总是头疼问不出好问题?提问ChatGPT有这一个模型就够了

648次阅读
没有评论

自从去年ChatGPT发布之后,此类对话类AI就成为大家的新“玩具”,很多人沉迷其中。但别人总是能用ChatGPT帮助自己工作和生活,自己用的时候总是觉得不靠谱像个傻子,原因出在哪里?就在于提示词的编写上。而提示词的编写,也成为很多人开课程割韭菜的内容之一。这篇文章,作者分享了一个“LACES问题模型”,能更好帮你对ChatGPT进行提问,希望对大家有所帮助。

总是头疼问不出好问题?提问ChatGPT有这一个模型就够了

经常有小伙伴问我:

  • 我该怎么让ChatGPT帮我完成一个复杂任务?比如要ChatGPT帮忙写一篇小说、做一个品牌的营销策划案或者要总结一篇长文献。
  • 我怎么突破自己的认知去让ChatGPT帮我发挥创意?
  • 我怎么提高我的提问能力呢?

于是,在反复的对话和调整中,我总结出了高效提问的指令建构模型-LACES模型让你能提出好问题。

一、LACES问题模型

LACES问题模型是一个更具体的提问prompts构建方法。它包括以下五个要素:

总是头疼问不出好问题?提问ChatGPT有这一个模型就够了

1. Limitation(限定条件)

为问题或指令增加限定条件,有助于获得更具针对性的答案。

举例:

  • 在两分钟内,如何向一个初学者介绍人工智能
  • 写一段优美的散文介绍春日花开的美好景象,200字以上
  • 请在 100 字内解释 CRISPR 基因编辑技术

2. Assignment(分配角色)

在指令中为AI分配角色,帮助AI更好地理解预期的回答。

举例:

  • 假设你是一位营养师,请给我提供一个健康的一周饮食计划。
  • 作为一名职业教练,你建议如何应对职场压力?
  • 假设你是一名科普作家,解释量子力学的双缝实验,并使其易于理解。

3. Context(背景或上下文)

提供问题或指令的背景信息,有助于AI更好地理解问题。

4. Example(示例)

为指令提供示例,以便AI能够参考并生成类似的答案。

5. Step by Step(拆分任务)

面对复杂问题时,将问题或指令拆分为较小的部分,通过拆分任务,一步一步提问,来获得完整解决方案。

深入提问:通过追问或补充问题来获取更多信息。

逐步拆解问题:将问题拆解成若干子问题,逐一进行提问。

或者启发ChatGPT自行进行任务拆解,进行链式思考(Chain of Thought)

二、实践示例

下面是一个使用LACES问题模型来撰写一个关于市场营销策略的问题示例:

  1. L – “请列出五个有效的针对社交媒体的市场营销策略。”
  2. A – “作为一个市场营销专家,请列出五个针对社交媒体的有效市场营销策略。”
  3. C – “为了提高一家初创公司的品牌知名度,请列出五个针对社交媒体的有效市场营销策略。”
  4. E – “例如,一种策略可能是与意见领袖合作。请列出五个针对社交媒体的有效市场营销策略。”
  5. S – “首先,列出针对Facebook的一个有效策略。然后,依次为Instagram、Twitter、LinkedIn和TikTok提供一个策略。”这里的分步骤问题,要分多次拆解提问给ChatGPT。

综合以上原则,我们得到一个高质量的问题prompt:

“作为一个市场营销专家,为了提高一家初创公司的品牌知名度,请列出五个针对社交媒体的有效市场营销策略。例如,一种策略可能是与意见领袖合作。首先,列出针对Facebook的一个有效策略。然后,依次为Instagram、Twitter、LinkedIn和TikTok提供一个策略。”

作者:D姐AI指北,公众号:D姐AI指北,大厂市场运营总监

本文由 @D姐指北 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

Read More 

正文完
可以使用微信扫码关注公众号(ID:xzluomor)
post-qrcode
 
评论(没有评论)
Generated by Feedzy