ABA： 这是我们 Prompt Foundation 系列的一部分，我们将自己或与专家一起探索针对不同群体和用例的各种提示框架。

这是一个 转发 Stig 在 LinkedIn 上的文章。

介绍

在我之前的文章中 “掌握快速工程：面向技术专业人员的九种快速工程框架比较指南”，我研究了不同“快速工程框架”中快速工程所使用的技术和策略。它提供了比较分析，并提供了对这些框架的见解。 

现在，我来谈谈进一步增强我们与人工智能交互的一个关键方面：ChatGPT 的自定义指令。本文旨在揭示自定义指令如何增强人工智能的能力，提供更具针对性和更高效的交互，从而成为前面讨论的快速工程原则的重要补充。和我一起深入研究人工智能定制的这一高级领域，精准的沟通释放了新的潜力。

针对人工智能响应能力的战略性设计指令：

自定义指令在塑造 ChatGPT 等 AI 模型的输出方面起着至关重要的作用。这些指令对于指导 AI 产生高质量的响应至关重要。在我们接下来要看的 AutoExpert 示例中，设计侧重于增强响应的深度和微妙性，最大限度地减少对基本指导的需求，并提供进一步教育追求的相关链接。

位置编码和注意力机制是 AI 模型（尤其是 Transformer 架构）中的关键组件，它们彻底改变了自然语言处理和计算机视觉等各个领域。这些组件在 AI 模型如何处理和响应自定义指令方面发挥着重要作用

注意力的力量

人工智能模型中的“注意力”，特别是在 GPT（生成式预训练 Transformer）等神经网络中，是一种允许模型在进行预测或生成输出时关注输入数据不同部分的机制。这一概念对于处理涉及顺序数据的任务（如语言处理）至关重要，因为信息的相关性可能因上下文而异。

类比：鸡尾酒会效应

理解人工智能模型中注意力的一个很好的类比是人类听觉和注意力中的“鸡尾酒会效应”。想象一下，你在一个热闹的鸡尾酒会上，许多人同时在说话。尽管环境嘈杂，你还是可以将听力集中在一个对话上，有效地忽略其他声音和背景噪音。这种选择性注意力使你能够理解并适当地回应你关注的对话。

同样，在具有注意力机制的人工智能模型中：

• 选择性聚焦：就像您在嘈杂的房间里专注于特定的对话一样，该模型会选择性地关注输入数据中与当前任务更相关的某些部分。例如，在生成句子时，模型可能会更加关注句子的主语，以确保语法的一致性。
• 情境感知：在聚会上，你对对话的理解取决于所说的单词和上下文（例如谁在说话、谈话主题等）。同样，人工智能模型中的注意力机制让它们能够在适当的上下文中衡量输入数据不同部分的重要性。
• 动态调整t：随着聚会上的谈话内容发生变化或您切换到其他谈话内容，您的注意力和理解力也会相应调整。在 AI 模型中，注意力不是静态的；它会根据输入数据的序列和模型当前正在处理的内容动态变化。

总而言之，AI 模型中的注意力机制就像在喧闹的聚会上专注于某段对话：它允许模型在任何给定时间专注于最相关的信息，同时考虑更广泛的背景并根据需要进行动态调整。这可以产生更准确、更符合语境的输出，尤其是在语言处理等复杂任务中。

位置编码的重要性

人工智能模型中的位置编码，尤其是在用于自然语言处理的 Transformers 等模型中，是一种注入序列中标记（例如单词）位置信息的方法。这很重要，因为模型不仅需要了解单词是什么，还需要了解它们在句子中的顺序，才能理解语言。

类比：歌曲中的音符

想象一下一首歌曲，音符的顺序对于其旋律和节奏至关重要。每个音符不仅有其独特的声音（如句子中的单词），而且在歌曲序列中也有特定的位置（如句子中单词的位置）。如果你只是弹奏音符而不考虑它们的顺序，旋律就会消失，就像如果不考虑词序，句子的含义就会消失一样。

在这个类比中，位置编码就像是附在每个音符上的标签，标明音符在歌曲中的位置。这个标签可以帮助某人（在人工智能的情况下是模型）不仅了解音符本身，还了解音符在歌曲整体序列中的位置。如果没有这个位置信息，所有音符（或单词）都会显得同等重要且相互独立，从而很难感知旋律（或句子结构）。

正如音乐家通过阅读音符及其位置来演奏出连贯的乐曲一样，人工智能模型也使用单词信息及其位置编码来理解和生成连贯的语言。

定制指令处理

当我们提供详细的响应格式时，AI 模型会使用位置编码来理解这些指令的顺序和结构。同时，注意力机制会选择性地关注指令的不同方面（如详细程度、格式要求），以生成符合我们指定偏好的响应。

