如何用乐高积木式操作让 ChatGPT 变得更强大?

news2025/1/17 8:54:10

78a4507c8732e365347df43aeef77d54.jpeg

需求

这些日子,很多小伙伴儿玩儿 ChatGPT 不亦乐乎,甚至陷入了沉迷。

他们尝试了各种 ChatGPT 的功能。不少功能强悍到不可思议;当然,也有些功能尝试因遇到障碍无法完成。于是很多用户非常失望,觉得 ChatGPT 好像啥都干不了。

其实很多时候,任务完成与否以及结果质量高低,和你使用什么样的输入文本(prompts)与ChatGPT来对话高度相关。不少人尝试了诸多方式,才引导ChatGPT执行了某项具体的功能。

为了完成某个目标,从头开始一一试用不同 prompts 可能会耗费你很多的时间。而利用这些时间,你原本可以做更有意义的创造工作。

我们常说一句话:

不要重复发明轮子。

在社会科学领域,研究者做问卷调查时,一般不会从头开始设计调查问卷,而是会参考已有的问卷,在其基础上进行适当修改,以更好地反映当前研究主题;在数据科学领域,研究者也往往会在别人的模型上进行修改调整,或者利用独特的数据集进行「微调」,而不是从无到有设计架构,然后从头开始训练模型。这些「复用」的实践,节约了大量的时间和经济成本。

同样的道理,在使用 ChatGPT 的时候,自己从头尝试编写合适的 prompt 来让人工智能完成特定任务,效率也不够高。他山之石可以攻玉,我们不妨借鉴别人已经测试过的优质 prompts。

我给你推荐 这个 Github 仓库,叫做 awesome-chatgpt-prompts

5e5d56ee987500aa8353a39de12817c0.jpeg

在项目的介绍区域,你可以看到许许多多的 ChatGPT 功能,以及开启激活这些功能对应的 prompt 。

47a301e39d3f38cf66596df170bbaad5.jpeg

通过浏览,你可以发现,ChatGPT 真是能干不少事儿啊。

cff7f8cf16d6e3b0a703207dcd0da733.jpeg

你可以在自己的 ChatGPT 对话里面直接尝试这些 prompts ,看看结果如何。但是这样尝试起来,还得来回切换不断翻找,比较麻烦。

其实你可以把这个项目里面的所有 prompts ,作为基本模块一股脑导入到自己的 ChatGPT 备用。实践中只需要调用某个 prompt,就可以愉快地使用对应功能了。当然这样做之前,你还需要做一项准备工作 —— 安装一个 ChatGPT 客户端。

准备

这个客户端不是 OpenAI 官方产品,而是第三方集成了 ChatGPT 功能,并且加入了特色能力。你可以 在这里下载。

f273c98efbb91a3b354cc6735af493b1.jpeg

按照项目说明,下载对应的软件包之后直接安装即可。在 macOS 下面,如果你熟悉命令行,也可以采用 homebrew 方式安装,非常方便。

执行起来,跟浏览器打开 ChatGPT 界面是基本一致的。

4b0bc6eb9cbc1ad8a80b3e58d224b996.jpeg

只不过,桌面版提供了一些独特的特色:

7d6d8c176810e6693d86cdd6586f2566.jpeg

例如,原始版在对话框上方,只提供了一个「再试一次」。

36675580600a81e080222c873c43fabb.jpeg

而桌面版这里,多了好几个选项。

3544c56e8c8dbb3b5af32038aca51529.jpeg

你可以把对话的结果,导出成为 png 或者 pdf ,或者通过链接的方式将其直接分享。

当然,这些小的改变不算什么。我觉得真正有用的,是特性列表中的最后一条 —— 调用 awesome chatgpt prompts 项目里面已经分享的 prompts ,对于 ChatGPT 功能复用,避免自己重复发明轮子。

打开菜单栏里面的 Preferences - Control Center,点击下面菜单右侧大大的 Sync 按钮。

34b8510e2a8731a2b238240fe89e3f96.jpeg

同步完毕之后,你会看到一系列的 prompts 。包括了对应的斜杠命令、功能简介、标签等项目。

需要用到哪些 prompts ,打开 Enable 滑块就行。你也可以批量进行操作。如果你觉得某些命令没有用处,为了避免干扰,也可以单独关闭对应的 Enable 滑块,避免它在你的备用命令清单里形成干扰。

