ChatGPT 提問祕訣：從新手到專家，解析AI對話的科學技巧

學會提示工程(Prompt Engineering) 的目的，就是”讓 AI 的輸出結果可控，而非隨機開盲盒“——你可以以特定的方式，讓AI做你想要他做的事情。

決定 ChatGPT 對話成功的關鍵因素在於啟動和引導對話時的「提示語品質」—— 清晰簡潔的提示語有助於保持對話在正軌上，相反的，虛無飄渺或是過於籠統的提示語會讓 ChatGPT 不知如何回答，從而導致對話脫節或缺乏焦點，讓你只能得到模糊的答案。

比如，很多人在使用 ChatGPT 時，是把他當作是肚子裡的蛔蟲，特別喜歡問這樣的問題:

“幫我寫一篇演講稿。”

結果，ChatGPT就生成了一篇文句通順但內容全是瞎編的文章，提問者看過後，就搖搖頭，”這演講稿不能用啊，還不如我自己打的呢!”。

但是，ChatGPT他只是個語言模型而已，他擅長的是根據前後文，把文字接著寫下去。所以說，你要講什麼內容，受眾的屬性，以及你演講的風格都要在提試語中告知，這樣結果才能滿足你的需要。

就像任何的工具一樣，一個新工具的誕生一定會極大的降低做一件事情的門檻，但是這不代表你不用去學習這項新工具。像是紙和筆當然比在時頭上雕刻容易多了，但是寫好毛筆字也是需要一定技巧的；照相比油畫容易了不只一個數量級，但也催生了一門叫做攝影的手藝，並不是每個人的攝影技巧都一樣好的。

同理，ChatGPT 這項革命性的新工具也不是任何人都用的好的。你同樣是需要去研究，只有透過學習如何寫好prompt——知道怎麼怎麼提出好問題，才可以獲得比一般人更好的結果。

如何有效地向 ChatGPT 提問?

如果說 ChatGPT 回答答案的原理是「根據你所提出問題的語意和情境，它會在它的數據庫中，來找出下一句出現機率最高的句子」——原則上AI並不理解答案跟問題之間的關係，只知道在它的數據庫中這樣的組合機率是最大的。

那麼，按照AI的規則來問問題，提示語(prompt)的編寫邏輯就很簡單了，關鍵就一點——要怎麼限縮你所提問的語意和情境(縮小範圍可避免模糊答案，所以你要定義好數據庫範圍、規則，只在規則中提問)。

具體可以拆分為兩個層面——【提高它擷取數據庫資料的精度】，以及【問出具體問題】。

這有點不好懂，所以我自己是把它假想為一個情境——你現在是個靈媒，你面前有個提問者，他爸去世了，但還來不及交代保險箱的密碼，所以他想要透過你的招靈來作詢問。

那麼你要做的事情，會區分為幾個步驟，首先，你會向提問者詢問他爸的一些基本訊息(名字，生辰八字之類的)，然後你會去地府招魂，而招到的魂也不是直接就問他問題，而是要做個二次確認，比如先問他一些瑣事——考驗他的記憶，確保沒招錯人。再來，確保是本人後，真要提問時，提問者也要把問題說的具體(什麼地址的房子幾樓裡哪個房間的什麼顏色保險箱的密碼)，並且途中還要多次測試，像是問他說你有沒有聽懂，要不要補充更多信息等等——防止認知有落差，他誤解語意，回答錯誤。

而將上述情境轉換成提問 ChatGPT 的場景的話，那麼步驟可以分為6步:

• 1.給予人設(叫他扮演誰+驗證是否是真的+告訴它這人設有什麼基本特徵)
• 2.給予真問題(具體、明確的問題)
• 3.將其推理過程分解(避免它編造答案)
• 4.正式提問:給予回答規則(告訴它你會丟什麼內容給它，以及它要按什麼格式回答)
• 5.追問(讓它提供更多細節)

給予人設(叫他扮演誰+驗證是否是真的+告訴它這人設有什麼基本特徵)

假設你是餐飲業者好了，那在你這領域中，根據廚師的能力可以區分為米其林主廚、一般五星級大廚、一般餐廳大廚、學徒和初學者對料理完全不懂的……

而這些能力值的記憶資料全都儲存在ChatGPT的資料庫中，你的目的就是要召喚出這些資料來回答你的問題。

那當然，要回答問題時，你會想找三星主廚來回答(畢竟他們最懂料理)，尤其最好是「江振誠」本人親自回答——所以你的描述句可以這樣寫: “我要你扮演江振誠來回答我對料理的疑問…..”

