Published on

学习open AI的ChatGPT提示工程师课程

Authors

随着chatgpt的爆火,市场上现在有很多第三方的chatgpt课程,主要是教授如何使用chatgpt,面向的是普通用户。而chatgpt更进阶一点的玩法,还是基于openAI提供的open API,做定制的应用开发。 为此,openAI和DeepLearning.AI联合发布了一门面向开发者的chatgpt提示词课程,帮助大家学习基于LLM(大模型)的应用开发。 我利用五一假期把这门课程学了一遍,整体感觉非常棒,打开了我利用chatgpt的思路。强烈建议大家乘着目前免费也去学习一下。 这篇文章不进行具体的课程笔记分享,主要记录我在学习过程中的一些感悟。

课程信息

课程地址:https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/ 课程时长:1小时 课程难度:初学者水平 付费方式:暂时免费 教学方式:视频学习+在线编程实践

课程特点

1. 授之以渔的教学思路

致富的最佳方式,就是制作一门课程教别人如何致富。

这句话在chatgpt火起来的时期也不为过。市场上铺天盖地的chatgpt课程,教你怎么在各行各业中结合chatgpt提升效率,甚至变现。但是课程内容,千篇一律的100个提示词模版……

这些提示词模版并不是没有任何作用,但是如果只是套用别人已经准备好的提示词,那么还不如让chatgpt给你生成100个模版。

不要花太多精力在网上那些所谓的30个最佳prompts,那些并不重要。重要的是,你要有一个迭代流程,去优化你的prompts。

课程虽短(只有1小时左右),但是开篇立意很好。提示词工程的核心,是遵循两个原则:

  • 原则1:写下清晰、具体的指导(Write clear and specific instructions)
  • 原则2:给大模型一些时间取思考(Give the model time to think) 这两个原则下,分别给出了具体的实践技巧。比如在原则1下,特别提到四个技巧:
  • 使用分割符号,比如""",---,<>
  • 要求结构化格式输出内容,比如HTML,JSON
  • 使用假设条件及条件结果来执行任务(简单理解成写if-else-except语句)
  • 提供示意案例,再执行任务 比如在原则2下,提到了两个技巧:
  • 将执行步骤具体化,再执行任务,step1、2....stepN
  • 指导大模型先探寻实现方法再得出结论 无论是想用大模型(chatgpt)来解决什么问题,基于一些基本的原则尝试,然后再分析实验结果,再重新尝试,大模型的结果必然是越来越理想的。 image.png 试图记住100个提示词模版,然后指望可以一直用下去,只是一种妄想。

这门课虽然是针对开发者,但在日常使用过程中,这些原理也是适用的。

2. 探索型教学方式

说完课程的教学思路,再说具体的教学方式。这门课一共包括五种具体的应用场景,分别是:

  • 总结(summarize):基于指定文本内容,总结文本主旨(比如总结用户评论)
  • 推论(Inferring):基于指定文本内容,进行逻辑推导(比如判断用户评论情感)
  • 转换(transforming):基于指定文本内容,转换格式(比如翻译;比如将markdown转换成html)
  • 扩展(expanding):基于指定文本内容,扩展语句(比如将大纲扩写成文章)
  • 聊天机器人(chatbot):类似chatgpt,注入角色、身份,以既定语境进行对话 不像市面上的课程大多是以ppt或者单纯录制教学视频,这门课提供了一个Jupyter的在线编程界面,学习者可以随时暂停课程视频,实际操练起来。 image.png 好处是:
  • 所见及所得,能够切身体会如何使用课程教授的技巧
  • 学习过程可回顾
  • 极低的学习门槛,不需要自己搭建环境
  • 手把手教学,在线修改调试

3. 循序渐进,易学实用

最后一点感触是,这门课的教学内容真的是有用心打磨!比如在summarizing 一课中,老师以总结用户购物评论为例,演示了如何迭代提示词:

  • 限制总结内容长短
  • 强调总结内容方向(分别强调了物流、价格、价值等方面)
  • 精准用语,使用提取(extract)代替总结(summarize)
  • 批量总结多个购物评论

学完这门课,完全有能力基于chatgpt开发一个针对购物评论的效率神器!

给我任何一个淘宝、亚马逊或者其他电商平台的商品链接,先用爬虫获取评论,再用chatgpt批量对评论进行处理,一份不限数量的经过处理的用户评论就整理出来了。

结合inferring一课中的批量给评论打分,以及提取商品名称和品牌名称,效果更强大。

如果是做用户研究,这一思路还可以延伸到各类产品。比如基于用户评论,分析自家产品和竞品的用户痛点,挖掘需求……

一些学习技巧

英语不好怎么办

官方课程和在线的编程环境都是纯英文录制,还是有一定的学习门槛的。

在网上找了一番,发现了几个不错的解决方案,供有需要的朋友借鉴:

小结

chatgpt所引领的AI浪潮下,普通人与AI的关系,我更理解是领导者和被领导者的关系。

就像是突然一天有了好多个下属,但这些下属都比较被动,催一下动一下。对领导者的挑战是,如何用更精确的任务描述、思考路径、限制约束等方法,让AI更好地工作起来。

这门课对我的最大启示就是,将gpt的调用打磨成一个可预期的「函数」,让它的产出更加规律稳定,与目标任务结合起来。

吴恩达在课程中也提到,传统的文本训练需要懂得很多机器学习知识,上手门槛极高。但是有了大模型,我们可以以一种简单的方式达到类似的效果(比如分析文本的情感值)。

大模型就像是炼金术,不需要懂得化学反应中具体的科学原理,一样能「点石成金」。