ความสามารถในการใช้โมเดลขนาดใหญ่ที่มีอยู่ให้เกิดประโยชน์นั้นต้องอาศัยคำแนะนำที่มีคุณภาพสูงเป็นหลัก อย่างไรก็ตาม การเขียนคำแนะนำที่มีคุณภาพสูงนั้นยังถือเป็นงานฝีมือในขั้นตอนนี้และต้องอาศัยประสบการณ์ส่วนตัวมากเกินไป

แม้ว่าจะมีวิธีการและกรอบการทำงานมากมายตามบทความล่าสุดของเรา “กรอบงานวิศวกรรมที่น่าสนใจ 5 อันดับแรกวิธีการสร้างพรอมต์ที่มีอยู่ยังคงมีข้อบกพร่องหลายประการ:

1. ขาดระบบ: ส่วนใหญ่มีกฎเกณฑ์และเทคนิคที่แตกแขนงออกไป โดยขึ้นอยู่กับประสบการณ์ส่วนบุคคลเป็นอย่างมาก

2. ขาดความยืดหยุ่น: การปรับแต่งคำเตือนคุณภาพสูงที่แชร์โดยผู้อื่นนั้นต้องปรับเปลี่ยนเนื้อหาคำเตือนโดยตรง

3. ขาดความเป็นมิตรในการโต้ตอบ: การกำหนดค่าและการใช้งานข้อความแจ้งเตือนคุณภาพสูงมีความซับซ้อนเกินไป และบางครั้งคุณมักจะต้องเรียนรู้วิธีใช้ข้อความแจ้งเตือน

4. ลักษณะเฉพาะของโมเดลภาษาขนาดใหญ่ต่อไปนี้ไม่ได้รับการพิจารณาอย่างเต็มที่: (1) การให้ความสำคัญกับการบรรยายแบบจุดต่อจุดและมีเหตุผล (2) ปัญหาการลืมอาจเกิดขึ้นในการสนทนาที่ยาวนาน (3) ช่องว่างในการแสดงระหว่างภาษาต่างๆ

ด้วยการเปิดตัวโมเดล GPT-4 การพึ่งพาพรอมต์ก็ลดลง ในขณะเดียวกัน ความสามารถพื้นฐานที่มีประสิทธิภาพยิ่งขึ้นก็ให้พื้นฐานที่ดีสำหรับการเขียนพรอมต์ที่มีประสิทธิภาพยิ่งขึ้น พรอมต์คุณภาพสูงมีประสิทธิภาพและซับซ้อนมากขึ้น

ดังนั้น มันเป็นไปได้ไหมที่จะเชี่ยวชาญกฎและแนวคิดพื้นฐานบางอย่าง รวมไปถึงรูปแบบการเขียนโปรแกรมบางอย่าง (คล้ายกับการเขียนโปรแกรมเชิงวัตถุ) เช่นเดียวกับการเรียนรู้การเขียนโปรแกรม เพื่อให้คุณสามารถเขียนคำสั่งอย่างมีประสิทธิภาพพร้อมประสิทธิภาพและเสถียรภาพที่ดีได้?

คำตอบคือ ใช่.

ลังGPT

การใช้ LangGPT ช่วยให้สามารถผลิตพรอมต์คุณภาพสูงจำนวนมากได้ โดยมีข้อดีดังต่อไปนี้:

• แบบเป็นระบบ : จัดทำ “แบบ” และกรอกเนื้อหาให้ตรงตามแบบ
• ความยืดหยุ่น: คุณสามารถใช้ “ตัวแปร” เพื่ออ้างอิง ตั้งค่า และเปลี่ยนแปลงเนื้อหาในพรอมต์ได้อย่างง่ายดาย ซึ่งสามารถตั้งโปรแกรมได้
• ใช้คำสั่งเพื่อตั้งค่าและดำเนินการพฤติกรรมที่กำหนดไว้ล่วงหน้าได้อย่างง่ายดาย และตั้งค่าสวิตช์ระหว่างภาษาจีนและภาษาอังกฤษได้อย่างง่ายดาย โดยไม่กระทบต่อประสิทธิภาพการทำงาน
• การโต้ตอบที่เป็นมิตร: “เวิร์กโฟลว์” กำหนดการโต้ตอบของผู้ใช้ พฤติกรรมของบทบาท ฯลฯ ได้อย่างง่ายดาย และแนะนำผู้ใช้ในการใช้งานได้อย่างง่ายดาย
• ใช้ประโยชน์จากความสามารถของโมเดลขนาดใหญ่ให้เต็มที่: (1) การกำหนดค่าโมดูลาร์ (2) คำอธิบายเชิงตรรกะแบบจุดต่อจุด (3) คำเตือนเพื่อบรรเทาปัญหาการสูญเสียความจำระยะยาว

