OpenAI 官方 ChatGPT 提示工程 - 最佳实践 11 篇（大合集）

[netty]

今年，在 OpenAI 开放了 ChatGPT 不久后，网络上出现了许多关于如何编写 Prompt 的教程。这些课程和相关的 Prompt 模版，在一定程度上弥补了这块新鲜领域的空白，使得大家对于如何编写 Prompt 有了一定的认知。

在这不久之后，OpenAI 和吴恩达合作开发了一套针对 ChatGPT 提示工程的最佳实践课程，课程名为《 ChatGPT Prompt Engineering for Developers 》。

随后，OpenAI 官方又正式的发布了一份"GPT 最佳实践"指南，可以说是期盼已久。官方出品，必是精品。想快速了解，可以先看看这篇文章：GPT 最佳实践 - 提升 Prompt 效果的六个策略。

本文汇总了这些官方权威教程的所有文章，内容包括：

• OpenAI 官方 GPT 最佳实践的六个策略，共 6 篇文章
• OpenAI 与吴恩达合作开发的 ChatGPT 提示工程课程，共 5 篇文章
• 扩展内容
  • OpenAI 关于 AGI 通用人工智能及未来技术的规划
  • 比尔·盖茨关于“人工智能的风险是真实存在的”的思考

一、OpenAI 官方 GPT 最佳实践指南

本指南分享了提高 GPT 的效果的策略和方法，这些方法有时可以结合使用以获得更好的效果。同时鼓励多尝试试验，找到最适合自己的方法。

以下是提高 Prompt 效果的六大关键策略：

1.编写清晰的提示

如果 GPT 输出的内容过长，可以要求模型进行简短的回复；如果输出过于简单，可以要求模型使用专业的写作水准输出内容。如果你对输出的格式不满意，可以提供自己想要的格式。越是明确表达自己的需求，越有可能得到满意的答案。

提升 GPT Prompt 效果最佳实践 - 编写清晰的提示

2.提供参考文本

GPT 模型可以自信地编造虚假答案，尤其是在涉及深奥主题或引用和 URL 时。就像学生在考试时可以查看笔记来帮助自己更好地回答问题一样，向 GPT 模型提供参考文本可以帮助其减少编造虚假答案的情况。

提升 GPT Prompt 效果最佳实践 - 提供参考文本

3.将复杂的任务拆分为更简单的子任务

就像在软件工程中将复杂系统分解为一组模块化组件一样，在提交给 GPT 模型的任务中也是如此。复杂任务往往比简单任务出错率更高。此外，复杂任务通常可以重新定义为一系列简单任务的工作流程，其中前置任务的输出作为后续任务的输入。

提升 GPT Prompt 效果最佳实践 - 拆解复杂任务

4.给 GPT 时间思考

如果让你计算 17 乘以 28 ，你可能不会立即知道答案，但是却可以花时间计算出来。类似地，当 GPT 试图立即回答问题时，它会犯更多的推理错误，而不是花时间计算出答案。在回答问题之前，要求模型给出一系列的推理过程可以帮助 GPT 更可靠地推理正确的答案。

提升 GPT Prompt 效果最佳实践 - 给 GPT 时间思考

5.使用外部工具

通过使用其他工具的输出来弥补 GPT 的不足。例如，使用文本检索系统来告诉 GPT 相关文档的信息，或者使用代码执行引擎来帮助 GPT 进行数学计算和代码运行。如果有其他工具可以更可靠或更有效地完成某个任务，就应该使用这些工具，以获得最佳效果。

提升 GPT Prompt 效果最佳实践 - 使用外部工具

6.系统地测试变更

如果能够进行测量，那么提高效果就会更容易。在某些情况下，对提示的修改会在几个孤立的示例上实现更好的效果，但会导致在一组更具代表性的示例上整体表现变差。因此，为了确保更改对效果能够产生积极的影响，可能有必要定义一个全面的测试套件（也称为“评估(eval)”）。

提升 GPT Prompt 效果最佳实践 - 系统的测试变更

二、OpenAI 与吴恩达合作的 ChatGPT 提示工程课程

这门课程时长为 1 个小时，内容简单易懂，还提供了实践的环境。讲师是吴恩达（ Andrew Ng ，DeepLearning.AI 创始人）和伊莎·富尔福德（ Isa Fulford ，OpenAI 的技术人员），含金量非常高。

以下是该课程的 5 篇文章：

1.编写 Prompt 的两个关键原则

• 原则一：编写清晰、具体的说明
• 原则二：给予模型思考的时间

ChatGPT 提示工程的两个关键原则

2.文本总结

这篇主要介绍了如何对内容进行总结，可以让模型来总结/提取重点内容，限制结果的长度。

ChatGPT 提示工程 - 总结

3.文本推理

可以让模型来识别一段内容的情绪，或者提取指定的内容。

也可以一次性执行多个任务，从而节省多次请求的整体耗时和成本。

ChatGPT 提示工程 - 推理

4.文本转换

在这篇文章中，介绍了如何使用大型语言模型来进行文本转换工作，如语言翻译、语调调整和格式转换。

ChatGPT 提示工程 - 转换

5.邮件回复与营销文案

在这篇文章中，介绍了如何使用大型语言模型来进行邮件自动回复、生成营销文案。

ChatGPT 提示工程 - 邮件回复、营销文案

三、规划与风险

OpenAI 关于 AGI 通用人工智能及未来技术的规划（全文译文）

人工智能的风险是真实存在的 - 比尔·盖茨

最后

如果大家感兴趣的话，也建议去官网学习一下。然后结合我总结的文章，以达到更好的学习效果。

无论如何，这些提示工程的最佳实践课程是 OpenAI 官方出品，还有吴恩达的加持，属于行业顶尖的权威教程。请大家务必收藏好，以便随时进行查阅和复习。

希望这些文章能够助你在接下来的 AI 之路，赢在起跑线上。

参考

https://platform.openai.com/docs/guides/gpt-best-practices

https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/