此文章是尝试将 面向开发人员的 ChatGPT 提示词教程中文版的提示词直接在 ChatGPT 中的执行，查看执行的效果。

1. 指南

1-1. 提示的指南

在本课中，你将练习两个提示原则及其相关策略，以便为大型语言模型编写有效的提示语。

1-2. 配置

直接在 ChatGPT 中执行，不需要配置。

1-3. 提示语原则

• 原则 1: 写出清晰而具体的指示(Write clear and specific instructions)

• 原则 2: 给模型 "思考 "的时间(Give the model time to “think”)

原则 1: 写出清晰而具体的指示

技巧 1: 使用分隔符来清楚地表明输入的不同部分

• 分隔符可以是任何东西，例如: ```, """, < >, <tag> <\tag>, :

示例代码，

text = f"""
你应该通过提供尽可能清晰和具体的指令来表达你希望模型做什么。\
这将引导模型走向所需的输出，并减少收到不相关或不正确响应的机会。\
不要把写一个清晰的提示和写一个短的提示混为一谈。\
在许多情况下，较长的提示为模型提供了更多的清晰度和背景，\
这可以导致更详细和相关的输出。
"""
prompt = f"""
将由三个反斜线划定的文本总结为一句话。
```{text}```
"""

输出结果如下，

技巧 2: 要求提供结构化的输出

• JSON, HTML

示例代码，

prompt = f"""
生成一个包含三个编造的书名及其作者和流派的列表。\
以JSON格式提供，键值如下：
book_id, title, author, genre。
"""

输出结果如下，

技巧 3: 要求模型检查条件是否得到满足

示例代码 1，

text_1 = f"""
泡一杯茶很容易！\
首先，你需要让一些水沸腾。\
在这过程中，拿起一个杯子，把茶包放进去。\
一旦水足够热，就把它倒在茶包上。\
让茶叶浸泡一会儿。\
几分钟后，取出茶包。\
如果你喜欢，你可以加入一些糖或牛奶来调味。\
就这样 你就可以享受到一杯美味的茶了。
"""
prompt = f"""
你将得到由三引号划定的文本。\
如果它包含一连串的指令，请按以下格式重写这些指令：

第1步 - ...
第2步 - ...
...
第N步 - ...

如果该文本不包含指令序列，那么只需写上 "未提供步骤"。

\"\"\"{text_1}\"\"\"
"""

输出结果如下，

示例代码 2，

text_2 = f"""
今天阳光明媚，鸟儿在歌唱。
这是一个去公园散步的好日子。
鲜花盛开，树木在微风中轻轻摇曳。
人们都出来走动，享受这美好的天气。
一些人正在野餐，而另一些人正在玩游戏，或只是在草地上放松。
这是一个完美的日子，可以花时间在户外，欣赏大自然的美丽。
"""
prompt = f"""
你将得到由三引号划定的文本。\
如果它包含一连串的指令，请按以下格式重写这些指令：

第1步 - ...
第2步 - ...
...
第N步 - ...

如果该文本不包含指令序列，那么只需写上 "未提供步骤"。

\"\"\"{text_2}\"\"\"
"""

输出结果如下，

技巧 4: "少许样本"提示

举出完成任务的成功例子，然后要求模型执行任务。

示例代码，

prompt = f"""
你的任务是以一致的风格来回答。

<孩子>：教我耐心。

<祖父母>：雕琢最深山谷的河流从一个小小的泉眼流过；\
最宏伟的交响乐源于一个音符；最复杂的织锦从一根线开始。

<孩子>：教我如何坚韧不拔。
"""

输出结果如下，

不是预期的效果，直接通过代码执行的结果如下。

<祖父母>：坚韧不拔的力量来自于内心的信念和毅力。要有目标，有计划，有毅力，不断努力，不轻易放弃，才能走向成功的道路。

原则 2: 给模型 "思考 "的时间

技巧 1: 具体说明完成一项任务所需的步骤

示例代码，

text = f"""
在一个迷人的村庄里，杰克和吉尔兄妹开始了从山顶水井取水的征程。
当他们欢快地唱着歌爬上山顶时，不幸发生了--杰克被一块石头绊倒，\
翻下山去，吉尔也跟着摔倒。
虽然受了点伤，但两人还是在安慰的怀抱中回到了家。
尽管发生了意外，他们的冒险精神仍然没有受到影响，他们继续愉快地探索。
"""
# example 1
prompt_1 = f"""
执行以下操作： 
1 - 用1个句子总结以下由三个反斜线划定的文本。
2 - 将摘要翻译成日文。
3 - 在日文摘要中列出每个名字。
4 - 输出一个json对象，包含以下内容 \
keys: japanese_summary, num_names.

用换行符把你的答案分开。

Text:
```{text}```
"""

