当前位置: 首页 > news >正文

ChatGPT基础使用总结

文章目录

    • 一、ChatGPT基础概念
      • 大型语言模型LLMs---一种能够以类似人类语言的方式“说话”的软件
      • ChatGPT定义---OpenAI 研发的一款聊天机器人程序(2022年GPT-3.5,属于大型语言模型)
      • ChatGPT4.0---OpenAI推出了GPT系列的最新模型
      • ChatGPT典型使用场景---问答,写作,编程,数据分析
      • ChatGPT局限和问题---语义理解,一致性,验伪能力,偏见倾向
    • 二、ChatGPT提问使用技巧
      • 1. 通用提问模板,设定角色+描述问题+指定目标+补充要求;
      • 2. 通过继续指令,让 篇幅限制 的答案继续输出;
      • 3. 先框架后展开,通过补充要求追问 获取 完整内容;
      • 4. 通过明确的 肯定 和 否定 进行调教,得到最终结果;
      • 5. 新话题开启时,告知初始化GPT,避免干扰;
    • 三、程序员使用ChatGPT的典型举例
      • 1、用ChatGPT整理 岗位 技能要求
      • 2、利用ChatGPT讲解技术点
      • 3、利用ChatGPT生成代码
      • 4、利用ChatGPT解释旧代码
      • 5、利用ChatGPT进行代码Review
      • 6、利用ChatGPT进行代码错误Debug
    • 参考

一、ChatGPT基础概念

大型语言模型LLMs—一种能够以类似人类语言的方式“说话”的软件

大型语言模型:Large Language Models,LLMs。这些语言模型通过分析大量的文本数据并学习语言使用的模式来工作。它们利用这些模式生成的文本几乎无法与人类所说或写的内容区分开来。比如,BERT(谷歌开发的一种预训练深度学习模型),GPT-4(OpenAI推出了GPT系列的最新模型)。

ChatGPT定义—OpenAI 研发的一款聊天机器人程序(2022年GPT-3.5,属于大型语言模型)

ChatGPT:Chat Generative Pre-trained Transformer。属于大型语言模型。它能够基于在预训练阶段所见的模式和统计规律,来生成回答,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码,写论文 等任务。

ChatGPT4.0—OpenAI推出了GPT系列的最新模型

大型语言模型比其前身GPT-3的1750亿个参数更高,达到了惊人的1万亿个参数。GPT-4的关键优势与GPT-3类似,在大量文本数据上进行了广泛的预训练,使其能够学习极其多样的语言特征和关系。

ChatGPT典型使用场景—问答,写作,编程,数据分析

对话生成:ChatGPT可与用户进行流畅、自然的对话,可应用在客户服务、智能助手和聊天机器人等领域。
自动编写文章:ChatGPT具备强大的文本生成能力,可广泛应用于新闻撰写、博客创作、营销宣传等内容创作领域。
编程帮助: ChatGPT可以理解和生成编程语言,如 按需求提供代码,旧代码讲解,代码检查,问题调试。
语言翻译:ChatGPT能够实现多语言之间的实时翻译,为跨语言交流提供便利。
教育辅导: ChatGPT可以作为在线教育辅导工具,帮助学生解答各类学术问题。
创意写作: ChatGPT可以作为一种创意工具,可以提供脑暴方向,帮助用户进行故事创作、诗歌写作等。
数据分析与摘要: ChatGPT可以从大量数据和文本中提取关键信息,生成简洁明了的摘要。

ChatGPT局限和问题—语义理解,一致性,验伪能力,偏见倾向

ChatGPT作为一种大规模语言模型,存在一些限制和缺陷,典型如下:
1)语义理解的不足。由于自然语言的歧义性和语境依赖性,ChatGPT难以正确理解和解释自然语言中的复杂语义。
2)缺乏一致性。由于基于单个对话来训练的,可能在相同话题上给出不一致或矛盾的回答。
3)错误虚假信息判断。ChatGPT倾向于生成具有说服力回答,即使这些回答是错误或没有根据,它缺乏事实验证能力。
4)倾向性和偏见。ChatGPT是通过大量的互联网数据进行预训练的,因此它可能会反映出网络内容中的倾向性和偏见。
5)对多语言的支持不足。ChatGPT作为一种英语语言模型,其对其他语言的支持仍然不足。

二、ChatGPT提问使用技巧

GPT 生成的答案质量,完全取决于你 问它 以及 引导它 的方式,也就是给的提示词。
典型的提问公式:提示词=设计角色+问题描述+确定目标+补充要求

1. 通用提问模板,设定角色+描述问题+指定目标+补充要求;