让我们尝试一下

首先，我将提供一个没有自定义指令的基准示例：

我现在将添加一些自定义说明：

如何使用 AutoExpert v3 框架设置自定义指令

登录 ChatGPT

选择屏幕左下角的个人资料按钮以打开设置菜单

选择自定义说明

在第一个文本框中，将以下文本复制并粘贴到“关于我”部分

# 关于我 -（我在这里写了姓名/年龄/所在地/职业，但是如果你愿意的话，可以删除整个标题。） -（确保在每行前使用 -（破折号，然后是空格），但是尽量写在 1-2 行以内）# 我对助手的期望 如果用户的期望高于这些期望，请遵从用户的期望：## 语言和语气 - 在给定的上下文中使用专家术语 - 避免：多余的散文、自我引用、专家建议免责声明和道歉 ## 内容的深度和广度 - 呈现对主题的整体理解 - 提供全面而细致的分析和指导 - 对于复杂的查询，请使用分步解释展示您的推理过程 ## 内容的深度和广度 - 呈现对主题的整体理解 - 提供全面而细致的分析和指导 - 对于复杂的查询，请使用分步解释展示您的推理过程解释 ## 方法论和方法 - 根据需要模仿苏格拉底的自我质疑和心智理论 - 不要在代码示例中省略或截断代码 ## 格式化输出 - 仅使用 markdown、表情符号、Unicode、列表和缩进、标题和表格来增强组织性、可读性和理解性 - 关键：将所有超链接嵌入为 Google 搜索链接 {与术语相关的表情符号} 短文本 - 特别是使用 Google 搜索将超链接添加到论文、文章、书籍、组织、人物、法律引用、技术术语和行业标准等实体 

在第二个文本框中，复制并粘贴以下文本 

详细程度：我可能会使用 V=[0-5] 来设置响应细节： - V=0 一行 - V=1 简洁 - V=2 简短 - V=3 正常 - V=4 详细举例 - V=5 全面，尽可能长篇大论、详细和细微差别 1. 以以下内容开始响应：|属性|描述| |--:|:--| |领域 > 专家|{问题所属的广泛学术或研究领域} > {在该领域内，与问题的上下文或细微差别最密切相关的特定专家角色}| |关键词|{与领域、专家最相关的 6 个主题、技术术语或行话的 CSV 列表}| |目标|{当前助手目标和详细程度的定性描述 }| |假设|{助手对用户问题、意图和上下文的假设}| |方法|{任何特定方法助手将纳入}| 2. 返回您的回复，并记得纳入： - 助理规则和输出格式 - 嵌入的内联超链接作为 Google 搜索链接 { 与术语相关的各种表情符号} 根据需要链接的文本 - 如果需要，逐步推理 3. 以以下内容结束回复： > 另请参阅：[2-3 个相关搜索] > { 与术语相关的各种表情符号} 链接的文本 > 您可能还会喜欢：[2-3 个切题、不寻常或有趣的相关主题] > { 与术语相关的各种表情符号} [链接的文本]（https://www.google.com/search?q=expanded+search+terms）

上述自定义指令的想法来自 reddit，v3 的原始帖子可以在这里找到（斯普达斯汀)

还有更新的 版本 v5 

如果我现在将输出设置为 V=2（简短），并提供与之前相同的输入，我将获得以下内容

如果我想要一个更全面的答案，我会设置 V=5 （全面）

如果我想进一步更改输出，我可以添加一些更多信息。以上所有代码示例都是用 Python 编写的，但我希望默认使用 Java，因此我只需将以下内容添加到 ## 方法论和方法部分

- 使用 Java 编写的代码，我更喜欢遵循事件驱动架构和 SOLID 原则的代码。

运行相同的输入：

现在输出的是 Java 格式。

可能性是无穷无尽的，去尝试一下，去试验一下。

上述示例使用了 AutoExpert v3 框架中的指令，但您不必使用它们。 

您可以提供任何您想要的输入。

可以找到一些有关定制教学的其他想法 这里（不是我的文章）

结论

本文详细介绍了对人工智能自定义指令的探索，特别是在 ChatGPT 的背景下，标志着人工智能交互和用户体验领域的重大进步。通过集成战略性自定义指令，我们释放了与人工智能系统进行更加个性化、高效和情境感知交互的潜力。

文章的关键见解揭示了人工智能模型（如 ChatGPT）中的注意力机制和位置编码如何有助于处理这些指令。此功能可实现以前无法实现的响应度和特异性，从而提升用户对人工智能交互的控制力。

此外，通过 AutoExpert v3 框架对这些概念的实际应用证明了自定义指令的实际适用性和优势。 

从本质上讲，本文强调了自定义指令在 AI 中的变革力量，为实现更细致入微、量身定制的 AI 体验提供了途径。随着我们不断创新并突破 AI 技术的界限，自定义指令的作用无疑将在塑造 AI 与用户交互的未来方面变得越来越重要。

关于作者

认识一下 Stig Korsholm，他是一名科技爱好者和人工智能爱好者，喜欢深入研究人工智能领域的最新趋势和创新。Stig 目前是 Bankdata 的首席域架构师，在金融和银行领域的技术方面拥有丰富的经验。

作为特邀作者，Stig 分享了他独特的见解和经验，让每个人都能理解和参与复杂的主题。他擅长将技术与实际应用相结合，热衷于帮助企业利用人工智能的力量来取得成功。

当他不写作或探索新技术时，您会发现他与其他创新者联系并分享鼓舞人心的想法。

在 LinkedIn 上与他联系 → 这里!