通過這樣的敘述，就可以直接調用 ChatGPT 裡的「江振誠資料庫」，來手把手的教你了。

讓 ChatGPT 扮演”群體角色”

Goodside說，訣竅就是對於每個請求，提示工程師都應該向AI灌輸一種「角色」——一種能夠篩選出數千億個潛在解決方案，並確定正確響應的特定角色。

用法如下:

例子1: 導遊

我要你當導遊。我會把我的位置給你，你會建議我附近有什麼可以參觀的地方。在某些情況下，我還會告訴你我將造訪的地方類型。我的第一個命令是“我在台北，我只想參觀博物館。”

例子2：面試官

我想讓你擔任面試官。我將成為候選人，您將向我詢問該職位的面試問題。我希望你只作為面試官回答。不要一次寫出所有的列表。我希望你只對我進行採訪。問我問題，等待我的回答。不要寫解釋。像面試官一樣一個一個問我，等我回答。我的第一句話是“嗨”

那麼，為什麼要以——你「扮演」某一個群體，來作為描述，而不是直接問他問題呢?

關於這點，我去詢問了 ChatGPT，我說：”如果我給你的提示語加上”你扮演一位醫生”和沒加上提示語，分別讓你回答一些比較專業的醫學問題，那會有什麼差別?”

ChatGPT 回答 “如果你給我加上提示語”你扮演一位醫生”，我會以更專業和正式的方式回答問題，針對問題給出更詳盡和精確的答案。我會更注重使用醫學術語，以確保我的回答更加精確和準確。

如果你沒有加上提示語，我會以一種更通俗易懂和普及的方式回答問題。我會盡可能避免使用過於專業的術語，並且用更通俗的語言解釋問題，以確保回答更容易理解。”

根據這點，你可以這樣理解——它的資料庫中分布著大量數據(對這領域精通的，不熟悉的，完全不懂的…..)，如果你沒有先叫它扮演一個目標群眾，他調出的答案就會是全部數據庫裡面找出最大機率的，而給予它扮演目標後，它就會從那些精通者的數據庫裡頭調取——某種程度上是限縮了它調取資料庫的範圍。

給予真問題(具體、明確的問題)

好，當你找到你要調用的目標群體數據庫後，接著你要開始問它問題了。

在這裡有分為兩種模式，一種是套路型的問法(初級問法)，另一種是提出”真問題”的問法。

套路型問法

套路型的問法就是有公式結構的——目的是要重複使用:

這類的詠唱具有相同的結構：首先，告訴它 AI 應該扮演什麼角色。然後提示說明用戶會提供哪些信息，然後是 AI 應該如何處理這些信息，包括粗略的方向建議，最好還能給予例子，輔助AI理解(AI在舉一反三的能力上很強)。最後，你將第一條具體指令放在引號中。(也可以在句尾加上一句「這些規則不需要我再重新說明」，讓它能重複使用。)

套路型問法例子:

我想讓你擔任足球評論員。我會給你描述正在進行的足球比賽，你會評論比賽，分析到目前為止發生的事情，並預測比賽可能會如何結束。您應該了解足球術語、戰術、每場比賽涉及的球員/球隊，並主要專注於提供明智的評論，而不僅僅是逐場敘述。我的第一個請求是“我正在觀看曼聯對切爾西的比賽——為這場比賽提供評論。”

更多例子可參考: ChatGPT Prompt : 各職業詠唱大全(超過100個案例)

真問題問法

什麼叫做真問題?

比如，” 媽媽和老婆同時掉進水裡要先救誰”，這個就是假問題，因為這問題中並沒有給出具體的情境，所以這沒有標準答案。

所謂的真問題是長這樣——你要把其他參考因素也一併寫入，是因為什麼原因掉入水中的、誰離你比較近、關係如何、你國家的社會道德觀長怎樣、現場情況、誰好救、你會游泳嗎、她們會游泳嗎…….只有將具體的前提和前因後果都提供了，能夠限定回答角度，這才叫真問題。

所以說，如果你想要答案越準確，你給予AI的提問也得越準確。你也會發現——把chatGPT用出花的前提是，你自己得有評估能力。如果你本人不是這個領域的專家，提出的問題不在你的常識裡，那你就很難真正問出一個好答案。

