ChatGPT 實戰 9 招 - DeepLearning.AI Prompt 免費課程 - ProgramMur

Overview

_{^{ChatGPT Prompt Engineering Overview}}

2023-04-28(五) 左右，AI 大師吳恩達與 DeepLearning.AI 合作推出免費 1.5 小時線上課程: ChatGPT Prompt Engineering for Developers。相信已經很多人也被心得文資訊轟炸過一輪。

先說結論:

不需要在意太多別人的文章，包含我的這一篇，重要的是自己動手實作。(雖然我也一向不寫太詳細的操作文 😂)。2023-05-06 的活動: 2023 Generative AI (AIGC 詠唱者年會) 當中，也有各種非理工的實作應用，值得大家多加參考。
大膽地說，所有現代社會人都應該學習 ChatGPT 及其應用，以提高生產力。這一波的發展下來，普遍的共識是 AI 將會成為比手機與電腦更為普及的存在。如果你認同手機與電腦是當代社會吸收資訊及工作不可或缺的工具，那就沒有理由不學習 AI 的使用方式。AI 互動學成為未來 10 年後的一門基礎教育課，可能都不為過。
反過來說，不學又怎麼樣？ 20 年後的話，可能就像出門都用雙腳走路，不使用任何電器、不搭乘交通工具。可以過著一個清閒的自然生活，但同時也失去了探索更多地區的體驗。也許不會真的怎麼樣，但也有點可惜。

這個課程適合的客群 TA:

💪 希望更進一步提升自己使用 ChatGPT 等 LLM 的生產力。
🕒 願意投資時間 (2 ~ 4小時) 理解並運用。課程 9 章共 1.5 小時左右，加上吸收理解的時間，就算當作一個週末的英文聽力也好。
💻 具備一點程式基礎。課程會搭配線上 Jupyter Notebook & Python SDK。

我想特別鼓勵一下沒有程式基礎的朋友，不用擔心。因為影片裡都有程式範例，也有解說，就算聽不懂也可以一鍵執行。而且你會發現高階語言已經不如以往的程式一般可怕，當作英文文章去讀即可。在我這一輩的台灣社會，習慣用文組/理組來區分能力。事實上完全不需要畫地自限，負面自我暗示。不如說，ChatGPT 等 LLM 的誕生，為文組人帶來實作能力強化的好處。

另一層面，你可以將程式語言視為是一種「更有結構、邏輯性更強的語言」。透過這個機會學習一種語言表達的方式，是非常適合且有效率的。用人話來說，就是「學了程式語言之後，我才發現自己平常講話的邏輯是多麼模糊不清」。不懂的地方就問 ChatGPT，持續學習！所有的學習都不會白費 👍

你能透過這篇文章學到:

📝 30% 理論統整。我會重點摘要幾個關鍵字成 mindmap，便於作為課程心得提醒。
🛠️ 60% 實戰技巧。我喜歡將實戰技巧化為 cheatsheet，便於日後應用。
💡 10% 應用發想。最重要的是腦力激盪的部分。

🤔 Q: ChatGPT 可以應用在你的工作與生活中，哪些流程?

💪 A: 思考自己拿 ChatGPT / AI 用來做些什麼? 效果如何? 還有什麼地方可以發揮潛力?

前情提要

課程目標: 激發你對新應用的想像力。
明確指示: 將 LLM 視為 “聰明但不清楚任務細節的人"。

我本身的工作是在做開發維運的流程優化，所以會習慣從流程的觀點切入。內容也不會跟課程完全一樣。

建議重點還是放在各位的日常實務。什麼意思呢?

思考如何改善原本費時/瑣碎的工作流程。
融入到日常生活中，創造改變。

在未來的使用過程中，也可以時常回想自己是否有運用這些技巧。這堂課程對於已經熟悉如何應用 ChatGPT 的朋友來說並不困難，可以算是簡單的基礎課。即便如此還是建議從更系統化的方式，重新檢視自己還有哪些可以深入探討的地方。

以下附上課程摘要心智圖，可以參考此 gist - 2023-05-07-dlai-chatgot-prompt-engineering.md，搭配 markmap 製作自己的課程 mindmap 筆記。

_{^{1-Summary mindmap}}

02 準則 Guidelines

02 準則

1. 清晰且具體的指示

_^2-1

寫出清晰且具體的指示 write clear and specific instructions.
清晰不等於簡短 clear != short.

實戰技巧

分隔符號 Use delimiters (```, ===, …) 以避免 prompt injections
結構化輸出 structured output (HTML, JSON, markdown, …)
例外處理 Exception Handling
示範成功 Few-shot prompting

整合範例

Q: What is [user2]'s response?

* Delimiter: Answer in a consistent style. Content is within >>>
* Structured output: Respond in markdown format
* Exception Handling: If there are no contents available, just respond "NA"

>>>
[user1] What is ETL?

[user2] First extract, then transform, then load.

[user1] What is ELT?
>>>

2. 思考時間

_^2-2

給模型思考的時間 Give the model time to think.

不要給太過複雜的指示。
或是切分成數個小的任務。
或是請 ChatGPT 列出任務列表，再自行手動調整。
讓 ChatGPT 自己想出答案，再跟既有答案比較，並進行評估。

* Perform the following actions

Step 1. 
Step 2. 
Step 3.

Using the following format:

* Text: <text to summarize>
* Summary: <summary>
* Translation: <summary translation>

Text to summarize: <{text}>

3. 模型限制 Model Limitation

幻覺 Hallucination: 「一本正經的瞎掰」。
對策: 先找相關資訊 > 再基於前述內容回答。

03 迭代 Iterative

_{^{3-1 Iterative Prompt Development: 敏捷迭代！}}

不需要去在意什麼 “30 個完美 prompt” 的文章。

第一次執行的 prompt 並不重要，重要的是過程。瞭解如何用更好的過程來開發，並取得正確的 prompts。
減少迭代次數，而不是記憶多少 prompt。因為每次的需求都會不太一樣。
透過指定字數, 格式等特定規格，以更精準地達到你要的結果。

04 摘要 Summarizing

客製化摘要 Summarize: 為不同對象總結不同內容 (運輸 / 定價部門)
流程應用範例: 為個別客戶評論進行總結 (迴圈 for loop)

05 推理 Inferring

從客戶評論中，取得商品評價細節

情感分析 Sentiment analysis
萃取資訊 Extract information
推理文章主題 + 比對判斷關鍵字 Inferring

06 轉化 Transforming

翻譯 Translate
校對 Proofread: 文法, 拼字檢查
語氣轉換 Change tone

proofread and correct this review. Make it more compelling. 
Ensure it follows APA style guide and targets an advanced reader. 
Output in markdown format.
Text: ```{text}```

07 擴寫 Expanding

_{^{7-1 Temperature}}

個人化電子郵件 Generate personalized email based on some information.

客服 AI 助理 customer service AI assistant
調整溫度，平衡穩定與多樣性 Temperature

08 聊天機器人 Chatbot

訂單機器人
上下文 Context

09 結論 Conclusion

_^9-1

感想

_{^{數據 > 資訊 > 知識 > 洞察 > 智慧. David Somerville}}

另外分享一張我很喜歡的圖。為什麼要強調需要動手實作呢? 因為看完別人的文章，終究只是資訊而已。要能夠成為自己可以應用的知識，甚至從中發現洞察，關鍵步驟就是透過實作，與自己的既有知識產生連結。

持續學習，共勉之 💪

也分享我目前的一些應用範例:

你怎麼看?

留下你的想法一起討論吧! 🥳

Murmur

2023-05-07: 不斷學習!