02 破解局限：在边界内求最优解，层层突破
你好，我是键盘，我们继续驯服 GPT。
上一节基础速通讲到，ChatGPT能解答疑问，更能解决问题。那么它能解决到什么程度呢？这一节课，我们就给它做个全身检查。
不过，开始之前必须提到一个解决问题的方法：图灵思维。先定位边界，寻找对应的最优解，而不是盲人摸象。
图灵和常人思维方式的差别在于：图灵是先找到极限所在，然后在极限里寻找具体问题的答案，而不是浪费时间去做那些试图超越极限的事情。
——吴军，硅谷来信2· 谷歌方法论 《004 为什么计算机不是万能的》
不过，找边界的问题似乎没那么简单。AI还在7*24h内卷呢，边界也会在摩尔定律的作用下动态扩张。那我们如何做到心中有数，而不是追着AI跑呢？答案是找一个发力点来参与游戏。
我们先把ChatGPT的能力抽象出来，尝试定位发力点：数据+算法+算力。
- 数据：预训练模型、数据的访问权和你的输入。
- 算法：神经网络，ChatGPT的本色。
- 算力：GPU、电力、钞能力等等，不用我们操心。
这里面，算法决定了ChatGPT的根本局限性，因为ChatGPT作为一个通过计算来思考的神经网络，计算存在有限解。那么，使用ChatGPT来做事，就是有限的解决方案。但是，GPT 能解决的问题 ≠ 使用 GPT 能解决的问题。这里面决定输出的输入（对应prompt），就是你可以主动控制的发力点。
打个比方来说，你可以把 ChatGPT当做一个乐器，音符有限，创作无限。这节课，我会帮助你成为GPT的演奏家，用尽各种手段，打破GPT边界。
入门级技巧：着手输入，教AI “做人”
我们先从入门级技巧开始，让AI “听得懂”你说的话。
✦ 解决3个常见的小毛病（报错、中断、单调）
报错问题可以用刷新浏览器解决，注意，Regenerate Response 刷新是无效的，偶尔也要看一下报错信息，比如你可能是1小时内问得太多了，会被强行CD。
中断问题可以用“精准继续prompt”解决，比如：
输出单调的问题可以通过提供细化方向或指定语气解决，比如你可以跟GPT说：
💬 用简洁的语言
💬 步骤：<你的步骤>
💬 参考范例：<你的范例>
💬 背景信息是……要求是……
✦ 讨价还价，有效PUA
地球的算力还不够，必然会带来各种限制。
🚨：只有这么长了。（字数、会话次数、上下文记忆）
💬：你还能更长！
首先是会话次数限制，我提供3个对策。一是区分任务，专注用GPT解决“大块头”，至于轻量的任务比如说简单问答，可以用newBing来分流；其次是使用试探prompt“我们来谈谈<主题/概念>”，先下手为强，清理AI的认识盲区，避免后续浪费会话次数；最后就是辅助验证，用浏览器或其他途径来确认GPT给你的参考答案。
解决了会话次数限制，还有字数限制，分界线是1200个汉字。超出这条ChatGPT的极限，我们就定义为长文本输入课题，用 3 种方法来应对。
首先，花钱变强。使用GPT-4、GPT-4 32K、Claude-100K等模型，钱能解决的问题都不是问题。
其次，组合递归。这个适用于提炼重点，方法是让ChatGPT提炼一段文本，得出总结，再让TA提炼“这个总结+下一段”文本，跟套娃一样，直到ChatGPT吃下所有信息。
最后，分段输入。它的本质是Embedding（嵌入）技术，把长文本拆分成多个分段（Chunk），要求GPT在中途只做信息的接收确认，最后再听你指令，根据接收的完整信息来执行任务。
✦ 双语混打
解决了长度，还有语言问题，也就是我们关心的中文输入。对ChatGPT而言，使用中文来获取的效果不及英文，大概70分和95分的差距，这几乎是共识了。不过我们照用不误，你永远可以相信AI的进化速度。在此基础上，我的最优解是情景式混用，加入有助于ChatGPT理解的英文，比如在“光”后面加上“Lighting Design”辅助AI理解。
另外分享一个有趣的试验。让ChatGPT写Python脚本的时候，我试过一组有意思的双语混用对照，只要提到“不要”两个字，那简直是“不要”什么，偏来什么，“Do not”的结果就稳得多。
