如何使用ChatGPT – 对话基础知识-淘金部落

本文首先会简要的介绍下 ChatGPT 是如何实现与人类的聊天交互；然后会给你一个与ChatGPT聊天的公式 – 提示词三层结构 – 上手如何正确地和AI进行对话。

ChatGPT的交互原理

从宏观的角度来看，人类输入文本，然后等待ChatGPT生成回答。这中间其实隐藏了以下几个步骤。

首先会进行预处理，这又分为两个步骤，对提示词进行编码和分词。其次是模型生成的过程，这里分为三步：编码、进行推理生成、解码。解码后的文本就是最后ChatGPT回复的内容。

下面我们来看一下每个步骤具体做了什么事情：

提示编码（Prompt Encoding）

我们在对话框中输入的文本就是Prompt。提示编码是一种基于模板的编码方式，就是将用户输入的Prompt和预先定义号的Prompt模板库中的模板进行匹配。

之所以如此做是为了让ChatGPT的回答更具有针对性，当匹配上某个模板后，它就会在这个模板框定的范围内进行回答。

分词（Toeknization）

分词的目的是给一串文本标记出基本单元，即Token，它可以是单词、数字、标点符号或任何其他文本单元，分词后的数据可以方便模型进行下一步的处理。

编码（Encoding）

将人类的自然语言转为成计算机可以处理的数字向量形式。这个过程很类似与你用中文和英语国家的人聊天，他得先将中文转化成英文。

推理生成（Model inference and Generation）

这是指模型对上一步生成的向量数据进行理解和分析，从而能够对用户的问题做出回答。就像人类说话的时候也是一边思考一边生成输出。

这其中推理是指模型根据预测生成下一个Token，接着这个Token连同之前的上下文继续预测生成，依此类推，最终生成一段向量码（Decoding）

将模型生成的向量串转化为人类可读的文本形式。也就是英语国家的人将自己的回答意图从英文转化为中文。

以上过程就是ChatGPT生成回复的整个过程。这里或许会有疑问，它是如何做到输出基本响应的呢？

首先它用到了注意力机制 – 让ChatGPT生成的内容更符合主题和逻辑 – 这个机制能够让ChatGPT抓住对话的重点和主题，从而预测出与主题相关的符合逻辑的内容；其次是引导ChatGPT推理生成能力的训练技术 – 该技术在各类数据集上对ChatGPT进行训练，从而让它能学习到数据集对应的特性。

以上两种技术涉及到比较复杂的计算机相关知识，这里就不做展开了。后续我会对这些内容进行系列讲解。感兴趣的读者可以保持持续关注，或者留言对那些内容比较感兴趣，我也可以提前输出。

提示词的三层结构

这里我从一个实际例子出发，来带出提示词的三层结构公式。

如何使用ChatGPT - 对话基础知识

这种直白的提问方式，导致它说了一堆大家都知道的通识类废话，并没有给到我什么实质性的帮助。

下面我先讲一下提示词的三层结构公式：

目的优先：当我们在提问时，需要先明确自己的需求和目的是什么。目的，是将关于搬家的模糊想法，拆解成具体的任务清单。
输入资料：在提问时，提供尽可能多的背景信息，以便ChatGPT可以更好的理解我们的问题或需求。背景资料：“旧的家具有些要扔掉，有些要搬到新家。新家需要购买一些新家具，另外还要找时间打扫一下新家，完成这些后，才能花一天时间请搬家公司一次性完成搬家任务。还要回到旧房子清理卫生，最后和房东办理退租…”
输出设定：确定我们期望的输出结果是什么。比如表格、任务清单等。输出：根据我的问题，给我提供一份任务清单，以及帮我看一下是否有什么遗漏的任务需要处理？

接着我们来尝试一下这个公式，先整理一下三层结构的语序。“帮我把下面这个模糊的搬家想法，拆解成任务清单，并且帮我补上可能遗漏掉的任务：我最近需要搬家，一些老旧和破损的家具需要扔掉和置换，一些家具需要打包好再搬到新家，还要购买一些新家具，最后可以进行一些布置。家具搬到新家之前，需要先去打扫一遍房子。还需要请搬家公司来帮忙，我希望一次性把东西都搬完，但这可能需要花费一天的时间。最后，我要把旧房子打扫完之后，才能和房东办理退租，否则可能会被扣钱。”

如何使用ChatGPT - 对话基础知识