建议。

人们利用ChatGPT来撰写文章、论文、生成文案和计算机代码,或者仅仅作为学习或研究工具。然而,大多数人不了解它的工作原理或它能做什么,所以他们要么对结果不满意,要么无法充分发挥它的功能。

永远不要责怪用户

不幸的是,ChatGPT的搜索框界面容易误导大家,导致用户认为输入一个简单的问题就应该会得到一个全面的结果,但实际上并非如此。

与搜索引擎不同,搜索引擎具有静态和存储的结果,但ChatGPT从未复制、检索或查找过任何地方的信息。相反,它生成了全新的内容。你向它发送一个提示,基于其对大量文本的机器学习训练,它会创建出一个原创的答案。

最重要的是,在对话过程中,每个聊天都保留了上下文,这意味着在对话过程中提出的问题和给出的答案会影响后面所产生的回答。因此,答案是可塑的,用户需要参与迭代过程,将其塑造成有用的信息。所以要了解如何与ChatGPT进行有成效的会话。

知识的维度

可以从一个引人入胜的话题中想到一个特定的维度或空间开始。

以巧克力为例,你可以要求它编写关于赫奇之吻的悲伤爱情故事。AI接受过有关吻的素材训练,知道如何在各种故事的空间穿梭取材,因此它会自信地带你进入赫奇之吻的故事空间,呈现出所需的故事。

你也可以要求它解释巧克力有益健康的五个理由,并以专业科普博士的风格回答。你的请求将通过不同的知识空间引导AI,进而得到一种特定风格的故事。

"你应该始终批判性地评估它提供的特定信息,并将其输出视为探索和建议而非确凿事实。其内容需要你进行进一步核实、分析和筛选。"

为了充分发挥ChatGPT的潜力,你可以学会如何带它跨越多个知识领域。通过引导它穿越这些领域,ChatGPT将了解你兴趣的范围和角度,并调整其回应以提供更好的答案。

例如,考虑这个提示:"你能给我一些建议让我更健康吗。"在这个查询中,ChatGPT不知道"你"是谁,也不知道"我"是谁,也不知道你的"更健康"是什么意思。

相反,试试这个:"假装你是医生、营养师和私人教练。为一个56岁的男人制定一个两周的饮食和锻炼计划,以增加心脏健康。"这样, 就为 提供了一个更具体的 生成 计划,横跨医学、营养和 心理学 领域。

如果你希望得到更为准确的回复,那么你可以激活更多的维度。例如,在其中添加:"我想减肥增肌,每天锻炼20分钟,我不能做引体向上,我讨厌豆腐。"ChatGPT将会根据你激活的所有维度提供输出。每个维度可以一起或者补充式地发送给它。

聚焦并明确你的需求

通过添加提示的维度可以得到ChatGPT更明确的答案。以下是一个例子:"假设你是癌症、营养和行为改变的专家。请提出在农村社区8种降低癌症发病率的行为干预措施。" ChatGPT会按部就班地提出8个干预措施。

假设其中三个想法看起来最有合适。你可以跟进提示以获得更多的详细信息,并将其放入可用于公开发表的格式:"将4、6和7的内容合并,创建4个新的可能性,设定各个小标题,并概述细节。"

现在假设第二个干预方案看起来很很不错。你可以接着提示ChatGPT使其更加完善:"就措施二提出6条的批评,然后重新编写相关措施以应对这些批评。"

如果想突出你认为特别重要的维度,ChatGPT会表现得更好。例如,如果你最关心农村癌症发病率场景中的应对措施,你可以通过将相关提示置前来实现这一目标:"将应对措施分为6个类别。在每个类别中,描述三种具体方法,并给出该类别中两位重要研究者的名字作为论据支撑。"这将更好地激活AI改变维度,并使ChatGPT在后续的探索中融入这些知识。

这些都是探索,而非答案

拒绝搜索引擎的提示,转而拥抱跨维度的使用技巧,你可以更好地了解ChatGPT的工作方式,更有效地导航到有价值的见解。

与ChatGPT的互动不应该像简单或无目的提问和回答过程那样,而应该像一次交互式对话,逐步为聊天机器人建立个人专属知识库。你提供给它的兴趣信息越多,它在回答中的反馈越多,它的答案和建议就越好。

然而,使用提供信息很重要,要适当使用。ChatGPT所提供的事实、细节和引用并非来自经过验证的来源,而是基于其对大量的数据训练。ChatGPT产生医学诊断的方法与撰写哈利·波特故事的方法相同,也就是说它有点即兴的意味。

所以你应该始终批判性地评估它提供的具体信息,并将其输出视为探索和建议而非确凿事实。

作者James Intriligator,教授

参考资料

https://now.tufts.edu/2023/07/21/how-get-best-results-chatgpt

https://www.94c.cc/info/tips-for-optimal-use-of-chatgpt.html

相关推荐
CV实验室21 小时前
TIP 2025 | 哈工大&哈佛等提出 TripleMixer:攻克雨雪雾干扰的3D点云去噪网络!
人工智能·计算机视觉·3d·论文
余俊晖1 天前
一套针对金融领域多模态问答的自适应多层级RAG框架-VeritasFi
人工智能·金融·rag
码农阿树1 天前
视频解析转换耗时—OpenCV优化摸索路
人工智能·opencv·音视频
伏小白白白1 天前
【论文精度-2】求解车辆路径问题的神经组合优化算法:综合展望(Yubin Xiao,2025)
人工智能·算法·机器学习
应用市场1 天前
OpenCV编程入门:从零开始的计算机视觉之旅
人工智能·opencv·计算机视觉
星域智链1 天前
宠物智能用品:当毛孩子遇上 AI,是便利还是过度?
人工智能·科技·学习·宠物
taxunjishu1 天前
DeviceNet 转 MODBUS TCP罗克韦尔 ControlLogix PLC 与上位机在汽车零部件涂装生产线漆膜厚度精准控制的通讯配置案例
人工智能·区块链·工业物联网·工业自动化·总线协议
说私域1 天前
基于多模态AI技术的传统行业智能化升级路径研究——以开源AI大模型、AI智能名片与S2B2C商城小程序为例
人工智能·小程序·开源
囚生CY1 天前
【速写】优化的深度与广度(Adam & Moun)
人工智能·python·算法
hqyjzsb1 天前
2025年市场岗位能力重构与跨领域转型路径分析
c语言·人工智能·信息可视化·重构·媒体·改行学it·caie