如今以chatgpt为首的各种语言大模型应运而出，已经逐渐应用到平时的工作和学习中，但就算是使用同一种大模型提问同一个问题也有不同的答案，如何更快更好的获取优质答案是应该关心和学习的重点。
本文在《成为提问工程师》书的基础上加以整理总结，书中给出了不少示例，本文只总结结论，更具实用性。
主要观点如图所示，将提问分为三个阶段，以及在提问过程中不断优化修改问题，迭代提问，获取最佳答案
● 正确的提问
● 进阶提问
● 高级提问
正确提问
全面地提供信息，准确地描述疑问，提出关于解答的请求。
● 详尽的背景信息：在与专家交流时，我们通常处于共同的背景中。为节省交流时间，我们一般只需要提供非常简洁的背景信息即可。但与机器交流时，我们应提供更多的上下文信息，机器也能够极快地阅读我们所给的信息。
● 具体的问题描述：我们应当提出非常具体的问题，不要假设GPT能够猜到我们的意思。高水平的专家在听了我们的疑问后，有时会复述问题："你的问题是不是这样......"但GPT不会这么做，如果我们的问题不够具体，它就不能给出令人满意的回答。
● 清晰的解答要求：机器不理解模糊的要求，因此我们提出的要求要清晰、明确。例如，我们的要求不应该是"给这篇文章写个摘要"，而应是"给这篇文章写个100字的摘要，用普通人可以读懂的方式写，以列表的形式呈现。"我们的要求越具体，得到的结果就越符合预期。
进阶地提问
在ChatGPT的网页版中，我们可以开启多个对话。如果我们有意识地让一个对话仅讨论一个主题，下次再遇到类似问题就继续到之前的对话下面接着问，会发现它的回答要好得多。
这个效果就相当于在与一个了解我们的顾问交流。这背后的逻辑也很简单，我们在这个对话中发起新的提问时，之前的问答将被作为上下文以某种方式提交给背后的模型，因此它的回复看起来就更懂我们了。实际上，应用开发者在进行GPT模型的开发时，需要考虑的一个要点就是如何将用户和模型已经完成的对话概括成摘要，作为用户提出新问题时的上下文，让模型能够始终保持对该话题的关注，从而更好地理解用户的新问题并给出回答。通常而言，记忆力更好的聊天机器人会显得更聪明。
进阶提问技巧：少样本提示
在提示语中列出数个"问题---答案"样例，让GPT能从样例中学习并按照示例回答问题。这种在提示语中提供一些示例的做法称为少样本提示，与之对应的是零样本提示(zero shot prompt)，即在提示语中没有任何示例。
大量研究和实践都证明，即便模型之前并不了解这项任务，通过对上下文中的少量样本进行学习，它也能学会并完成类似任务。少样本提示能够大幅度提高GPT回答的准确性。少样本提示是最为常用的技巧之一。在提示语中，我们可以提供一个或数个示例，从而让GPT的回答能够非常好地遵从示例。例如，我们请GPT给出10个不常见的表示颜色的词语，我们可以先给出数个例子："给出十个常见颜色词的替代词。比如天蓝色 -azure，紫色 -violet。"GPT的确能根据示例信息理解我们的需求，并给出符合要求的回答："白色 -ivory，红色 -crimson，绿色 -emerald......"。
进阶提问技巧：调整提示语
重复提问从各个角度调整提示语，包括但不限于更换词语或说法、优化表述、调整语句顺序等，让回答能够符合自己的期待。调整提示语重复提问。就一个问题向GPT提问时，我们不是问一次或两次，而是需要变换方式问几十次。按我们人类交流的常识来看，反复问略有变化的同一问题会招致厌烦，但GPT不会感到厌烦。我们可以从各个角度调整提示语，包括但不限于更换词语或说法、优化表述、调整语句顺序等，让回答能够符合自己的期待。我们可以用各种方式向GPT问同一问题，直到获得令我们满意的答案为止。
进阶提问技巧：拆解任务，分步提问
我们并不是试图用一次问答让GPT完成任务，而是自己预先拆分步骤、分次提问，让GPT一次完成一项任务，最终获得想要的结果。
我的做法是拆解任务，分步提问，以获得最终想要的结果。这种做法并不是试图用一次问答让GPT完成任务，而是自己预先拆分步骤、分次提问，让GPT一次只完成一项特定任务。当然，采用聊天机器人问答这种形式来完成这项任务时，我们可以介入其中，调整中间结果，从而让最终结果变得更好。我们可以调整它给出的翻译表述，然后将调整过的翻译作为下一步任务的输入内容。到了最后一步，如果要采用它的结果，我们通常还需要将文本与原文进行比对，确保内容无错漏，如有必要则还要进行一些调整。虽然现在人们对GPT的期待值非常高，但是在工作场景中进行实际应用时，我们会发现它很难通过一问一答就直接给到我们想要的结果。除非使用者对结果的好坏并不在意，否则GPT基本不可能一次就达到目标，我们总是在重复提问、多次提问中逐渐得到想要的回答。拆解任务，分步提问是我们用好它的技巧之一。
进阶提问能激发GPT的隐藏能力像所有的工具一样，GPT也要掌握使用方法，才能发挥其能力。进阶地提问就好像是沿着GPT的原理与设计，找到面板上的某个开关，释放出它的隐藏能力。收集有效的提示语，撰写详尽的、结构化的提示语，进行少样本提问，反复调整提示语并测试结果以及拆解任务、分步提问都是常见的进阶提问技巧。
高阶地提问
高阶提问技巧：外挂知识库
目前为GPT外挂一个知识库的通常做法是将知识库资料进行名为嵌入的向量化处理。之后，当用户提问时，将用户的问题在知识库中进行语义匹配以检索出相关的资料，然后将用户的问题和资料一起提交给GPT。
高阶提问技巧：结合不同的大模型优化提示词
总结
欢迎点赞，收藏，关注，支持小生，打造一个好的遥感领域知识分享专栏。遥感专栏
同时欢迎私信咨询讨论学习，咨询讨论的方向不限于：地物分类/语义分割(如水体，云，建筑物，耕地，冬小麦等各种地物类型的提取）,变化检测,夜光遥感数据处理，目标检测，图像处理(几何矫正，辐射矫正(大气校正)，图像去噪等)，遥感时空融合，定量遥感（土壤盐渍化/水质参数反演/气溶胶反演/森林参数(生物量，植被覆盖度，植被生产力等)/地表温度/地表反射率等反演）以及高光谱数据处理等领域以及深度学习，机器学习等技术算法讨论，以及相关实验指导/论文指导，考研复习等多方面。