实践

做好了相应的准备之后,下面咱们来实际尝试应用一下斜杠命令,呼唤 ChatGPT 对应的功能吧。

你可以在输入框里面打上一个斜杠,然后输入 eng 三个字符,就能选取下图里面的 English Translator and Improver(英语翻译和改进) 功能了。

7d8fb662f6ce94d61da5f34ce108140c.jpeg

这里其实是输入了这样一段话作为初始的 prompt:

I want you to act as an English translator, spelling corrector and improver. I will speak to you in any language and you will detect the language, translate it and answer in the corrected and improved version of my text, in English. I want you to replace my simplified A0-level words and sentences with more beautiful and elegant, upper level English words and sentences. Keep the meaning same, but make them more literary. I want you to only reply the correction, the improvements and nothing else, do not write explanations. My first sentence is "istanbulu cok seviyom burada olmak cok guzel"

然后 ChatGPT 反馈的结果是这样的:

1b001fce056791cb4dd7a14a6dc31cf6.jpeg

翻译得对不对?这得问问明白 "istanbulu cok seviyom burada olmak cok guzel" 是哪国语言的小伙伴了,哈哈。

为了稳妥起见,咱们还是试试中文吧。

因为 ChatGPT 可以记忆多轮对话的上下文(最多 4000 个 tokens),因此我们只需要接着说就行:

第二句是 “鞠躬尽瘁,死而后已”

反馈的结果是:

897be908f69c79c28abcd0b1f4c6fbb8.jpeg

这翻译,你觉得符合「信达雅」的标准吗?

之后,我把刚刚跟朋友答复的健康状况信息,也写了上去:

“昨夜还是咳嗽,数次起来喝水止咳,然后又数次起来上厕所”

反馈结果如下:

786d58e63b9ca57711496e9ec9423545.jpeg

我觉得翻译得没毛病。

然后,咱再尝试一个有意思的 —— 让 ChatGPT 扮演「脱口秀」演员。

3c76ce2d088bbc96748efb2835ac1235.jpeg

输入初始 prompt 之后,我对默认生成文本不感兴趣。转而尝试使用自己的文本:

And my second request is "I was still coughing last night and had to get up several times to drink water to stop the cough, and then get up several more times to go to the bathroom." 

这是 ChatGPT 反馈结果:

7a670dc06ce4477f28819bebd2b764ad.jpeg

我喜欢其中这句:

And hey, at least you're getting some cardio in, right?

眼尖的话你会发现,我这里输入的 prompt 实际上是刚才调用翻译功能 ChatGPT 反馈给咱们的结果。也就是说,你可以结合起多种功能,一同发挥作用。这也是我为什么把 ChatGPT 的功能复用,比喻做「乐高积木」的原因。

下面咱们再试一个好玩儿的。你可以把 ChatGPT 当成 Linux 虚拟机,来操练 shell 命令。

这次使用的斜杠命令,是这个 linux_terminal:

a119f11aa4384305b3bc5cc2eaa2e0a7.jpeg

输入的实际 prompt 为:

I want you to act as a linux terminal. I will type commands and you will reply with what the terminal should show. I want you to only reply with the terminal output inside one unique code block, and nothing else. do not write explanations. do not type commands unless I instruct you to do so. when i need to tell you something in english, i will do so by putting text inside curly brackets {like this}. my first command is pwd

可以看出来,除了最后一句,都是在和 ChatGPT 进行约定,甚至是在给它「洗脑」,哈哈。

这种假设和约定管用吗?这是反馈结果:

8f346efb485d5eb161c226a52e03e410.jpeg

可以看到,对于第一个指令 pwd ,ChatGPT 返回了家目录的路径,符合我们的预期。看来 ChatGPT 真的认为自己是个 Linux 虚拟机了。然后我来尝试建立一个目录,输入:

mkdir wshuyi

ChatGPT 显然记住了上下文,继续在执行命令,只不过没有返回信息而已。这也难怪,作为建立文件夹命令,只有在遇到问题的时候,才会有提示。

2eba061dcd4b4a9a8eb90cf66b3b1514.jpeg

那目录建立成功了吗?咱们试试看。

第三个 prompt 输入列出目录指令:

ls

da292d5605ef64435fdb126ab8fe8679.jpeg

显示结果孤零零的,就是咱们刚刚建立的目录。你还可以详细查看这个目录的具体信息。输入以下命令即可:

ls -l

98f3f3315a0e4578ccc700ab8f7f32e4.jpeg

你看,ChatGPT 像不像一个真正的 linux shell ?作为一个初学者在这里尝试执行命令,你可以毫无顾忌。不用害怕因为误操作删除数据,或者造成什么其他危害。

篇幅所限,这里只给你演示了 3 项功能。而实际上 awesome-chatgpt-prompts 包含的功能项目还有 100 多条,足够你好好玩儿一阵子了。

5b2642b9e9efd4e0042cf9c450755f4f.gif

关键是,你可以将别人千锤百炼得来的优质有效 prompt 作为基础,完成自己的特定任务。不亦乐乎?