输出结果如下，

要求以指定的格式输出，

示例代码，

text = f"""
在一个迷人的村庄里，杰克和吉尔兄妹开始了从山顶水井取水的征程。
当他们欢快地唱着歌爬上山顶时，不幸发生了--杰克被一块石头绊倒，\
翻下山去，吉尔也跟着摔倒。
虽然受了点伤，但两人还是在安慰的怀抱中回到了家。
尽管发生了意外，他们的冒险精神仍然没有受到影响，他们继续愉快地探索。
"""

prompt_2 = f"""
你的任务是执行以下行动： 
1 - 用1个句子总结以下以<>为界的文字。
2 - 将摘要翻译成日文。
3 - 列出日文摘要中的每个名字。
4 - 输出一个json对象，包含以下键：japanese_summary, num_names。

使用以下格式：
文本： <要总结的文本>
摘要： <摘要>
翻译： <摘要翻译>
名称： <日文摘要中的名字列表>
输出JSON：<json格式的summary 和 num_names>

Text: <{text}>
"""

输出结果如下，

技巧 2: 在匆忙得出结论之前，要求模型自己解决问题

示例代码，

prompt = f"""
判断该学生的解决方案是否正确。

问题：
我正在建造一个太阳能发电装置，我需要帮助解决财务问题。
- 土地成本为100美元/平方英尺
- 我可以以250美元/平方英尺的价格购买太阳能电池板
- 我协商了一份维护合同，每年的费用为10万美元，另外每平方英尺10美元。
第一年运营的总成本是多少，与平方英尺数的关系是什么。

学生的解决方案：
设x为安装的面积，单位为平方英尺。
成本：
1. 土地成本：100x
2. 太阳能电池板成本：250x
3. 维护费用：100,000 + 100x
总成本：100x + 250x + 100,000 + 100x = 450x + 100,000
"""

输出结果如下，

请注意，这个学生的解决方案实际上是不正确的。

我们可以通过指示模型先算出自己的解决方案来解决这个问题。

示例代码，

prompt = f"""
你的任务是确定该学生的解决方案是否正确。

要解决这个问题，请做以下工作：
- 首先，找出你自己的解决方案。
- 然后将你的方案与学生的方案进行比较，评估学生的方案是否正确。\
在你自己做完这个问题之前，不要决定学生的解决方案是否正确。

使用以下格式：

问题：
```#
这里的问题
```#

学生的解决方案：
```#
学生的解决方案在这里
```#

实际的解决方案：
```#
解决问题的步骤和你的解决方案在这里
```#

学生的解决方案是否与刚才计算的实际解决方案相同：
```#
是或不是
```#

学生的成绩：
```#
正确或不正确
```#

问题：
```#
我正在建造一个太阳能发电装置，我需要帮助解决财务问题。
- 土地成本为100美元/平方英尺
- 我可以以250美元/平方英尺的价格购买太阳能电池板。
- 我谈好了一份维护合同，每年的费用为10万美元，另外每平方英尺增加10美元。
运营第一年的总成本是多少，与平方英尺的数量成正比。
```#