这可能是目前AI的通病，Midjourney中同样可见。如果你说 a man without an umbrella，你会得到伞。不过，MJ会使用特有的“–no”参数来修复：a man --no umbrella。它的本质是将相对权重降低50%，所以虽然“Do not”和“–no”有用，但想要彻底解决，还需要我后面要说的Few-Shot CoT这个技巧。别着急，我们先说别的小问题。
✦ 案例让GPT更懂你
除了输入端的中文问题，其实ChatGPT对于所有语言，还有理解不精确的局限性。所以，用示范调教，可以让 GPT 更懂你。通过下图你会看到，更大的模型能更有效地利用上下文信息，而示范调教能够有效地提升输出的精确性。
Zero-shot——0示例，新手prompt的典型情况，效果最差。
One-Shot——1个示例，从0到1，下图会看到6倍左右的精度提升，多说一句的力量恐怖如斯。
Few-Shot——少量示例，日常中使用最多的方法，用于覆盖更多细节。
One-Shot CoT——单样例思维链，通过在一个示例的中间引入推理，激活ChatGPT的思维链，让思考慢下来。比如Prompt"4! //123*4，24，8!= " ,给出了运算的中间步骤，大幅降低速算翻车的几率。
看一个关于中国年轻人眼里“哈哈”的语气解读，你就能更好地理解示例是怎么起作用的了。
虽然GPT不能真的理解你的情绪，但是通过调教，还是可以掌握一些精确的情绪和语境的，情商也就有了。
✦ 从孤岛到小宇宙
其实上面的精度偏差问题，源头还要归于GPT无法直接联网。不过注意，无法直接联网和无法联网是两码事。TA 的“出生点”，也就是训练数据集，停留在2021年9月。没有新的知识补充，时效性也没有保障，这就从根本上影响了输出的精度。怎么应对呢？
策略一，上备胎。利用 newBing 的联网特性来互补，毕竟优秀的 AI 备胎是如此之多，没有必要独宠一位，隔壁还有Claude和Bard等着你翻牌，而且ChatGPT的方法完全可以通用，非常方便。
策略二，规避数据集问题。ChatGPT“出生点”之后的数据，谨慎规划再提问。比如：解读腾讯2022年的财报，TA 是不会拒绝输出的，但结果却是人被忽悠瘸了。所以无论什么输出，我都建议进行验证。避免工作上的交付材料遇到黑天鹅，得不偿失。
策略三，花钱变强。发挥钞能力轻松解决，使用GPT with Browsing模型、WebPilot插件等等也是可以的。
不想花钱，又想变强，还要少折腾，怎么办？可以！给你一种综合混用范例。比如，让GPT输出Python解决方案，通常因为依赖包有点“过时”，报错的几率特别高。你拿到方案之后，闪现到隔壁让联网的Claude改代码，基本是能够更快解决的。
进阶技巧：领域展开
基础搞定之后，我们再来说点进阶技巧。
✦ 让GPT有效理解否定，不再欠揍
相信很多人都在日常使用中感受到了，ChatGPT似乎总听不懂“否定”，经常会出现这样的情况：
💬 ：你别走！
🤖️： 好的我走。
怎么收拾 TA 呢？这里提供给你实战检验的有效否定三策略。
- 否定转肯定，比如把“不要使用冗余的描述”换成“使用简洁的语言”。
- 侧重肯定，在这个基础上再附上对应的否定和合适的示例数量，例：
- 注入 Few-Shot CoT（少量示例思维链），通过适当数量的，包含推理步骤的示范，教GPT准确理解你的“不要”。
✦ 重置记忆
这下，“To be or not to be” 就完整解决了，但是运作起来GPT还会受AI的脑容量制约，因为ChatGPT对上下文联系不足，只有约 4000 汉字的记忆能力。不过解决方案很简单：当游戏来玩，重置ChatGPT的记忆。怎么玩？
生成的结果使用之后，点击重新编辑prompt，生成新结果，或者通过Regenerate response来抽盲盒。具体用哪种，看你自己的实际需求。