小结

ChatGPT 可以完成各种有趣的功能,有些你甚至可能一下子想不到。但是在使用时需要输入合适的 prompt 来引导它。你可以利用第三方开发的桌面客户端,将优质 prompt 导入自己的 ChatGPT 中,像乐高积木一样组合使用,以便更快地完成任务。

祝你和 ChatGPT 聊天愉快哦!

点赞 +「在看」,转发给你身边有需要的朋友。收不到推送?那是因为你只订阅,却没有加星标

5679187be0177abc8cfbeccf0fdee256.jpeg

如果有问题咨询,加入知识星球吧。之前已经积累下的帖子和问答,就有数百篇。足够你好好翻一阵子。

3b6af532b7e62e2e1b41aeebb8230973.jpeg

若文中部分链接可能无法正常显示与跳转,可能是因为微信公众平台的外链限制。如需访问,请点击文末「阅读原文」链接,查看链接齐备的版本。 

延伸阅读

  • 【知识星球精选】刻意练习区的辅助线

  • VOSviewer 中文视频教程

  • 如何高效学 Python?

  • 如何用 Google Colab 练 Python?

  • 如何用 Roam Research 备课?

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/117108.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

20221227:Rockchip-RK模型转换

Tips: 不同芯片对应的NPU和toolkit是不同的,注意区分! 平台 RK1808/RK1806 RV1109/RV1126 RKNPU:本工程主要为Rockchip NPU提供驱动、示例等。 GitHub - rockchip-linux/rknpuContribute to rockchip-linux/rknpu development by creating an account on GitHub.https://gi…

小程序项目开发

目录 一,flex弹性布局 1.什么是flex布局? 2.flex属性 3.视图层 View WXML 1数据绑定 2.列表渲染 3.条件渲染 4.模板 5. 数据处理 二,轮播图--组件的使用 1.WXSS 样式导入 内联样式 选择器 全局样式与局部样式 WXS 页面渲染 三&…

zabbix常用监控项解读

CPU来源模板:Template Module Linux CPU by Zabbix agent 内存(memory)来源模板:Template Module Linux memory by Zabbix agent 磁盘空间(disk) 数据来源:Get /proc/diskstats 监控项原型&am…

【小5聊】ElementUI-Vue3-TS项目简单创建

vue2升级到vue3,不管任何框架,升级总有它改进的地方和原因,否则升级就毫无意义,技术变化日新月异,必须保持与时俱进,否则就很容易在技术的浪潮中被淘汰! vue3相比以前版本,最大一个变…

PyTorch笔记 - Normalization Layer (Batch\Layer\Instance\Group\Weight)

欢迎关注我的CSDN:https://blog.csdn.net/caroline_wendy 本文地址:https://blog.csdn.net/caroline_wendy/article/details/128416962 Normalization in NN: Batch Normalization: per channel across mini-batchtorch.nn.BatchNorm1d / torch.nn.BatchNorm2dLayer Normaliz…

Hive+Spark离线数仓工业项目--数仓维度层DWS层构建(1)

维度建模回顾:建模流程 目标:掌握维度建模的建模流程 实施 step1-需求调研:业务调研和数据调研 - 了解整个业务实现的过程 - 收集所有数据使用人员对于数据的需求 - 整理所有数据来源 step2-划分主题域:面向业务将业务…

盘点五款免费在线进销存系统

本文将介绍:1、五款好用的免费在线进销存系统;2、如何选择进销存软件 免费进销存是企业尝试使用进销存软件的开端,只有尝试之后,才能知道这款软件是否适合本企业的发展。然而,免费购买、销售和库存管理软件并不能用几个…

华为开源自研AI框架昇思MindSpore数据处理:性能优化

目录一、环境准备1.进入ModelArts官网2.使用CodeLab体验Notebook实例二、下载数据集三、数据加载性能优化四、shuffle性能优化五、数据增强性能优化六、操作系统性能优化七、自动数据加速八、数据异构加速数据是整个深度学习中最重要的一环,因为数据的好坏决定了最终…

