我要评论當我們使用ChatGPT或New Bing這類對話生成內容的示語說明書通AI工具，甚至是進階結構技巧Midjourney、 Bing AI繪圖時，用層直覺的＋個提問或描述，往往就能獲得不錯的輕鬆答案。尤其在像是讓A任務GPT-4這樣的AI引擎升級，我們可以用更接近日常自然語言對話的成複方式，來獲得自己需要的示語說明書通結果。
正是進階結構技巧這樣的「直覺」與「自然」，不用像是用層傳統軟體那樣進行複雜功能操作，讓AI內容生成工具對大多數一般人來說有驚豔的＋個使用效果。
既然如此，輕鬆如果不是讓A任務要開發AI工具的話，那麼我們一般日常的成複工作、生活應用，示語說明書通還有需要去學習更好的「提示語技巧」嗎？還是用自然語言來對話即可？
在幾個月的使用過程後，我目前的經驗心得是，雖然不用學習太像是軟體工程那樣的提問技巧（因為AI強調的就是用自然語言對話），但是就像我們日常跟真正的人對話的時候，我們是否能準確描述任務？是否能讓對方精準理解我的意圖？這裡面也絕對不只是隨便說說，對方就能接住我的對話。
也就是說，當我們需要ChatGPT、 New Bing這樣的AI工具完成不只是「我問你答」的簡單知識問答（例如 XXX 是什麼意思？），而是可以完成像是撰寫企畫書、整理知識、繪製表格、分析大綱、規劃目標等等，屬於「我交付任務，AI完成成果」的需求，那麼就需要一些不用太複雜，但可以更精準的「提示語技巧」。
ChatGPT基礎三層提示語結構：目的優先、輸入資料、設定輸出
我自己在撰寫ChatGPT提示語的時候，有一個基本的三層結構，經過在各種工作、生活任務上的實踐與實驗，有助於解決大多數不同類型的任務。尤其在你的問題有點複雜，想不清楚要怎麼問比較好的時候，透過三層結構，讓我們有方向、有結構的提出問題，並獲得ChatGPT相對更有效的回答。
這三層結構的基礎是：
- 目的優先
- 輸入資料
- 設定輸出
例如我請ChatGPT幫我設計一個台灣歷史問答題庫的提問，我先清楚說出我的目的是要做一個閃卡題庫，然後輸入這個任務的背景資料是給幼兒園練習的台灣歷史人物，最後明確設定我需要的題目格式與數量：（參考：ChatGPT與Quiz Wizard幫老師家長AI生成選擇題、抽認卡教學）
PhotoCredit: 電腦玩物有時候三層結構的後面兩層順序可以調換，例如我請ChatGPT理清一個搬家計畫的步驟，我先清楚說出我的目的是理出搬家任務大綱，但接著設定輸出時要補上可能漏掉的任務，最後才給予ChatGPT我的搬家相關資料。
PhotoCredit: 電腦玩物但是無論如何，當我們要讓ChatGPT完成一個比較複雜的任務，卻不知道如何表達自己的問題，不知道如何撰寫提示語時，都可以從這三個層次的架構來思考：
1. 目的優先：
- 盡可能在提示語的一開頭，用一到兩句話，先清楚說出自己的最終目的。例如要做一個閃卡題目、要拆解搬家任務大綱。
- 這就像我們交付任務給他人時，一開始就「先說結果」，也就是最終希望對方完成的是什麼東西，這樣之後就算需要解釋比較複雜的資料，對方也一開始就知道最終任務到底是什麼，這樣無論是人還是ChatGPT都比較不會因此混亂。
- 有時候比較簡單的問答，可能就只需要「目的優先」這一層結構即可。
2. 輸入資料：
- 和ChatGPT傳達任務目的後，可以開始說明任務、問題的獨特背景資料，明確具體的描述跟任務相關的人事時地物。
- 這其實跟我們交付任務給他人時，也是一樣的道理，要讓對方了解任務有什麼獨特之處，不一定要說一般性的通則資料，但一定要補充跟任務相關的「特殊性資料」，例如是台灣歷史、幼兒園使用的題庫，是要同時處理舊家具的搬家任務等。
3. 設定輸出：
- 最後，我們要更明確界定ChatGPT輸出結果的特殊條件，例如要輸出幾個（20個）？有沒有什麼特殊格式（問題－答案）？有沒有需要什麼語氣、風格或特殊行動（補上可能漏掉的任務）？等等。
- 也可以請ChatGPT提供這樣的任務格式：提供表格、程式碼、流程圖、簡報、markdown 語法（參考：如何用ChatGPT加速生成一份有圖有文的簡報，實戰案例教學，或是：ChatGPT幫我不懂程式碼也能寫出番茄鐘待辦清單工具，實測心得）
- 這裡也還是跟我們交付任務給他人時，是同樣的道理，如果可以的話就跟對方講清楚「要交付結果的條件」，或者期望對方處理任務時「一定要採取的行動」，這樣ChatGPT才會知道要這樣去做，不要等到對方給我們之後才說數量不對、風格不合、格式有差。
掌握這樣的三層提示語基本結構，就能寫出一個好問題，或是交付一個有效的任務，當我們能精準的提問、交付任務，那麼ChatGPT也能提供給我們更有效的回答。
ChatGPT進階三層提示語結構：指派角色、原始資料、任務範本
如果要問的問題比較複雜，或是希望ChatGPT交付給我們的任務成果更有效果時，可以從上面的基本三層結構延伸出一些進階的技巧。
目的優先：
- 明確設定要指派給誰去完成什麼任務，也就是指派ChatGPT一個處理任務的特殊角色。
- 輸入資料：比起說明任務背景，不如直接給出任務混亂但完整的原始資料，讓ChatGPT自己去分析。
- 設定輸出：比起說明輸出條件，不如直接給出任務成果的完整範本，讓ChatGPT依照範本去產出結果。
例如不只希望ChatGPT簡單摘要文章，而是可以直接寫成學習筆記。這時候比起單純只是問ChatGPT：「幫我把這篇文章整理成300字的摘要，提供文章：」，不如這樣問：
PhotoCredit: 電腦玩物如果只是簡單的摘要文章指令，只能獲得的是下面這樣的摘要成果：
PhotoCredit: 電腦玩物但是如果用上面的三層結構來提問（目的優先、輸入資料、設定輸出），讓提示語更完整，並且還指定了任務角色是教養專家，又提供了具體的筆記範本，那麼我們就會獲得下面這樣的結果：
PhotoCredit: 電腦玩物善用進階的三層提示語結構，瞬間我們獲得的內容就會有品質上根本的差異，就算使用GPT-3.5的版本也能獲得很不錯的AI答案。
1. 目的優先：指派誰完成什麼任務？
- 我們一定要在指派任務的時候，先說明要讓ChatGPT模擬什麼角色嗎？我的經驗是不一定，但是如果我們要解決的問題有某種特殊性，那麼指派角色會讓回答的效果更精準。
- 你可以這樣想，假如你是一位老闆，而ChatGPT是你的團隊，當你要指派任務時，會只是模糊的把任務交給整個團隊來做？還是會這樣說：「請文案專家撰寫一篇臉書貼文」、「請專案管理專家撰寫一份目標企劃書」、「請數據分析專家製作一份比較分析表格」，一定是清楚說明：「要指派誰，完成什麼任務」，才是一個精準的任務交派。
2. 輸入資料：提供原始資料讓ChatGPT分析
- 有時候與其講一大堆任務、問題的背景描述，或是設定一大堆輸出成果的條件，不如直接給出原始資料更好。
- 原始資料可能是我們的想法筆記、雜亂文件等等，把這樣的內容交給ChatGPT分析，往往會有意想不到的好效果。因為在原始資料中，其實就有更完整的背景資料、更完整的輸出需求細節。所以我們可以要求ChatGPT根據原始資料去分析並產出任務。
Photo Credit: 電腦玩物ChatGPT自動寫出來的Facebook貼文雖然不錯，但是往往太過市儈，也就是太像農場的風格。
可是如果我們提供ChatGPT原始資料去分析，那麼他就會產出像是下面這樣的貼文建議，整體來說更符合我自己的寫作風格。
Photo Credit: 電腦玩物3. 設定輸出：直接給出任務成果的範本：（延伸教學：活用你的第二大腦筆記範本，協作ChatGPT生成好內容的 6 個案例）
- ChatGPT雖然很聰明，但是要執行任務的畢竟還是我們自己，所以如果我們可以加上自己最需要的「任務執行範本」，讓ChatGPT根據我們需要的任務執行邏輯來分析，那麼有可能獲得的答案會更接近直接可用的答案。
例如我下面先做一個三層提問，有指派誰完成什麼任務，也有提供簡單背景資料，也有設定輸出的簡單條件，這時候，獲得的答案其實也不錯。
Photo Credit: 電腦玩物但是假如我加上一個輸出的計畫範本，往往可以進一步提升答案的品質，深化內容，並且變成我們直接可用的成果。（即使是GPT-3.5也可以不錯的結果）
Photo Credit: 電腦玩物
Photo Credit: 電腦玩物以上就是基礎、進階的三層提示語結構，這是大多數ChatGPT與New Bing提問時的通用結構，我們把提問想像成是交付任務給ChatGPT，在這三層結構中進行變化，面對複雜問題時加上進階三層結構的技巧，基本上就能很有效的運用ChatGPT。
這篇文章後面，再跟大家補充幾個提問的時候可以知道或運用的小技巧，這些技巧不一定要用，但如果遇到符合情境的特殊問題時，這些小技巧就會幫上忙。
跟ChatGPT提問的九個輔助小技巧
01. 問題要有特殊性
如果我們問的是普通問題，就只會獲得普通答案。如果我們交付任務時沒有仔細指出這次任務的特殊性，那麼AI或人都不會知道我們到底想要什麼結果。
所以，與其問：「請幫我摘要這篇文章」，不如問：「請幫我摘要這篇文章，我想知道裡面關於如何實際執行卡片盒筆記法的具體步驟。」
最新评论