这个本质就是教我们怎么和gpt对话能获得更好的效果。

理解大模型

大模型的本质就是生成词语的预测，他会在下一个可能的词里面选择出最可能的那个词语，然后不断的构成一句话。他最关键的地方，就是训练了很多数据，让模型的能力有了质变。 所以，大模型对生成结果的正确性，没有任何的把关措施，他是依赖训练和输入的数据生成的。我们知道，无论概率有多低，他总是有一个概率的，所以，大模型可能会产生幻觉，也是说，他可能会说一些完全没有依据的内容。所以我们要告诉大模型，如果他不知道的事情就直接说不知道。 AI大模型最关键的能力是由我们的想象力和提示词工程的能力构建的。

模型设置

gpt会提供一些参数让我们对大模型进行微调。

Temperature

temperature 的参数值越小，模型就会返回越确定的一个结果。对于创造性任务，可以调整高一些，希望结果毕竟确定的可以调低一些，尤其是贯穿在代码里面的，不然很难控制，甚至你可以设置为0，保证每次输出都是一样的。

max length

这个是控制token长度，生成的token长度，主要是控制成本。

stop sequences

当模型输出xxx字符串的时候，停止生成

Frequency Penalty

防止模型输出相同类似的内容

角色

system、user 和 assistant。其中 system 不是必需的，但有助于设定 assistant 的整体行为，帮助模型了解用户的需求，并根据这些需求提供相应的响应。 system：你是一个专业的Java工程师，你会xxxx。 user：就是我们 assistant：就是ai

提示词要素

指令：想要模型执行的特定任务或问题。 输出指示：指定输出的类型或格式。 上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。 不同的部分尽可能的区分开，上下文尽可能放在最后，用换行隔开。

技巧

以下的这些技巧除了和gpt交流，其实人与人之间的交流也是非常需要下面技巧的。

子任务划分

大模型的输出能力是有限的，所以我们可以把一个大的任务划分为子任务，可以人为的划分，也可以通过gpt来划分。

给出实例

给gpt一些实例，可以大幅度的简化我们的语言描述，而且可以使输出的结果更符合我们预期的结果。

不用模糊词

不要用几个，不要用过于等等这种不精确到词，可以具体到数量2-3个这样，gpt是可以理解这些数量的。

做什么&不做什么

除了告诉gpt要做什么以为，还要告诉gpt不要做什么。通常，做什么对于gpt来说更关键，和我们人一样，需要知道做什么才能具体的去做。 此外，最好尽可能详细的告诉他怎么完成这件事情，按1，2，3这样的步骤来完成。

角色提示

你是一个xxx，你xxxx。 通过对gpt的角色提示，能让他的回答更加贴切。

思考过程

让我们逐步思考，给出思考的过程。 对于推理性质比较强的问题，我们可以让gpt给出思考的过程，我们可以学习思考的方式，最关键的时候，这可以加强gpt的思考能力，而且让我们更容易发现gpt的错误。

RAG

大模型的输入能力是有限的，可以我们就是想输入这么多东西怎么办？ 可以把全部内容存在特殊的数据库里面，然后筛选出最接近的几块内容，来组成大模型的输入。同样的，不可能是所有的内容都和这个问题有关。

数据输入

不是所有的数据都被大模型训练过的，如果他不知道这些数据，你就必须采用输入数据的方式来让大模型知道这些东西，比如一个比较新的库的文档。

不知道就不说

大模型可能会说一些没有依据的话，尤其我们在编写利用知识库回答用户问题的应用时，一定要告诉gpt，没有依据的事情不要说。

引导词

我们想让gpt说出以xxx开头的内容，那么我们可以在结尾的时候，写xxx