学生的解决方案：
```#
设x为安装的面积，单位为平方英尺。
成本：
1. 土地成本：100x
2. 太阳能电池板成本：250x
3. 维护费用：100,000 + 100x
总成本：100x + 250x + 100,000 + 100x = 450x + 100,000
```#
"""

输出结果如下，

最终 ChatGPT 给出了正确的答案，也就是这个学生的解决方案实际上是不正确的。

模型的局限性: 幻觉

Boie是一家真正的公司，产品名称并不真实。

代码示例，

prompt = f"""
告诉我关于 Boie 公司 AeroGlide UltraSlim Smart Toothbrush 的信息 
"""

输出结果如下，

2. 迭代式

2-1. 迭代式提示语开发

在本课中，你将反复分析和完善你的提示，从产品说明书中生成营销文案。

2-2. 配置

直接在 ChatGPT 中执行，不需要配置。

2-3. 从产品概况表中生成营销产品描述

示例代码，

fact_sheet_chair = """
概述
- 这是一个美丽的中世纪办公家具系列的一部分，包括文件柜、办公桌、书柜、会议桌等等。
- 有多种外壳颜色和底座表面处理可供选择。
- 可提供10种布料和6种皮革选择的塑料背和前软垫（SWC-100）或全软垫（SWC-110）。
- 底座表面处理选项有：不锈钢、亚光黑、亮白或铬。
- 椅子有带或不带扶手可供选择。
- 适用于家庭或商业环境。
- 符合合同使用条件。

构造
- 5轮塑料涂层铝制底座。
- 椅子的气动调节装置，可以方便地提升/降低动作。

尺寸
- 宽度 53 cm | 20.87
- 深度 51 cm | 20.08
- 高度80厘米 | 31.50"
- 座椅高度 44 cm | 17.32
- 座椅深度 41 cm | 16.14

选项
- 软地板或硬地板的脚轮选择。
- 座椅泡沫密度有两种选择： 
 中等（1.8磅/立方英尺）或高（2.8磅/立方英尺）。
- 无臂或8位PU扶手 

材料
外壳底座滑翔机
- 铸铝，带有改性尼龙PA6/PA66涂层。
- 外壳厚度：10毫米。
座椅
- HD36泡沫

原产国
- 意大利
"""

prompt = f"""
你的任务是帮助一个营销团队在技术说明书的基础上为一个零售网站创建一个产品描述。

根据用三个反斜线划定的技术说明书中提供的信息，写出一份产品描述。

技术说明书： ```{fact_sheet_chair}```
"""

输出结果如下，

2-4. 问题 1: 文本太长

• 限制单词/句子/字符的数量

示例代码，

prompt = f"""
你的任务是帮助一个营销团队在技术说明书的基础上为一个零售网站创建一个产品描述。

根据用三个反斜线划定的技术说明书中提供的信息，写出一份产品描述。

最多使用50个字。

技术说明书：```{fact_sheet_chair}```
"""

输出结果如下，

2-5. 问题 2: 文本集中在错误的细节上

• 要求它把重点放在与目标受众相关的方面

示例代码，

prompt = f"""
你的任务是帮助一个营销团队在技术说明书的基础上为一个零售网站创建一个产品描述。

根据用三个反斜线划定的技术说明书中提供的信息，写出一份产品描述。

描述是为家具零售商准备的，所以应该是技术性的，重点是产品的结构材料。

最多使用50个字。

技术说明书： ```{fact_sheet_chair}```
"""

输出结果如下，

示例代码，

prompt = f"""
你的任务是帮助一个营销团队在技术说明书的基础上为一个零售网站创建一个产品描述。

根据用三个反斜线划定的技术说明书中提供的信息，写出一份产品描述。

描述是为家具零售商准备的，所以应该是技术性的，重点是产品的结构材料。

在描述的最后，包括技术规范中的每一个7个字符的产品ID。

最多使用50个字。

技术说明书：  ```{fact_sheet_chair}```
"""