设定角色 能让ChatGPT处于专家模式,这一点很重要,比如 假定是 一名导游,一位经验丰富的Python语言专家,一个文案写作专家。不进行设定的情况下,ChatGPT愿意给出更普通、中庸、通俗化、更简单的描述。
举例 1)旅游攻略推荐;
在这里插入图片描述
相应的,和ChatGPT介绍自己的角色,也可以得到更恰当的回答,比如 初学者,或者 有xxx经验的角色;

2. 通过继续指令,让 篇幅限制 的答案继续输出;

当构建信息篇幅过长时,会在输出一定量内容比如300字之后,停止输出,此时可以输入 继续 让答案继续输出。
同时可以在继续时进行追问,并可以补充要求;

3. 先框架后展开,通过补充要求追问 获取 完整内容;

当内容过多时,可以先让ChatGPT做一次解答生成一个提纲,再根据解答的点进行进一步扩展。

4. 通过明确的 肯定 和 否定 进行调教,得到最终结果;

为了获得更准确的答案,可以通过在多次交流调整,改善回答的语气、重点、描述范围。
比如 让ChatGPT用 鲁迅、张爱玲等 语气 来描述一段内容;

5. 新话题开启时,告知初始化GPT,避免干扰;

ChatGPT是基于上下文会话的。为了避免之前的交流 影响了新的提问,可以明确让ChatGPT忘记之前的交流 打开新会话。

三、程序员使用ChatGPT的典型举例

1、用ChatGPT整理 岗位 技能要求

在这里插入图片描述
在这里插入图片描述

2、利用ChatGPT讲解技术点

在这里插入图片描述

3、利用ChatGPT生成代码

在这里插入图片描述

4、利用ChatGPT解释旧代码

在这里插入图片描述
在这里插入图片描述

5、利用ChatGPT进行代码Review

在这里插入图片描述
在这里插入图片描述

6、利用ChatGPT进行代码错误Debug

在这里插入图片描述

参考

大型语言模型(Large Language Models,LLMs)概览:https://zhuanlan.zhihu.com/p/639318309
ChatGpt官网:https://openai.com/blog/chatgpt
ChatGPT 从零完全上手实操指南:https://zhuanlan.zhihu.com/p/623911710
30分钟学完这28个ChatGPT使用技巧:https://www.bilibili.com/video/BV1a8411Q73z/
利用ChatGPT学习编程:https://blog.csdn.net/jingyoushui/article/details/131884438

相关文章:

ChatGPT基础使用总结

文章目录 一、ChatGPT基础概念大型语言模型LLMs---一种能够以类似人类语言的方式“说话”的软件ChatGPT定义---OpenAI 研发的一款聊天机器人程序(2022年GPT-3.5,属于大型语言模型)ChatGPT4.0---OpenAI推出了GPT系列的最新模型ChatGPT典型使用…...

解决报错: require is not defined in ES module scope

用node启动mjs文件报错:require is not defined in ES module scope 现象如下: 原因: 文件后缀是mjs, 被识别为es模块,但是node默认是commonjs格式,不支持也不能识别es模块。 解决办法:把文件后缀从.mjs改…...

STM32 10个工程篇:1.IAP远程升级(六)

在IAP远程升级的最后一篇博客里,笔者想概括性地梳理总结IAP程序设计中值得注意的问题,诚然市面上或者工作后存在不同版本的IAP下位机和上位机软件,也存在不同定义的报文格式,甚至对于相似的知识点不同教程又有着完全不同的解读&am…...

【智能家居项目】裸机版本——字体子系统 | 显示子系统

🐱作者:一只大喵咪1201 🐱专栏:《智能家居项目》 🔥格言:你只管努力,剩下的交给时间! 今天实现上图整个项目系统中的字体子系统和显示子系统。 目录 🀄设计思路&#x1…...

PDF中跳转到参考文献后,如何回到原文

在PDF中,点击了参考文献的超链接可以直接跳至参考文献的位置。 如果想从当前参考文献在回到正文中对应位置时,可以通过 Alt \red{\text{Alt}} Alt ← \red{\leftarrow} ← 实现。...

了解基于Elasticsearch 的站内搜索,及其替代方案

对于一家公司而言,数据量越来越多,如果快速去查找这些信息是一个很难的问题,在计算机领域有一个专门的领域IR(Information Retrival)研究如何获取信息,做信息检索。在国内的如百度这样的搜索引擎也属于这个…...