基于C语言学生信息教务管理系统编程设计含科目、总分、平均分

一.实现功能 1.从键盘添加学生信息 2.从文件添加学生信息 3.显示学生信息到屏幕 4.显示学生信息到文件 5.删除学生信息 6.插入学生信息 7.查找学生信息 8.成绩排名 选1录信息 输入五个人信息 选3 选7查找信息 选2,导入文件 导完显示信息,但是中文有…

国产软件不背黑锅,4款强大又实用的电脑软件,用了舍不得卸载

国产软件常背黑锅“流氓、付费、广告多”,然而有些小众软件却非常良心强大,实在不该被牵连。 1、电脑图像工具箱 这是一个极其好用的图片处理百宝工具箱,完全免费无广告,集成工具超百个,功能包括:图像处理、…

洛谷千题详解 | P1027 [NOIP2001 提高组] Car 的旅行路线【C++语言】

博主主页:Yu仙笙 专栏地址:洛谷千题详解 目录 题目描述 输入格式 输出格式 输入输出样例 解析: 0.0.题意: 1.1.建图 2.2.最短路 C源码: C源码2: C源码3: ------------------------------------------------…

离散数学实践二编程判断关系R的性质【java实现】

文章目录实验要求思路完整代码结果展示实验要求 判断关系 R 是否为自反关系 实验类型:设计性实验目的 通过算法设计并编程实现对给定集合上的关系是否为自反关系的判断,加深学生对关系性质的理解,掌握用矩阵来判断关系性质的方法。 实验内容…

【Python】沃罗诺伊图 | KNN 最邻近算法 | Voronoi 函数

猛戳!跟哥们一起玩蛇啊 👉 《一起玩蛇》🐍 写在前面:上一章我们介绍了介计算几何领域的德劳内三角剖分,我们提到过关于点集的很多种几何图都与德劳内三角剖分密切相关,其中最具代表的就是我们本章要介绍的 …

运营商展望来年再提2B市场,然而拯救4G/5G业务的都是手机用户

2022年即将结束,各个行业都开始进行年终盘点并对来年的业务进行规划,三大运营商也对此进行了展望,媒体报道指运营商对来年的发展偏向于2B市场,这已不是它们第一次提偏重企业市场了,然而现实来看拯救这些运营商的其实一…

详解SpringBean的作用域(Scopes)

文章目录一、SpringBean作用域总览二、"singleton" Bean作用域三、"prototype" Bean作用域1、验证singleton、prototype类型的Bean2、总结四、"request" Bean作用域1、配置2、简介五、"session" Bean作用域1、配置2、简介3、总结sessi…

《哈希表》

【一】哈希概念 顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较,顺序查找时间的复杂度为O(N),平衡树中为树的高度,即O(log2N),搜索的效率取决于搜…

JavaWeb技术栈概述

1.1 Web概述 Web是全球广域网,也称为万维网(www),能够通过浏览器访问的网站。 在我们日常的生活中,经常会使用浏览器去访问百度、京东、传智官网等这些网站,这些网站统称为Web网站。如下就是通过浏览器访问…

实验三 第四章 MongoDB 副本集

一、实验目的: 了解MongoDB副本集 熟悉MongoDB副本集成员 掌握MongoDB副本集部署 掌握MongoDB副本集操作 理解副本集机制 二、实验环境: 一台win10系统的笔记本电脑 三、实验内容: 4.3部署副本集 4.3.1环境准备 创建的三台虚拟机配置如下&a…

python中的split()、rsplit()、splitlines()用法比较

1 split() 从左向右切割2 rsplit() 从右向左分割3 splitlines() 根据换行符切割4 rsplit()妙用split(分隔符,分割几次)从左向右寻找,分割元素并放入列表中,该分隔符丢弃; rsplit(分隔符,分割几次)从右向左寻找&#x…

算法的复杂性分析

算法的复杂性分析 文章目录算法的复杂性分析0、 算法评价的基本原则1、影响程序运行时间的因素2、算法复杂度2.1 算法的时间复杂度2.2 渐进表示法2.2.1 运行时间的上界2.2. 运行时间的下界2.2.3 运行时间的准确界3、总结4、参考0、 算法评价的基本原则 评价一个算法的好坏实际就…