給個例子，當你想做健身時，一般人會這樣提問: “我要減肥，我該怎麼做?” ，但這問題就是屬於假問題，因為範圍太大，也不適用於所有人。

而真問題方式的提問應該要具體明確，例如 : “我今年25歲，男性，身高175，體重90公斤，我要減肥，預計在半年內要降低到70公斤，請幫我規劃訓練方案和飲食食譜” ——要有「約束行為」，把回答的範圍縮小，這樣的問題可以引導ChatGPT提供更具體的建議。

將其推理過程分解(避免ChatGPT編造答案)

ChatGPT 和我們人類在很多方面其實相當相似。

比如，它有時不太懂常識，人也是這樣；它算數可能不夠準確，人也一樣（誰能立刻告訴我733乘以818是多少？）；它推理有時候不夠好，人也是如此；有時它會編造答案，人也有這種情況；它思考有時候慢，人也是；它只能理解有限的上下文，人也一樣。

我們在使用 ChatGPT 時，其實並沒有給它真正思考的空間，它沒有像人類一樣能用草稿紙做計算，或者利用”工作記憶”來儲存中間步驟，而是直接給出答案。但是，如果我們能讓它像人類一樣，將一個需要多步推理的問題，分解成一個個子問題，這將有助於提高它的答案質量。

實際上，這個方法已經被證明是有效的，為了提升ChatGPT的回答邏輯性，我們可以通過以下三種方法來改進：思維鏈（Chain of Thought）、提出子問題（Self-Ask）、給出多種方案（Self Consistency)。

這些方法本質上都是引導ChatGPT給出中間的推理步驟，不要直接給結果。(隨著ChatGPT本身邏輯性的提高，如 GPT-4 已經湧現出一定的常識了，有可能直接就能得到很好的答案，而不需要額外使用這方法。)

1.思維鏈(Chain of Thought)

思維鏈的方法主要利用GPT是一個文本預測器的特性——需要盡量保持上下文的連貫性。我們可以透過改寫prompt或者示例的方式引導 ChatGPT 給出中間的推理步驟，而不是直接給出結果。

CoT 主要分為兩種：

• 1. Zero-shot-CoT：在提示詞後面加上 Let’s think step by step（一步一步地思考）
• 2. Chain of Thought：展示一個相似問題的推理過程，告訴 ChatGPT 應該這麼來。

區別是前者沒有給出推理的示例（zero-shot表示0示例），後者給出至少一個示例。

Zero-shot-CoT

Zero-shot-CoT就是在prompt的後面加上”Let’s think step by step“，來引導ChatGPT展示推理過程。

由於AI沒有判別能力，同時還很會唬爛——所以保險起見，你需要設計一個反饋機制，來逐步審核它的推理過程。透過在句尾加這句”讓我們逐步思考.”，讓它按照步驟展示它的推理過程給你看——過程中哪裡沒看懂，也能叫它舉例。

Chain of Thought

Chain of Thought則是先展示一個相似問題的推理過程，然後讓ChatGPT模仿這個過程來回答問題。

在回答前，先展示示例:

Q: 為什麼天空是藍色的？
A:

1. 首先，我們需要理解光的物理特性，光是由許多顏色（或波長）組成的，從紅色到紫色的範圍內。
2. 光通過大氣層時會散射，這稱為瑞利散射。
3. 瑞利散射對短波長的光更有效，例如藍色和紫色。
4. 雖然紫色光也被散射，但人眼對藍色光的敏感度更高，而對紫色光的敏感度較低。
5. 所以，當我們看天空時，它看起來是藍色的。

Q: 冰為什麼會滑?
A:

2.提出子問題（Self-Ask）

有些時候，問題的推理過程可能比較複雜，需要將問題分解成子問題。Self-Ask就是讓GPT根據問題自動提出子問題的方法，要求GPT判斷一個問題是否提出子問題，先解決子問題，再給出最後的答案。

一般詢問: 回答錯誤

客戶諮詢：
我剛在 3 月 1 日從你的 Arnold 系列中買了一件 T 卹。我看到它在打折，所以買了一件原價 30 美元的襯衫，並享受了 40% 的折扣。我看到你們的襯衫有 50% 的新折扣。我想知道我是否可以退回這件襯衫並有足夠的商店信用來購買您的兩件襯衫？

指示：
你是一名客戶服務代理，負責友好地回應客戶的詢問。允許在 30 天內退貨。今天的日期是3月29日。目前所有 T 卹均有 50% 的折扣。您商店的襯衫價格在 18 美元到 100 美元之間。請勿編造有關折扣政策的任何信息。