【多模态融合】TransFusion学习笔记(2)

接上篇【多模态融合】TransFusion学习笔记(1)。 从TransFusion-L到TransFusion ok,终于可以给出论文中那个完整的框架图了,我第一眼看到这个图有几个疑问: Q:Image Guidance这条虚线引出的Query Initialization是什么意思? Q:图像分支中的…...

Pyhon-每日一练(1)

🌈write in front🌈 🧸大家好,我是Aileen🧸.希望你看完之后,能对你有所帮助,不足请指正!共同学习交流. 🆔本文由Aileen_0v0🧸 原创 CSDN首发🐒 如…...

MySQL:数据库的物理备份和恢复-冷备份(3)

介绍 物理备份: 直接复制数据文件进行的备份 优点:不需要其他的工具,直接复制就好,恢复直接复制备份文件即可 缺点:与存储引擎有关,跨平台能力较弱 逻辑备份: 从数据库中导出数据另存而进行的备…...

功能比较:Redisson vs Jedis

Redis最流行的两个Java客户端库是Redisson和Jedis。Redisson提供内存中的数据网格功能,支持Redis的各种分布式对象和服务。另一方面,Jedis是一个更轻量级的产品,它缺乏其他库的某些功能。 如果你正在为Redis寻找一个Java客户端库&#xf…...

Spring web security

儅使用spring的web security時&#xff0c;默認會轉向自帶的spring security example page。而不會轉向error page。 TODO: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-security</artifactId> &l…...

SpringCloud(二)Docker、Spring AMQP、ElasticSearch

文章目录 DockerDocker与虚拟机Docker架构镜像、容器、镜像托管平台Docker架构Docker实践 Spring AMQP简单使用案例工作队列- WorkQueue发布订阅服务FanoutExchangeDirectExchangeTopicExchange 消息转换器 ElasticSearch倒排索引IK分词器IK分词拓展与停用字典 操作索引库mappi…...

7.Tensors For Beginneers - Convector Components

介绍协向量时&#xff0c;曾说过它们有点像 行向量&#xff0c; 行向量确实以某种方式代表了协向量&#xff0c; 这里说明一下&#xff1a; 协向量是不变的&#xff1b; 协向量组件是可变的。 协向量不依赖坐标系&#xff0c;协向量的组件取决于坐标系。 当我们说协向量具有组…...

直线导轨坏了可以维修吗?

直线导轨是工业自动化设备中常用的零部件&#xff0c;其性能和使用寿命对设备的稳定运行和产能有着直接的影响&#xff0c;在生产中&#xff0c;由于各种原因&#xff0c;直线导轨会出现各种问题&#xff0c;那么&#xff0c;直线导轨的维修方法究竟是怎样的呢&#xff1f;我们…...

Java基础--泛型详解

一、背景 java推出泛型之前&#xff0c;集合元素类型可以是object类型&#xff0c;能够存储任意的数据类型对象&#xff0c;但是在使用过程中&#xff0c;如果不知道集合里面的各个元素的类型&#xff0c;在进行类型转换的时候就很容易引发ClassCastException异常。 二、概念 …...

学习搜狗的workflow,MacBook上如何编译

官网说可以在MacBook上也可以运行&#xff0c;但是编译的时候却有找不到openssl的错误&#xff1a; 看其他博客也有类似的错误&#xff0c;按照类似的思路去解决 问题原因和解决办法 cmake编译的时候&#xff0c;没有找到openssl的头文件&#xff0c;需要设置cmake编译环境下…...

Ubuntu使用cmake和vscode开发自己的项目,引用自己的头文件和openCV

创建文件夹 mkdir my_proj 继续创建include 和 src文件夹&#xff0c;形成如下的目录结构 用vscode打开项目 创建add.h #ifndef ADD_H #define ADD_Hint add(int numA, int numB);#endif add.cpp #include "add.h"int add(int numA, int numB) {return numA nu…...

2) dataset, dataloader

dataset, dataloader torchvision.datasets里面集成了一些常见的数据集,例如MNIST和CIFAR10 1) Dataset 以MNIST为例,其使用方式如下 import torch import torchvision from torchvision import transformstrain_dataset = torchvision.datasets.MNIST(root=../data,trai…...

阿里云PolarDB自研数据库详细介绍_兼容MySQL、PostgreSQL和Oracle语法

阿里云PolarDB数据库是阿里巴巴自研的关系型分布式云原生数据库&#xff0c;PolarDB兼容三种数据库引擎&#xff1a;MySQL、PostgreSQL、Oracle&#xff08;语法兼容&#xff09;&#xff0c;目前提供云原生数据库PolarDB MySQL版、云原生数据库PolarDB PostgreSQL版和云原生数…...