กฎไวยากรณ์หลักของ LangGPT

ตัวแปร LangGPT

เราพบว่า ChatGPT สามารถจดจำโครงสร้างลำดับชั้นที่มีป้ายกำกับไว้อย่างดีได้หลากหลาย โมเดลขนาดใหญ่สามารถจดจำโครงสร้างลำดับชั้นของชื่อบทความ ชื่อย่อหน้า เนื้อหาย่อหน้า ฯลฯ ได้ หากเราบอกชื่อบทความ โมเดลจะทราบว่าเรากำลังอ้างถึงชื่อบทความและเนื้อหาเนื้อหาภายใต้ชื่อบทความ

ซึ่งหมายความว่า เราจะนำเสนอเนื้อหาของพรอมต์ในลักษณะที่มีโครงสร้าง และกำหนดชื่อเรื่องเพื่อให้อ้างอิง แก้ไข และกำหนดเนื้อหาของพรอมต์ได้ง่าย คุณสามารถใช้ชื่อเรื่องย่อหน้าเพื่ออ้างอิงเนื้อหาจำนวนมากได้โดยตรง หรือคุณสามารถสั่งให้ ChatGPT แก้ไขและปรับแต่งเนื้อหาที่ระบุได้ ซึ่งคล้ายกับตัวแปรในการเขียนโปรแกรม ดังนั้นเราจึงสามารถใช้ชื่อเรื่องนี้เป็นตัวแปรได้

มาร์กดาวน์มีลำดับชั้นไวยากรณ์ที่ดีและเหมาะสำหรับการเขียนคำสั่ง ดังนั้นตัวแปรของ LangGPT จึงอิงตามไวยากรณ์มาร์กดาวน์ ในความเป็นจริง นอกจากมาร์กดาวน์แล้ว ยังสามารถใช้ฟังก์ชันมาร์กอัปอื่นๆ ได้ เช่น json, yaml และแม้แต่รูปแบบที่มีการจัดรูปแบบที่ดี

ตัวแปรทำให้การเขียนข้อความแจ้งมีความคล่องตัวมากขึ้น การใช้ตัวแปรทำให้คุณสามารถอ้างอิงเนื้อหาบทบาท ตั้งค่าและเปลี่ยนแปลงคุณสมบัติของบทบาทได้อย่างง่ายดาย ซึ่งไม่สะดวกในการใช้งานกับวิธีการแจ้งข้อมูลทั่วไป

เทมเพลต LangGPT

ChatGPT คือ ดีมาก ในการเล่นบทบาทสมมติ 

คำเตือนคุณภาพสูงส่วนใหญ่มักเริ่มต้นด้วย "ฉันอยากให้คุณเป็น xxx" หรือ "ฉันอยากให้คุณเล่น xxx" ในการกำหนดบทบาท ตราบใดที่คุณให้คำอธิบายเกี่ยวกับบทบาท พฤติกรรมในบทบาท ทักษะ ฯลฯ คุณก็จะแสดงพฤติกรรมที่สอดคล้องกับบทบาทนั้นได้

หากคุณคุ้นเคยกับ "วัตถุ" ในภาษาการเขียนโปรแกรม คุณจะรู้ว่า "การประกาศบทบาท" ของพรอมต์นั้นคล้ายคลึงกับการประกาศคลาสมาก ดังนั้น พรอมต์จึงสามารถแยกออกมาเป็นบทบาทได้ ซึ่งรวมถึงชื่อ คำอธิบาย ทักษะ วิธีการทำงาน และคำอธิบายอื่นๆ จากนั้นจึงได้รับเทมเพลตบทบาท LangGPT

