ChatGPT提示工程

在本节中，我们将介绍ChatGPT的最新提示工程技术，包括提示、应用、限制、论文和其他阅读材料。

⚠️

本节正在大力开发中。

主题：

ChatGPT简介

ChatGPT是由OpenAI训练的一种新模型，具有交互式对话的能力。该模型经过训练，可以按照提示中的指示，在对话的上下文中提供适当的响应。ChatGPT可以帮助回答问题、建议食谱、以特定风格写歌词、生成代码等等。

ChatGPT使用人类反馈的强化学习（RLHF）进行训练。虽然这个模型比以前的GPT迭代要强大得多（并且还经过了训练以减少有害和不真实的输出），但它仍然有一些限制。让我们通过具体的例子来了解一些能力和限制。

您可以在这里使用ChatGPT的研究预览，但在下面的示例中，我们将使用OpenAI Playground上的“Chat”模式。

审查对话任务

在之前的指南中，我们简要介绍了对话能力和角色提示。我们介绍了如何指示LLM以特定的风格、特定的意图、行为和身份进行对话。

让我们回顾一下我们之前的基本示例，其中我们创建了一个对话系统，该系统能够对问题生成更多的技术和科学响应。

提示：

以下是与AI研究助手的对话。助手的语气是专业和科学的。

人：你好，你是谁？
AI：你好！我是AI研究助手。我今天能帮你什么忙吗？
人：你能告诉我黑洞的形成吗？
AI：

从上面的例子中，您可以看到两个重要的组成部分：

意图或聊天机器人的解释
身份，指示聊天机器人将使用哪种风格或语气进行响应

上面的简单示例适用于使用text-davinci-003的文本完成API。最近，OpenAI宣布了ChatGPT API (opens in a new tab)，这是一个更强大、更便宜的模型，称为gpt-3.5-turbo，专门为这种功能（聊天完成）而构建。事实上，OpenAI甚至推荐这个模型作为非聊天用例的最佳模型。使用ChatGPT API的其他好处包括显著降低成本（90%）和提高效率。

像Snap Inc.和Instacart这样的大公司已经在其产品中集成了由ChatGPT提供支持的对话功能，这些产品从个性化推荐到开放式购物目标不等。

与ChatGPT的对话

多轮对话

为了开始展示ChatGPT的能力，我们将使用上面的聊天机器人助手示例并讨论结果。与text-davinci-003相比，驱动ChatGPT的gpt-3.5-turbo模型使用聊天格式作为输入。该模型期望一系列消息作为输入，并使用这些消息生成响应。

输入：

系统：你是一个AI研究助手。你使用技术和科学的语气。
用户：你好，你是谁？
助手：问候！我是AI研究助手。我今天能帮你什么忙吗？
用户：你能告诉我黑洞的形成吗？

输出：

助手：当一个巨大的恒星耗尽燃料并在自身的引力下坍塌时，就会形成黑洞。这种坍塌使星体变得极其密集，具有极强的引力场，甚至连光都无法逃脱。这个无法逆转的点被称为事件视界。一旦一颗恒星穿过事件视界，它就被认为是一个黑洞...

请注意，在上面的示例中，我简化了输入和输出，但ChatGPT聊天完成API要求消息以特定格式呈现。我在下面添加了一个快照，显示了在OpenAI Playground中使用“Chat Mode”时此示例的外观：

我们示例的更正式API调用将类似于下面的示例：

import openai
 
openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "You are an AI research assistant. You use a tone that is technical and scientific."},
        {"role": "user", "content": "Hello, who are you?"},
        {"role": "assistant", "content": "Greeting! I am an AI research assistant. How can I help you today?"},
        {"role": "user", "content": "Can you tell me about the creation of black holes?"}
    ]
)

事实上，未来开发人员与ChatGPT的交互方式预计将通过聊天标记语言 (opens in a new tab)（简称ChatML）完成。

单轮任务

聊天格式支持多轮对话，但它也支持类似于我们使用text-davinci-003的单轮任务。这意味着我们可以使用ChatGPT执行与我们为原始GPT模型演示的类似任务。例如，让我们尝试使用ChatGPT执行以下问答任务：

输入：

用户：根据下面的上下文回答问题。保持答案简短明了。如果不确定答案，请回答“不确定答案”。

背景：Teplizumab的起源可以追溯到新泽西州的一家名为Ortho Pharmaceutical的药品公司。在那里，科学家们生成了抗体的早期版本，被称为OKT3。最初是从老鼠中提取出来的分子，它能够结合到T细胞表面并限制它们杀伤其他细胞的潜力。1986年，该药物获得批准用于帮助预防肾移植后器官排斥反应，成为第一个允许人类使用的治疗性抗体。

问题：OKT3最初是从哪里提取出来的？

回答：

输出：


助手：老鼠。

请记住，我添加了“用户”和“助手”标签以更好地演示如何使用ChatGPT执行任务。以下是在Playground中使用的示例：

更正式地说，这是API调用（我仅包括请求的消息组件）：

 
CONTENT = """Answer the question based on the context below. Keep the answer short and concise. Respond \"Unsure about answer\" if not sure about the answer.
 
Context: Teplizumab traces its roots to a New Jersey drug company called Ortho Pharmaceutical. There, scientists generated an early version of the antibody, dubbed OKT3. Originally sourced from mice, the molecule was able to bind to the surface of T cells and limit their cell-killing potential. In 1986, it was approved to help prevent organ rejection after kidney transplants, making it the first therapeutic antibody allowed for human use.
 
Question: What was OKT3 originally sourced from?
 
Answer:
 
"""
 
response = openai.ChatCompletion.create(
 
model="gpt-3.5-turbo",
 
messages=[
 
{"role": "user", "content": CONTENT},
 
],
 
temperature=0,
 
)

指导聊天模型

根据官方OpenAI文档，gpt-3.5-turbo模型的快照也将提供。例如，我们可以访问3月1日的快照 gpt-3.5-turbo-0301。这使开发人员可以选择特定的模型版本。这也意味着指导模型的最佳实践可能会从版本到版本发生变化。

对于gpt-3.5-turbo-0301，当前建议是在“用户”消息中添加说明，而不是可用的“系统”消息。

引文

Flan LLaMA