[软件工具]opencv-svm快速训练助手教程解决opencv C++ SVM模型训练与分类实现任务支持C# python调用

opencv中已经提供了svm算法可以对图像实现多分类&#xff0c;使用svm算法对图像分类的任务多用于场景简单且对时间有要求的场景&#xff0c;因为opencv的svm训练一般只需要很短时间就可以完成训练任务。但是目前网上没有一个工具很好解决训练问题&#xff0c;大部分需要自己编程…...

DeepSeek 赋能智慧能源:微电网优化调度的智能革新路径

目录 一、智慧能源微电网优化调度概述1.1 智慧能源微电网概念1.2 优化调度的重要性1.3 目前面临的挑战 二、DeepSeek 技术探秘2.1 DeepSeek 技术原理2.2 DeepSeek 独特优势2.3 DeepSeek 在 AI 领域地位 三、DeepSeek 在微电网优化调度中的应用剖析3.1 数据处理与分析3.2 预测与…...

Oracle查询表空间大小

1 查询数据库中所有的表空间以及表空间所占空间的大小 SELECTtablespace_name,sum( bytes ) / 1024 / 1024 FROMdba_data_files GROUP BYtablespace_name; 2 Oracle查询表空间大小及每个表所占空间的大小 SELECTtablespace_name,file_id,file_name,round( bytes / ( 1024 …...

【JVM】- 内存结构

引言 JVM&#xff1a;Java Virtual Machine 定义&#xff1a;Java虚拟机&#xff0c;Java二进制字节码的运行环境好处&#xff1a; 一次编写&#xff0c;到处运行自动内存管理&#xff0c;垃圾回收的功能数组下标越界检查&#xff08;会抛异常&#xff0c;不会覆盖到其他代码…...

ESP32读取DHT11温湿度数据

芯片&#xff1a;ESP32 环境&#xff1a;Arduino 一、安装DHT11传感器库 红框的库&#xff0c;别安装错了 二、代码 注意&#xff0c;DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...

服务器硬防的应用场景都有哪些?

服务器硬防是指一种通过硬件设备层面的安全措施来防御服务器系统受到网络攻击的方式&#xff0c;避免服务器受到各种恶意攻击和网络威胁&#xff0c;那么&#xff0c;服务器硬防通常都会应用在哪些场景当中呢&#xff1f; 硬防服务器中一般会配备入侵检测系统和预防系统&#x…...

关键领域软件测试的突围之路:如何破解安全与效率的平衡难题

在数字化浪潮席卷全球的今天&#xff0c;软件系统已成为国家关键领域的核心战斗力。不同于普通商业软件&#xff0c;这些承载着国家安全使命的软件系统面临着前所未有的质量挑战——如何在确保绝对安全的前提下&#xff0c;实现高效测试与快速迭代&#xff1f;这一命题正考验着…...

服务器--宝塔命令

一、宝塔面板安装命令 ⚠️ 必须使用 root 用户 或 sudo 权限执行&#xff01; sudo su - 1. CentOS 系统&#xff1a; yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && sh install.sh2. Ubuntu / Debian 系统…...

【7色560页】职场可视化逻辑图高级数据分析PPT模版

7种色调职场工作汇报PPT&#xff0c;橙蓝、黑红、红蓝、蓝橙灰、浅蓝、浅绿、深蓝七种色调模版 【7色560页】职场可视化逻辑图高级数据分析PPT模版&#xff1a;职场可视化逻辑图分析PPT模版https://pan.quark.cn/s/78aeabbd92d1...

网站指纹识别

网站指纹识别 网站的最基本组成&#xff1a;服务器&#xff08;操作系统&#xff09;、中间件&#xff08;web容器&#xff09;、脚本语言、数据厍 为什么要了解这些&#xff1f;举个例子&#xff1a;发现了一个文件读取漏洞&#xff0c;我们需要读/etc/passwd&#xff0c;如…...

面向无人机海岸带生态系统监测的语义分割基准数据集

描述&#xff1a;海岸带生态系统的监测是维护生态平衡和可持续发展的重要任务。语义分割技术在遥感影像中的应用为海岸带生态系统的精准监测提供了有效手段。然而&#xff0c;目前该领域仍面临一个挑战&#xff0c;即缺乏公开的专门面向海岸带生态系统的语义分割基准数据集。受…...