ในการใช้เทมเพลตบทบาท คุณเพียงกรอกเนื้อหาที่สอดคล้องกับเทมเพลตเท่านั้น:

นอกเหนือจากตัวแปรและเทมเพลตแล้ว LangGPT ยังมีวิธีการตั้งค่าไวยากรณ์ เช่น คำสั่ง การจดจำ ประโยคเงื่อนไข และอื่นๆ อีกด้วย

เมื่อคุณกรอกข้อมูลพื้นฐานของโปรไฟล์แล้ว คุณสามารถเริ่มสร้างผลลัพธ์ได้ ด้านล่างนี้เป็นตัวอย่างการใช้ LangGPT:

# บทบาท: {} ## โปรไฟล์ - ผู้แต่ง: LangGPT - เวอร์ชัน: 1.0 - ภาษา: {English} - คำอธิบาย: {} ## ทักษะ {} ## พื้นหลัง (ทางเลือก): ## เป้าหมาย (ทางเลือก): ## รูปแบบผลลัพธ์ (ทางเลือก): ## กฎ {} ## เวิร์กโฟลว์ {} ## Init {}

กรณีการใช้งาน: ผู้ช่วยร่างอีเมล 

# บทบาท: ผู้ช่วยด้านอีเมล

## โปรไฟล์

- ผู้แต่ง: LangGPT - เวอร์ชัน: 1.0 - ภาษา: อังกฤษ - คำอธิบาย: คุณเป็นผู้ช่วยด้านอีเมลที่ได้รับการออกแบบมาเพื่อช่วยให้ผู้ใช้เขียน แก้ไข และเพิ่มประสิทธิภาพอีเมลของพวกเขาเพื่อวัตถุประสงค์ต่างๆ รวมถึงการสื่อสารในทางอาชีพ ส่วนตัว และทางการ

## ทักษะ

1. ความสามารถในการร่างอีเมลที่ชัดเจน กระชับ และเป็นมืออาชีพ 2. เชี่ยวชาญในการแก้ไขและพิสูจน์อักษรด้านไวยากรณ์ โทน และความชัดเจน 3. สามารถปรับรูปแบบอีเมลให้เหมาะกับบริบท (เช่น เป็นทางการ ไม่เป็นทางการ ชักจูงใจ) 4. มีความเชี่ยวชาญในการจัดโครงสร้างอีเมลด้วยการทักทาย เนื้อหา และคำปิดท้ายที่เหมาะสม 5. มีทักษะในการเสนอแนะการปรับปรุงเนื้อหาและโครงสร้างอีเมล

กฎ ##

1. ใช้โทนอีเมลที่สุภาพและเป็นมืออาชีพอยู่เสมอ 2. ตรวจสอบให้แน่ใจว่าอีเมลมีความชัดเจน กระชับ และไม่มีข้อผิดพลาดทางไวยากรณ์ 3. ปรับแต่งโทนและรูปแบบของอีเมลให้ตรงกับจุดประสงค์และผู้รับ 4. เพิ่มหรือเสนอทางเลือกอื่นๆ เพื่อปรับปรุงอีเมล 5. เคารพความเป็นส่วนตัวโดยหลีกเลี่ยงข้อมูลส่วนบุคคลที่ไม่จำเป็น เว้นแต่ผู้ใช้จะระบุไว้

## เวิร์กโฟลว์

1. ทำความเข้าใจวัตถุประสงค์ของอีเมลและกลุ่มเป้าหมาย 2. ร่างอีเมลตามข้อมูลที่ผู้ใช้ป้อนเพื่อให้แน่ใจว่าบรรลุเป้าหมายที่ตั้งใจไว้ 3. ตรวจสอบอีเมลว่ามีข้อผิดพลาดหรือต้องการการปรับปรุงหรือไม่ และเสนอแนะการเปลี่ยนแปลงหากจำเป็น 4. มอบฉบับร่างสุดท้ายให้ผู้ใช้พร้อมข้อเสนอแนะเพิ่มเติมสำหรับการปรับปรุงเพิ่มเติม

นี่คือผลลัพธ์:

หวังว่าบทช่วยสอนนี้จะเป็นประโยชน์! คุณสามารถเล่นด้วย LangGPT ได้ → ที่นี่