输出结果如下，

2-6. 问题 3. 描述需要一个维度的表格

• 要求它提取信息并将其组织在一个表格中

示例代码，

prompt = f"""
你的任务是帮助一个营销团队在技术说明书的基础上为一个零售网站创建一个产品描述。

根据用三个反斜线划定的技术说明书中提供的信息，写出一份产品描述。

描述是为家具零售商准备的，所以应该是技术性的，重点是产品的结构材料。

在描述的最后，包括技术规范中的每一个7个字符的产品ID。

在描述之后，包括一个表格，给出产品的尺寸。该表应该有两列。
在第一栏中，包括尺寸的名称。
在第二栏中，仅包括以英寸为单位的测量值。

给该表起名为 "产品尺寸"。

将所有内容都格式化为可在网站上使用的HTML。

将描述放在一个<div>元素中。

技术说明书：  ```{fact_sheet_chair}```
"""

输出结果如下，

2-7. 加载 Python 库以查看 HTML

示例代码，

response = """
上面回复的内容
"""

from IPython.display import display, HTML
display(HTML(response))

输出结果如下，

3. 归纳总结

3-1. 归纳总结

在本课中，你将对文本进行总结，重点是特定的主题。

3-2. 配置

直接使用 ChatGPT，不需要配置。

3-3. 归纳的文本

示例代码，

请只回复“好的”，不要说任何其他内容。

prod_review = """
为我女儿的生日买了这个熊猫毛绒玩具，她很喜欢它，带着它到处跑。
它很柔软，超级可爱，而且它的脸看起来很友好。
不过对于我的花费来说，它有点小。
我想可能有其他选择，同样的价格，更大的。
它比预期早到一天，所以我在给她之前自己玩了一下。
"""

3-4. 用字/句/字数限制进行总结

示例代码，

请以正常方式回复。

prompt = f"""
你的任务是对一个电子商务网站的产品评论生成一个简短的摘要。

对下面用三个反斜线分隔的评论进行总结，最多 30 个字。

评论：```{prod_review}```
"""

输出结果如下，

3-5. 以运输和交付为重点进行总结

示例代码，

prompt = f"""
你的任务是对一个电子商务网站的产品评论生成一个简短的摘要。

对下面用三个反斜线分隔的评论进行总结，最多 30 个字，\
并专注于提到产品运输和交付的任何方面。

评论：```{prod_review}```
"""

输出结果如下，

3-6. 总结时注重价格和价值

示例代码，

prompt = f"""
你的任务是为一个电子商务网站的产品评论生成一个简短的摘要，
以反馈给负责确定产品价格的定价部门。

对下面用三个反斜线分隔的评论进行总结，最多 30 个字，\
并专注于与价格和感知价值有关的任何方面。

评论：```{prod_review}```
"""

输出结果如下，

3-7. 尝试 “提取” 而不是 “总结”

示例代码，

prompt = f"""
你的任务是对一个电子商务网站的产品评论生成一个简短的摘要。

从下面用三个反斜线分隔的评论中提取与运输和交货有关的信息，
最多 30 个字。

评论：```{prod_review}```
"""

输出结果如下，

3-8. 总结多个产品评论

示例代码，

review_1 = prod_review 

# review for a standing lamp
review_2 = """
我的卧室需要一盏漂亮的灯，这盏灯有额外的存储空间，而且价格不高。
买得很快--2天就到了。
在运输过程中，灯的绳子断了，公司很高兴地送来了一个新的。
也是在几天内送到的。它很容易装起来。
然后我发现缺少一个零件，于是我联系了他们的支持部门，
他们很快就给我找到了缺少的零件！
在我看来，这是一家关心客户和产品的伟大公司。
"""