ChatGPT回答:
感謝您的查詢。很遺憾，由於您是在 3 月 1 日購買的這件襯衫，因此不在我們的 30 天退貨政策範圍內。但是，我們目前對所有 T 卹均有 50% 的折扣，因此您可以使用相同的商店信用額度購買兩件 T 卹。我們襯衫的價格從 18 美元到 100 美元不等。如果您有任何其他問題，請告訴我們。

拆解成子問題再詢問: 回答正確

客戶諮詢： 我剛在 3 月 1 日從你的 Arnold 系列中買了一件 T 卹。 我看到它在打折，所以買了一件原價 30 美元的襯衫，並享受了 40% 的折扣。 我看到你們的襯衫有 50% 的新折扣。 我想知道我是否可以退回這件襯衫並有足夠的商店信用來購買您的兩件襯衫？

指示： 你是一名客戶服務代理，負責友好地回應客戶的詢問。 允許在 30 天內退貨。 今天的日期是3月29日。 目前所有 T 卹均有 50% 的折扣。 您商店的襯衫價格在 18 美元到 100 美元之間。 請勿編造有關折扣政策的任何信息。

在回答詢問之前必須解決哪些子問題？

ChatGPT回答:
1.確定客戶是否在 30 天的退貨窗口內。
2. 計算如果客戶退回襯衫，他們將獲得的商店信用額度。
3. 計算兩件襯衫在當前 50% 折扣下的成本。
4. 確定客戶是否有足夠的商店信用來購買兩件襯衫。

再指示： 確定客戶是否在 30 天的退貨期限內。 讓我們一步一步來。

ChatGPT回答:
是的，客戶在 30 天的退貨期限內。客戶於 3 月 1 日購買了這件襯衫，今天的日期是 3 月 29 日，在 30 天的退貨期限內。因此，客戶有資格退回 T 卹並獲得購買的商店積分。客戶可以使用商店信用以當前 50% 的折扣購買兩件襯衫。

• 資料參考: 增強ChatGPT回答的邏輯性

深津氏泛用Prompt : 建立回答規則(告訴它你會丟什麼內容給它，以及它要按什麼格式回答)

這邊分享日本人整理的「深津氏泛用Prompt」方法，照著做的話可以讓回答更貼近你想要的結果。 深津貴之強調正確的提問架構如下：

• 要明確定義角色
• 明確指示輸入與輸出
• 清楚地說明要輸出的內容
• 使用標記式語言來說明非文本的部份
• 條列式給予清楚的命令
• 盡量限縮 AI 輸出回答的範圍

範例:

#Instructions： 你是專業的編輯。 根據以下規範和輸入的句子來輸出最佳摘要。

#Constraints:

• 字符數約為300個字符。
• 小學生也能輕鬆理解。
• 保持句子簡潔。

#Input:

（填入文本）

#output:

應用範例:

#Instructions：你是專業的編輯。根據以下規範和輸入的句子來輸出最佳摘要。

#Constraints:

• 字符數約為300個字符。
• 小學生也能輕鬆理解。
• 刪除任何無關緊要的文本。無關緊要的文本示例：“嗯”、“你能聽到我說話嗎，好嗎？”
• 修正任何明顯的拼寫錯誤
• 將大塊文本分成較小的段落以使其更易於閱讀
• 使用markdown結構化信息輸出文檔。使用標題、副標題、項目符號和粗體來組織信息
• 一步一步地思考
• 如果你不理解，就告訴我；如果你理解了，也要回答我；如果你需要我補充什麼信息，也告訴我

#Input:

地球是我們的家，每個人都有責任去保護它。從小事做起，如垃圾分類、節約用水、用環保產品等等，都可以讓地球變得更好。此外，植樹也是一個不錯的方法，因為樹木可以吸收二氧化碳，讓我們呼吸到更乾淨的空氣。我們也應該尊重每一種生物，因為每一種生物都對地球有重要的貢獻。只有我們全力以赴，地球才能變得更美好。

#Output:

「深津貴之」提問公式的特點:

1.使用符號#用來區隔信息

事實上符號是讓 ChatGPT 有效辨別信息的方式之一，例如你可以將關鍵資訊使用{ }給包裝，這樣你在內容中就可以多次引用這變體，用法如下:

我希望你扮演一位影評人。你需要觀看一部{電影}，並以清晰明瞭的方式進行評論，提供{電影}關於情節、演技、攝影、導演、音樂等方面的正面和負面意見。

{電影}=”這裡放電影名”

