ChatGPT 官方使用指南：获得更好结果的六种策略

GPT 最佳实践

本指南分享了从 OpenAI GPT 模型获得更好结果的策略和战术。这些方法可以组合使用以获得更大的效果。鼓励进行实验，找到最适合您的方法。

注：本文的部分示例可能需要使用功能最强的模型（如 GPT-4）。通常，如果发现 GPT 模型在某一任务上表现不佳，并且有功能更强大的模型可用，值得尝试使用功能更强大的模型。

获得更好结果的六种策略

策略一：写清楚的说明

GPT 无法读懂你的心思。如果输出太长，请要求简短回复；如果输出太简单，请要求专家级写作；如果不喜欢格式，请演示你希望看到的格式。GPT 对你要的内容猜测越少，你获得满意结果的可能性越大。
战术 1：在查询中包含详细信息以获取更相关的答案
为了让模型给出更相关的回答，请在查询中提供尽可能多的细节。例如：

较差：如何计算汇率？
较好：人民币兑美元汇率最近三个月的历史数据是多少？请提供一个包含日期、买入价和卖出价的表格。

战术 2：要求模型采用角色
通过给模型指定角色，可以显著改变回答的风格和质量。例如：

当我请求帮助撰写内容时，请以资深编辑的身份回复。你对语法、风格和逻辑有严格的要求，会指出问题并提出改进建议。

战术 3：使用分隔符清晰地指示输入的不同部分
使用三重引号、XML 标签、章节标题等分隔符，帮助模型区分输入的不同部分：

将以下用三重引号括起来的文本总结为一句话：
"""
（此处放文本内容）
"""

战术 4：指定完成任务所需的步骤
对于复杂任务，明确列出执行步骤：

步骤 1：阅读以下文章。
步骤 2：提取文章的核心论点。
步骤 3：列出支持该论点的三个论据。
步骤 4：用 100 字以内总结全文。

战术 5：提供示例
提供示例（Few-shot Prompting）可以显著提升输出质量：

请将以下中文词语翻译为英文。
示例：
苹果 -> apple
香蕉 -> banana
计算机 -> computer
---
书本 ->
老师 ->

战术 6：指定所需的输出长度
明确要求输出长度，可以是字数、段落数或句子数：

用 50 字以内解释什么是量子计算。
用三个段落描述文艺复兴的影响。

策略二：提供参考文本

GPT 可能自信地生成虚假信息（即"幻觉"），尤其是在涉及深奥主题或要求引用来源时。提供参考文本可以显著减少捏造。
战术 1：指示模型使用参考文本回答
先提供参考文本，然后要求模型基于该文本回答：

请使用以下文章回答用户问题。如果问题无法从文章中直接找到答案，请明确说明"文中未提及"。
文章："""
（参考文本）
"""
问题：...

战术 2：指示模型使用参考文本中的引用进行回答
要求模型在回答中附带引用来源：

请基于以下文档回答问题。在每个观点后标注对应的段落编号。如果文档中没有相关信息，请说明"文档中未覆盖此内容"。
文档：
（文档内容，段落前标注编号）

策略三：将复杂任务拆分为更简单的子任务

复杂任务往往比简单任务具有更高的错误率。将复杂任务分解为一系列更简单的子任务，每个子任务的输出成为下一个子任务的输入。
战术 1：使用意图分类来识别用户查询的最相关指令
对于多场景系统，先对用户输入进行分类，再调用对应的处理流程。这可以通过模型本身或专门的分类模型实现。
战术 2：对于需要长时间对话的应用，总结或过滤之前的对话内容
由于上下文窗口有限，可以通过摘要历史对话的方式来保持上下文，而不是传递完整的历史记录。
战术 3：逐段总结长文档，然后递归地构建完整摘要
对于超长文档：

1. 将文档分段，每段分别生成摘要。
2. 将各段摘要合并，生成更高层次的摘要。
3. 必要时重复上述过程，直到得到完整摘要。

策略四：给模型思考时间

模型在匆忙作答时更容易出错。引导模型逐步推理而不是直接给出结论，可以显著提升结果质量。
战术 1：指示模型在匆忙得出结论之前先思考解决方案
要求模型先列出推理步骤，再给出答案：

首先，让我们逐步解决这个问题。列出所给的已知条件，然后分步推导，最后给出答案。

战术 2：使用内心独白或思维链提示
引导模型展示其推理过程，这有助于发现逻辑错误：

请逐步思考这个问题。将推理过程放在三重引号之间，最后给出最终答案。

战术 3：询问模型在继续之前是否遗漏了任何信息
使用模型进行自我检查：

请检查你是否获取了回答该问题所需的全部信息。如果缺少关键信息，请列出需要补充的内容，然后再作答。

策略五：使用外部工具

通过给模型提供外部工具，弥补其能力短板，如计算、检索、代码执行等。
战术 1：使用基于嵌入的搜索实现高效知识检索
将文档向量化后存入向量数据库，用户提问时先检索相关文档片段，再交给模型回答。
战术 2：使用代码执行来进行精确计算或调用外部 API
对于数学计算、数据处理等任务，让模型生成代码并执行，而不是直接要求模型计算：

请编写 Python 代码来计算以下数据集的均值和标准差，然后执行代码并给出结果。

战术 3：给模型访问特定功能函数的权限
通过 Function Calling，模型可以调用外部 API 获取实时信息，如天气、股价、数据库查询等。

策略六：系统性测试变更

改进提示词时，可能需要多次试错才能确定哪些变更带来了改进。系统性测试可以帮助你衡量效果。
战术 1：评估模型输出是否符合黄金标准答案
准备一组测试样本（输入 + 期望输出），对每次提示词变更进行批量测试，比较模型输出与标准答案的差异。
战术 2：使用 Evals 开源评估框架
OpenAI 提供了 Evals 开源评估框架，可以帮助你系统性地评估模型在不同任务上的表现。通过定义评估指标和测试数据集，自动化跟踪提示词变更的效果。

总结

这六种策略从不同角度帮助您获得更好的 GPT 输出：

#	策略	核心思想
1	写清楚说明	减少模型的猜测空间
2	提供参考文本	减少幻觉，提高准确性
3	拆分复杂任务	降低单步错误率
4	给模型思考时间	引导逐步推理
5	使用外部工具	弥补模型能力短板
6	系统性测试变更	量化评估改进效果
以上策略和战术在实践中可以灵活组合使用，不断迭代优化提示词，以获得最佳效果。