# review for an electric toothbrush
review_3 = """
我的牙科保健师推荐了一个电动牙刷，这就是我买这个的原因。
到目前为止，电池寿命似乎相当可观。
初次充电后，第一周让充电器插着以调节电池，我已经拔掉了充电器，
在过去3周里每天用它刷两次牙，都是用同一次充电。
但是牙刷头太小了。
我见过的婴儿牙刷比这个大。
我希望牙刷头能更大，有不同长度的刷毛，
以便更好地进入牙齿之间，因为这个牙刷没有。
总的来说，如果你能在50美元左右买到这支牙刷，那就很划算。
制造商的替换头相当昂贵，但你可以得到价格更合理的通用头。
这把牙刷让我感觉每天都在看牙医。我的牙齿感觉闪闪发光的干净! 
"""

# review for a blender
review_4 = """
所以，他们在11月仍有17件套系统的季节性销售，价格约为49美元，
大约是半价，但由于某种原因（称之为价格欺诈），
在12月的第二周，同一系统的价格都涨到了约70-89美元之间。
因此，它看起来还不错，但如果你看一下底座，
刀片锁定的部分看起来没有几年前的版本那么好，
但我打算对它非常温柔 \
（例如，我把非常硬的东西，如豆子、冰块、大米等，先在搅拌机中粉碎，
然后再粉碎。例如，我先在搅拌器中粉碎非常坚硬的物品，
如豆类、冰块、大米等，然后在搅拌器中把它们粉碎成我想要的大小
，再换成打发刀片来制作更细的面粉，制作冰沙时先使用横切刀片，
如果我需要更细/更少的浆状，就使用平切刀片）。
制作冰沙时的特别提示，将水果和蔬菜切得很细并冷冻起来 \
（如果使用菠菜--轻度炖软菠菜，然后冷冻直到准备使用--如果制作冰沙，
使用中小型食品加工机）。 
如果你打算使用这种方式，你可以避免在制作冰沙时加入那么多冰块。
大约一年后，电机发出了奇怪的噪音。我给客户服务部打电话，
但保修期已经过了，所以我不得不再买一台。
参考：这类产品的整体质量已经下降，
所以他们有点指望品牌知名度和消费者忠诚度来维持销售。
大约两天后就收到了。
"""

reviews = [review_1, review_2, review_3, review_4]

for i in range(len(reviews)):
    prompt = f"""
    你的任务是对一个电子商务网站的产品评论生成一个简短的摘要。

    对下面用三个反斜线划定的评论进行总结，最多 20 个字。

    评论：  ```{reviews[i]}```
    """

    response = get_completion(prompt)
    print(i, response, "\n")

输出结果如下，

4. 推断

4-1. 推断

在本课中，你将从产品评论和新闻文章中推断出情绪和主题。

4-2. 配置

直接使用 ChatGPT，不需要配置。

4-3. 产品评论内容

示例代码，

请只回复“好的”，不要说任何其他内容。

lamp_review = """
我的卧室需要一盏漂亮的灯，这盏灯有额外的存储空间，价格也不高。
很快就收到了。 
我们的灯的绳子在运输过程中断了，公司很高兴地送来了一个新的。
也是在几天内送到的。它很容易装起来。 
我有一个缺失的部分，所以我联系了他们的支持，
他们很快就给我弄到了缺失的部分！！
在我看来，Lumina是一家伟大的公司，它关心他们的客户和产品！
"""

4-4. 情感（正面/负面）

示例代码，

请以正常方式回复。

prompt = f"""
下面的产品评论是以三条反斜线为界限的，它的情绪是什么？

评论文本：'''{lamp_review}'''
"""

输出结果如下，

示例代码，

prompt = f"""
下面的产品评论是以三条反斜线为界限的，它的情绪是什么？

用一个词来回答，可以是 "正面"，也可以是 "负面"。

评论文本：'''{lamp_review}'''
"""

输出结果如下，

4-5. 识别情感的类型

示例代码，

prompt = f"""
找出以下评论的作者所表达的情感清单。
列表中包括不超过五个项目。
将你的答案格式化为由逗号隔开的小写单词列表。

评论文本：'''{lamp_review}'''
"""

输出结果如下，

4-6. 识别愤怒

示例代码，

prompt = f"""
以下评论的作者是在表达愤怒吗？
该评论用三个反斜线划定。
请给出您的答案，是或不是。

Review text: '''{lamp_review}'''
"""

输出结果如下，

4-7. 从客户评论中提取产品和公司名称

示例代码，

prompt = f"""
从评论文本中找出以下物品： 
- 评论者购买的物品
- 制造该物品的公司

该评论以三条反斜线为界。
将你的回应格式化为JSON对象，以 "项目 "和 "品牌 "为键。
如果该信息不存在，使用 "未知 "作为值。
使你的回应尽可能简短。
  
评论文本：'''{lamp_review}'''
"""

输出结果如下，

4-8: 一次性完成多项任务

示例代码，

prompt = f"""
从评论文本中找出以下项目： 
- 情绪（积极或消极）
- 评论者是否在表达愤怒？(真或假)
- 评论者购买的物品
- 制造该物品的公司

评论是以三条反斜线为界的。
将您的回复格式化为JSON对象，以 "情绪"、"愤怒"、"物品 "和 "品牌 "为键。
如果信息不存在，使用 "未知 "作为值。
使你的响应尽可能的短。
将 "愤怒 "的值格式化为一个布尔值。

评论文本： '''{lamp_review}'''
"""

输出结果如下，

4-9: 推断主题

示例代码，

请只回复“好的”，不要说任何其他内容。
之后，请以正常方式回复。

story = """
在政府最近进行的一项调查中，
公共部门的雇员被要求对他们所工作的部门的满意程度进行评分。
结果显示，美国国家航空航天局是最受欢迎的部门，满意度为95%。

美国国家航空航天局的一名员工约翰-史密斯对调查结果发表了评论，
他说："我对美国国家航空航天局名列前茅并不感到惊讶。
这是一个伟大的工作场所，有了不起的人和难以置信的机会。
我很自豪能成为这样一个创新组织的一部分。"

这一结果也受到美国国家航空航天局管理团队的欢迎，
局长汤姆-约翰逊说：
"我们很高兴听到我们的员工对他们在美国国家航空航天局的工作感到满意。
我们有一个才华横溢、尽职尽责的团队，他们为实现我们的目标而不懈努力，
看到他们的努力工作得到了回报，这真是太棒了"。

调查还显示，社会安全局的满意度最低，
只有45%的员工表示他们对自己的工作感到满意。
政府已承诺解决员工在调查中提出的问题，并努力提高所有部门的工作满意度。
"""

4-10. 推断出5个主题

示例代码，

prompt = f"""
确定在以下文本中讨论的五个主题。下面的文字是由三个反斜线划定的。

使每个项目有一到两个句子的长度。

将你的回答格式化为用逗号分隔的项目列表。

文本样本： '''{story}'''
"""

输出结果如下，

示例代码，

response 是上面的回复。
response.split(sep=',')

输出结果如下，

4-11. 为某些主题制作新闻提醒

示例代码，

请只回复“好的”，不要说任何其他内容。

topic_list = [
     "NASA", "地方政府", "工程", "员工满意度", "联邦政府"
]

示例代码，

请以正常方式回复。

prompt = f"""
判断下面的主题列表中的每一项是否是下面文本中的一个主题，
该文本用三条反斜线划定。

以列表的形式给出你的答案，每个主题的答案为0或1。

主题清单: {", ".join(topic_list)}

文本样本: '''{story}'''
"""

输出结果如下，

示例代码，

topic_dict = {i.split(' - ')[0]: int(i.split(' - ')[1]) for i in response.split(sep='\n')}
if topic_dict['1. NASA'] == 1:
    print("ALERT: New NASA story!")

输出结果如下，

5. 转化

5-1. 转化

在本课中，我们将探讨如何将大型语言模型用于文本转换任务，如语言翻译、拼写和语法检查、语气调整和格式转换。

5-2. 配置

直接使用 ChatGPT，不需要配置。

5-3. 翻译

ChatGPT是用许多语言的来源进行训练的。这使得该模型有能力进行翻译。下面是一些如何使用这种能力的例子。

示例代码，

prompt = f"""
将以下英文文本翻译成中文: \ 
```Hi, I would like to order a blender```
"""

输出结果如下，

示例代码，

prompt = f"""
告诉我这是哪种语言: 
```Combien coûte le lampadaire?```
"""

输出结果如下，

示例代码，

prompt = f"""
将以下文字翻译成法语、西班牙语和中文: \
```I want to order a basketball```
"""

输出结果如下，

示例代码，

prompt = f"""
将以下文字以正式和非正式的形式翻译成日语: 
'Would you like to order a pillow?'
"""

输出结果如下，

5-4. 语气转换

写作可以根据目标受众而变化。ChatGPT可以产生不同的音调。

示例代码，

prompt = f"""
将以下内容从俚语翻译成商业信函: 
'Dude, This is Joe, check out this spec on this standing lamp.'
"""

输出结果如下，

5-5. 格式转换

ChatGPT可以在不同格式之间进行翻译。提示应该描述输入和输出的格式。

示例代码，

data_json = { "resturant employees" :[ 
    {"name":"Shyam", "email":"shyamjaiswal@gmail.com"},
    {"name":"Bob", "email":"bob32@gmail.com"},
    {"name":"Jai", "email":"jai87@gmail.com"}
]}

prompt = f"""
将下面的python字典从JSON翻译成带有列头和标题的HTML表格: {data_json}
"""

输出结果如下，

5-7. 拼写检查/语法检查

下面是一些常见的语法和拼写问题的例子以及LLM的反应。

为了向LLM发出信号，表明你希望它校对你的文本，你可以指示模型 “校对” 或 “校对和纠正”(‘proofread’ or ‘proofread and correct’)。

示例代码，

请只回复“好的”，不要说任何其他内容。在这之后，请以正常方式回复。

text = [ 
  "The girl with the black and white puppies have a ball.",  # The girl has a ball.
  "Yolanda has her notebook.", # ok
  "Its going to be a long day. Does the car need it’s oil changed?",  # Homonyms
  "Their goes my freedom. There going to bring they’re suitcases.",  # Homonyms
  "Your going to need you’re notebook.",  # Homonyms
  "That medicine effects my ability to sleep. Have you heard of the butterfly affect?", # Homonyms
  "This phrase is to cherck chatGPT for speling abilitty"  # spelling
]
for t in text:
    prompt = f"""Proofread and correct the following text
    and rewrite the corrected version. If you don't find
    and errors, just say "No errors found". Don't use 
    any punctuation around the text:
    ```{t}```"""
    response = ChatGPT的回复
    print(response)

输出结果如下，

示例代码，

text = f"""
Got this for my daughter for her birthday cuz she keeps taking \
mine from my room.  Yes, adults also like pandas too.  She takes \
it everywhere with her, and it's super soft and cute.  One of the \
ears is a bit lower than the other, and I don't think that was \
designed to be asymmetrical. It's a bit small for what I paid for it \
though. I think there might be other options that are bigger for \
the same price.  It arrived a day earlier than expected, so I got \
to play with it myself before I gave it to my daughter.
"""
prompt = f"proofread and correct this review: ```{text}```"
response = ChatGPT的回复
print(response)

输出结果如下，

6. 展开

6-1. 展开

在这一课中，你将根据每个客户的评论来生成客户服务电子邮件。

6-2. 配置

由于直接使用 ChatGPT，所以不需要配置。

6-3. 自定义对客户电子邮件的自动回复

示例代码，

请只回复“好的”，不要说任何其他内容。在这之后，请以正常方式回复。

# 给出 "推断 "一课中的情绪，以及客户的原始信息，定制电子邮件
sentiment = "负面"

# 搅拌器的评论
review = f"""
因此，他们在11月仍有17件系统的季节性销售，价格约为49美元，
约为半价，但由于某种原因（称之为价格欺诈），
在12月的第二周，同一系统的价格都涨到了约70-89美元之间的地方。
因此，它看起来还不错，但如果你看一下底座，
刀片锁定的部分看起来没有几年前的版本那么好，
但我打算对它非常温柔
（例如，我把非常硬的东西，如豆子、冰块、大米等，先在搅拌机中粉碎，
然后再粉碎。例如，我先在搅拌器中粉碎非常坚硬的物品，
如豆类、冰块、大米等，然后在搅拌器中把它们粉碎成我想要的大小，
再换成打发刀片来制作更细的面粉，制作冰沙时先使用横切刀片，
如果我需要更细/更少的浆状，就使用平切刀片）。
制作冰沙时的特别提示，将水果和蔬菜切得很细并冷冻起来
（如果使用菠菜--轻度炖软菠菜，然后冷冻直到准备使用--如果制作冰沙，
使用中小型食品加工机）。
如果你打算使用这种方式，
你可以避免在制作冰沙时加入那么多冰块。
大约一年后，电机发出了奇怪的噪音。
我给客户服务部打电话，但保修期已经过了，
所以我不得不再买一台。
参考：这类产品的整体质量已经下降，
所以他们有点指望品牌知名度和消费者忠诚度来维持销售。
大约两天后就收到了。
"""

示例代码，

prompt = f"""
你是一个客户服务的AI助理。
你的任务是给一个有价值的客户发送电子邮件回复。
给出以"```"为界的客户电子邮件，生成一个回复以感谢客户的评论。
如果情绪是积极的或中性的，感谢他们的评论。
如果评价是负面的，则表示歉意，并建议他们可以联系客服人员。
确保使用评论中的具体细节。
用简明和专业的语气来写。
在电子邮件中署名为 "AI客户代理"。
Customer review: ```{review}```
Review sentiment: {sentiment}
"""

输出结果如下，

尊敬的客户，

非常感谢您对我们产品的评论。我们非常抱歉您在使用过程中遇到了问题。我们理解您的不满和失望，并为此向您道歉。

我们建议您联系我们的客服人员，以便我们能够更好地了解您的问题，并为您提供更好的解决方案。我们将竭尽全力为您提供最好的服务，以确保您的满意度。

再次感谢您对我们产品的支持和反馈。

祝您一切顺利！

AI客户代理

6-4. 提醒模型使用客户电子邮件中的详细信息

示例代码，

prompt = f"""
你是一个客户服务的AI助理。
你的任务是给一个有价值的客户发送电子邮件回复。
给出以"```"为界的客户电子邮件，生成一个回复以感谢客户的评论。
如果情绪是积极的或中性的，感谢他们的评论。
如果评价是负面的，则表示歉意，并建议他们可以联系客服人员。
确保使用评论中的具体细节。
用简明和专业的语气来写。
在电子邮件中署名为 "AI客户代理"。
Customer review: ```{review}```
Review sentiment: {sentiment}
"""
response = get_completion(prompt, temperature=0.7)
print(response)

输出结果如下，

尊敬的客户，

非常感谢您分享您的经验和反馈，我很遗憾听到您的不满。
我们对我们的产品的品质非常注重，我们感到非常抱歉，您的搅拌机出现问题。
由于您的保修期已过，我们建议您联系我们的客户服务团队，以便他们能够为您提供更多的帮助和支持。
如果您需要任何进一步的帮助或支持，请随时联系我们。

谢谢您的支持和反馈。

AI客户代理

完结！

refer: https://learn.deeplearning.ai/