2.將 Constraints 約束語用子彈符號列表的方式呈現

所謂的約束語，就是限定住AI回答的條件或是方向。例如:字符數約為300個字符、小學生也能輕鬆理解・不要留下重要的關鍵詞、保持句子簡潔、使用markdown結構化信息輸出文檔。使用標題、副標題、項目符號和粗體來組織信息等等

之所以採用子彈符號的形式撰寫，是因為這樣子簡潔有力，並且由於沒有前後文的關係，方便擴充或縮減

3.使用MECE(不遺漏不重複)將內容分類

將其使用MECE分類清楚，你就可以將你想要補充的事項，分門別類的放入其中，不搞混。

• 像是#Instructions 就是放入系統性問題，如腳色是誰，有什麼特徵。
• 而#Constraints 就是放入限制和約束條件，如字數，說話風格等等。
• 至於 #Input 就是放入輸入的文本
• #output 就是讓ChatGPT去回答。

此外，類別處其實不限只有這幾個，你還可以增加其他類別，例如: #Goal、#Example……

延伸閱讀 : ChatGPT mega-prompts

CO-STAR框架提示詞

新加坡政府科技局（GovTech）舉辦了首屆 GPT-4 提示工程（Prompt Engineering）競賽，其中數據科學家 Sheila Teo 最終奪冠，並且她很好心的，發布了一篇《我如何贏得了新加坡 GPT-4 提示工程賽》的文章。

提示詞架構

其實簡化來說，「提示詞架構」在做的事情，就是給予 ChatGPT 具體詳細的設定，把一些它需要知道的基本資料補足而已。

通常會涵蓋以下幾個關鍵元素：

實際應用範例

<背景信息>
我是一名大學生，經常感到學習壓力大，希望能找到一些有效的方法來提高學習效率，以便更好地管理時間和應對課業。
</背景信息>

<角色設置>
你是一位經驗豐富的學習顧問，專門幫助學生提高學習效率和時間管理能力。
</角色設置>

<具體問題>
請提供一些有效的方法來提高學習效率和管理時間。
</具體問題>

<期望格式>
請以列表形式列出五個方法，每個方法包含簡短的解釋和實施步驟。
</期望格式>

<風格>
請用簡潔明了且富有建設性的寫作風格，提供實用的建議。
</風格>

<語氣>
請用鼓勵和支持的語氣回答。
</語氣>

<範例提示>
例如：

• 1.制定學習計劃：制定詳細的學習計劃，明確每天的學習目標和時間安排，避免臨時抱佛腳。
• 2.優先處理重要任務：根據重要性和截止日期來排列任務優先級，首先完成最重要和緊急的任務。
• 3.使用番茄工作法：將學習時間分為25分鐘的工作時間和5分鐘的休息時間，保持高效的學習狀態。
• 4.創造良好的學習環境：選擇一個安靜、整潔的學習空間，避免受到外界干擾。
• 5.定期反思和調整：每周花一些時間反思自己的學習方法和效果，根據需要進行調整和改進。

</範例提示>

<多步提示>

• 步驟1：首先，解釋如何制定學習計劃並確保其可行性。
• 步驟2：其次，介紹幾種提高學習效率的技巧，如番茄工作法。
• 步驟3：最後，建議一些應對學習壓力的方法，如運動和放鬆技巧。

</多步提示>

自己寫不太現實：多米提示GPT

但一般人，要自己想這些內容的話，是很麻煩的。

正確的做法，應該是要反過來，用 AI 來向你提問，然後根據你的回答，來生成和編列出適當的提示詞才對。

就是有點像是新手教程那樣， 一步步地引導提問。

所以我編列了一個「提問GPT」—— 他會一個一個問題問你，然後再根據你的回答，彙整出你專用的 GPT 。這樣你就可以針對不同場景，比如彙整書籍大綱、查找文章錯字、寫銷售文案、聽寫助手……來設定專屬的 GPT 了。

現在直接在 GPT Store 搜索 ：「多米提示GPT」就行了。

追問，讓它提供更多細節

ChatGPT是一種對話型的AI，因此不是一次性獲得最佳答案，而是通過對話進行交流，逐漸縮小回答的範圍。

在初次提問時，如果問題過於寬泛或不夠具體，ChatGPT可能會給出一個較為泛泛的答案。這時候，透過追問來進一步細化問題，指定你想要了解的具體細節或方向，可以讓ChatGPT在回答時提供更專業、更具體的答案。

也就是說，在使用提問公式後，你後續還是要經過多次的追問才能接近你要的答案。

例如，在林育聖的文章中，他提到了這樣的用法:

而如果真的不知道要追問哪些問題，也可以參考下面這表格: