如果你已经能够自如的使用ChatGPT，那么严格意义上你已经算是"大神"了，因为你的信息搜集能力和计算机技术无疑已经超越了大多数的人。 要是你可以使用GPT4，那更厉害了，因为这又涉及到支付方式等更加小众的能力。 因为GPT4是ChatGPT开了会员才有的功能，它要比GPT3.5强的多。 GPT3.5算是第一代的ChatGPT，它非常的简单直接，你打字给它，它输出给你。 比如你输入你好，它会随机的给出「吗」，「高」，「美」等回答，这些回答选项取决于你们之前的对话内容， 这个阶段的ChatGPT是大语言模型，它的特点就是只能接受文字输入，并且也只能以文字输入 你会发现它的输出有时候还会出错，比如上图的第一个「你好悲」就很奇怪，可能它后面还能输出的话，会接上「伤」，变成「你好悲伤」。 而现在的ChatGPT，其实已经升级过两次了，一次是GPT4，具有更准确的回答能力，另一次是最近的GPT Turbo。 现在的ChatGPT，是一种叫多模态的大模型，它跟第一代不同的地方就在于它不仅可以接收和输出文字，也可以接收其他类型的输入，比如图片，文档，视频等等，然后输出也更加多样化，除了文本之外，也可以输出图片或者文件等等。 但是现在我发现了一个有意思的点，那就是ChatGPT能力太宽泛了，反而很多人只觉得它是个聊天机器人。其实除了GPT之外，还有很多的AI工具，比如专门处理表格的，专门写小说的，甚至自动PPT。 这类型的就是专精某个功能，也非常的实用，对于不太了解这部分信息的朋友，我推荐大家花1毛钱看一下知学堂开设的这门「AI工具课」，2个小时的课程可以让你了解有哪些AI工具，AI在特定领域的具体使用方法的效果。 课后的资料也记得领，第二个和第四个都是针对于GPT这样的大模型的，用好ChatGPT的本质就是写好提示工程。 1 网页浏览：这个功能可以部分的改掉ChatGPT胡编乱造的毛病。 2 Dalle.3: 图像生成，让 ChatGPT拥有了生成图片的能力 3 code interpreter：代码解释器，这个能力特别的强，它可以让不会任何代码的人用编程来解决问题。 其实除了这三个功能之外，GPT4还有一个区别于GPT3.5最大的特性，那就是读取文件。 比如想要阅读一篇关于大模型模型的的论文，我们就可以用GPT4的「文件读取」功能来解决。 操作方式非常的简单，就是点击并上传这篇文章，并让它分析就可以。 你可以问它针对这个文章的任何问题，比如我就让它大体的分析下这篇文章。 甚至可以让它分析一些更加细节的内容也可以，比如我们让它分析论文中的一个插图，也完全没有问题。 这其实只展示了GPT4的部分使用案例，还有非常多的使用我没有涉及。 其实所谓的大神不过就是将ChatGPT的使用跟自己深度的结合了起来，并且掌握了基本的Prompt技巧。 比如说你的工作需要处理一些数据，生成一些文档，以及包含一些可视化结果。 那么这个过程中就完全可以利用ChatGPT来简化你的工作步骤，比如说我们碰到这个数据，它是一个图片的形式。 里面写了几个运动员的身高和体重数据。 最理想的情况下它应该是个表格，比如说excel，这一步我们可以用ChatGPT将图片转换成表格形式。 Prompt：将它转换成表格，或者make it to table都可以 紧接着我们就可以用「表格形式的数据」做进一步的处理和分析。 prompt很简单：请你扮演一个高级数据科学家对这个数据进行纤细的分析，并提供图文并茂的分析报告。 首先它做的是一个散点图，描述了几个运动员身体和体重的大致关系，基本上是一个正相关的关系。 然后分别分析了身高和体重的分布 在它的报告中，也提到了，身高和体重这俩是正相关postive correlation，R值=0.72。其实你不懂这个没关系，ChatGPT会知无不言、不厌其烦的跟你解释。

最绝的是什么，它甚至可以直接帮你生成一份用于作报告的PPT。 Prompt:将这个报告生成一个用于做汇报的PPT，要求面向对象是高中生，给我提供一个下载链接 注意 ：一定要说提供下载链接！ 甚至你可以看到它是怎么用代码生成的这个PPT的。 从开始到现在，我们用了文字解释功能，图像分析与分析，代码编写功能，基本上它的主要功能都用到了。 就差一个Dalle3，我们可以最后用它来生成PPT的封面图片。 Prompt：生成一个契合这个PPT的封面图片 好了，这就是完整的一个使用案例。 除了刚刚提到的案例之外，其实还有一个点，那就是Prompt的编写。 这里给大家分享我经常使用的Prompt编写方法，它是结合了Elavis Saravia 框架和CRISPE框架后的简化版本，实操性非常的强。 明确任务 ：直接指出你需要模型做什么。例如：“写一个故事”、“回答一个问题”、“解释一个概念”。 设定角色和风格 ：简短描述模型应采用的角色和风格。例如：“像专家一样”、“幽默地”、“正式地”。 提供背景信息 ：给出足够的信息，让模型了解任务的上下文。例如：“关于环保”、“在古罗马背景下”。 指定输出格式 ：告诉模型你期望的回答形式。例如：“一段文本”、“列表”、“步骤说明”。 步骤1（明确任务） ：思考你需要模型完成的具体任务，尽量具体。例如：“请写一个关于节约用水的短故事”。 步骤2（设定角色和风格） ：考虑任务最适合的表达方式和语气。例如：“用一个小孩的视角，轻松幽默地讲述”。 步骤3（提供背景信息） ：如果任务涉及特定的主题或需要特定知识，提供相关的背景信息。例如：“在一个干旱的城市里”。 步骤4（指定输出格式） ：明确你想要的输出类型。例如：“三段话，每段不超过五句话”。 我们可以实验一下，比如我们就按照上面的prompt去测试一下： 可以看到基本上可以比较正确的输出想要的结果，并且每一点都按照预想的输出匹配上了。 我们可以再测试一下改变其中的某一个环节，比如角色和风格，我们可以换一个动物的视角： 可以看到「任务」+「角色和风格」+「背景信息」+「输出格式」都是必不可少的关键词。 大模型辅助Prompt生成以及优化 方法很简单，就是「你的要求+简化的综合模版」 GPT4会根据你的要求生成一个简单的模版。 你可以对于生成的模版进行微调，比如你的北京并不是初级水平，而是高中水平，想要考雅思，它就会自动的调整模版。 然后根据调整过后的模板生成内容。 你可以根据根据现有的输出进行微调，比如每一部分提供具体的学习资料等，这样可以让整个备考计划更具有可行性。 从想要学英语，到最后输出一个计划，其实你可以看到我们是经过了多轮对话才实现的，而这个实现的过程其实就是Prompt 工程的缩影。 因为Prompt不是一件一蹴而就的事情，没有人可以一次性写出一个完美的prompt，来来回回的调试是非常的正常的。 你需要的做的就是记住这个基本框架，然后一次次的跟ChatGPT对话就行了。 最后，选一个聪明的大模型，事半功倍，对我说的就是GPT4。但是别忘了，prompt是跟AI工具交流的艺术，听听这个课，完课后领一下prompt的资料。