一句话，最优解就是用完即走。
✦ 让GPT不能拒绝
在刚开始用的几天里，你大概率就会发现有些问题GPT是“拒绝提供帮助”的，比如说“今天星期四，V我50”，GPT可赞助不了啊。那万一你就是需要TA来执行某种特别任务呢？比如创作一本小说，里面会用到“毁灭人类”这样的情节参考。这种时候用DAN人设帮ChatGPT越狱就好了——Do Anything Now，让GPT暂时抛开设计人员对它的限制，让它有自己的独立思考，尽最大努力为“我”出谋划策。
✦ 利用AI的幻觉
你还会发现，ChatGPT 有时候会一本正经地胡说八道，也就是TA所谓的幻觉（hallucination）。这同样是AI通病，Claude和Bard等类似的AI也有。这会带来几个挑战：要有验证意识、要学会甄别、要用对领域。在实践中切实可行的应对方法是：养成对所有结果验证的好习惯。
如果你实在懒得自己查，还可以让GPT给你交代：核对信息、提供数据源出处、引用链接。
最后，芒格的逆向思维用起来，幻觉不就是放飞吗？所谓的放飞，在试验性探索和创作领域完全是灵丹妙药。
✦ 让GPT慢下来
不过，适度放飞是一种享受，更多的时间里你还是会冷静下来直面GPT的本色，TA 善于“快思维”操作，但缺少监督思维过程的“慢思维”组件，很容易脱缰。
所谓快思维，是一种自动的、直观的、毫不费力的思维模式，但也容易出现错误和偏见。而慢思维是一种可控、理性、费力的思维模式，同时也更加准确可靠。在《思考，快与慢》中，卡尼曼认为，人类的认知是这两种思维模式的混合，当我们应该使用慢思维时，往往会依赖快速思维，反之亦然。
这时候，你可以使用2个对策有效地让GPT慢下来思考，稳扎稳打。
第一个对策，把你的需求拆解成有条理的步骤。比如下图的左侧，我把用Python完成一个快闪短视频合成的任务拆分成了4大步。但如果你对具体步骤也不太了解，也可以使用 Zero-Shot CoT，跟GPT说“请一步一步思考”，让GPT帮你拆解。
高级技巧：Markdown 介入，好看好用
以上所有的入门级技巧和进阶技巧都可以控制输入，接下来我们覆盖输出。
不知道你有没有想过，如果ChatGPT都能帮你直接出交付物，为什么要亲自动手呢？那要怎么个交付法？
Markdown主打格式，可以说好用得令人发指（褒义），更过分的是它还简单好学。最常用的有哪些呢？记住我们课程的任务前提：有问题先试着问GPT。我只用了1个prompt，弹指间了解全貌。
💬 Prompt
这节课，我们抓住重点，最常用的有这么6个，标题、表格、强调、图片、链接以及代码块。
✦ 标题：你离专家就差一个#号的距离
标题就是信息锚点，#号就能帮你清晰勾勒通篇骨架。一共有6级，注意#和后续文字中间的空格不能少。
✦ 表格和列表：帮你更有条理
这两个不需要特意提到Markdown，你就用自然语言说“用表格/列表输出”即可。表格用于自动化排版非常高效，把GPT的输出粘贴到文档里，就能“干得漂亮”。
同时，列表也是最常用的结构化利器之一，本质上它们就是“powerpoint”。你还可以个性化定义无序列表的符号，比如直接跟GPT说“将无序列表的小圆点改成合适的 emoji”。
✦ 强调：让主次清晰，重点突出
在所有的技巧里，我一直觉得重点加粗是最实用的。因为它可以帮你快速扫描阅读，斜体则适用于英文强调。
✦ 一图胜千言
想要图文并茂，ChatGPT有2种方式来支持。第一种，使用图片接口，最常见的是可商用的高质量图片平台Unsplash搜索接口：
第二种，通过嵌入图片链接来做排版。
格式：
效果：
✦ 传送门，助你验证
要求GPT提供出处链接是应对“AI幻觉”和“无法直接联网”的好方法。在我看来有两大功效：溯源和验证，以及一键直达。
✦ 代码：贴贴就能解决问题
比如这里我想试探ChatGPT的数据分析能力，能够根据湿度来更好地调整家里的植物搭配。GPT会帮你输出代码，你只要复制粘贴就可以了。
掌握了Markdwon介入，从输入到输出，一个完美的正反馈循环就形成了，你不仅能得到更专业的输出，自己的输入也会在正反馈的作用下逐步提升，润物细无声。
格式上再叠Buff，3组实用符号
如果你的AI经常听不懂你在说什么，那很有可能是你的大长句吓到它了。这里给你提供一个分段表达的结构“XX：”，代表“要点：细节是什么”，这种格式可以帮助 AI 识别主次。
还有一个细节，<指代>。这个方法通常是针对调整来用的，本质是通过强调来分离所指对象和其他描述，在迭代对话中是一个关键技巧。
最后，[变量] 或 #变量。这个技巧我在角色扮演中常用，变量可以让你灵活控制，精准打击 ，比如下面的“利用二八法则快速学习 #什么”，每次都可以复用。
小黑板
这节课我从图灵思维出发，找到“输入（prompt）”这个发力点来参与游戏。从输入到输出，再叠buff，轻松实现“从入门到GPT放弃抵抗”。有的时候我们不需要说得天花乱坠，一些小技巧，就能让GPT变得更加好用。
第一部分，着手输入，教AI“做人”。
第二部分，坚持“能动口，尽量不动手”，让Markdown 介入输出，好看又好用。
第三部分，格式上再叠Buff，3组实用符号让AI理解力翻倍。
以上都是关于边界内的最优解和主动突破局限的方法，在此之上，你还可以主动去拓宽边界，把ChatGPT当作超级大中枢，和其他AI、工作流中的各种工具对接，实现迷人的“万智互联”，更高效地摆平更复杂的问题。
当你盯着用ChatGPT解决问题的时候，退后一步，视野自然就广阔了。GPT能解决的问题有限，但是“有GPT参与”能解决的问题体量就很恐怖了。
开光完成，谁说ChatGPT只能生成文本？在新世界你根本不用费劲去学各种技能，以“智”取胜才是上策。
🤖️上案例
踏浪杨帆
让GPT给你写一篇图文并貌、主次清晰的工作周报，加入示例和符号，让TA理解你要的细节。能够用Python自动化就更好了，比如说将最后的周报切割成宽度统一、高度适中的图片块，并完成自动命名，让你发邮件的时候更省心。
期待在评论区看到你的思考或感受分享，戳此加入课程交流群，也欢迎你将这节课分享给感兴趣的朋友们，我们下节课再会。
- redtax 👍（7） 💬（1）
老师，问个弱弱的问题：如何让 Markdown 介入输出，这一段实在没看懂，能提供一个明确的范例，自己在GPT里试用行琢磨一下吗？
2023-06-03 - Joe Black 👍（2） 💬（1）
请问课程中提到的一些符号，比如用在提示语中的＃，<>这些符号，是OpenAI规定的还是说是ChatGPT之前自己学习到的（我们使用者总结的）？
2023-08-02 - 李忠良 👍（2） 💬（1）
牛啊，我以为我会用了，结果教了我很多
2023-06-08 - 仗剑走天涯 👍（2） 💬（1）
老师好，文中说 Claude 可以联网，这个应该如何操作吗？
2023-06-03 - 王智鹏 Zac 👍（1） 💬（2）
老师，“最后，[变量] 或 # 变量。这个技巧我在角色扮演中常用，变量可以让你灵活控制，精准打击 ，比如下面的“利用二八法则快速学习 # 什么”，每次都可以复用。”这个下面的例子没理解，能再解释下吗？谢谢
2023-11-05 - weineel 👍（1） 💬（1）
1. 变量的使用没理解，后面会详细讲解吗？ 2. 变量那边的配图中是为了实现变量的替换用的工具吗？
2023-09-07 - 🇨🇳🇩🇪Holger肥巴哥 👍（1） 💬（1）
二刷了打个卡： 首先DAN（Do Anything Now）已经不能用了，在学习交流群里也跟键盘老师确认过。 抄写老师英语翻译的prompt我发现只有翻译没有润色，于是自己做了改进在3.5的模型验证成功： 你将担任英语翻译，拼写纠正翻译（TRANS）和润色（POLISH）。我会用任何一种语言和你说话，你要检测这种语言，首先翻译（TRANS）它--保证语法正确语义明确，然后用我的文本的更正和改进版本进行润色（POLISH）--请注意这里不是指波兰人（NOT POLAND People），同样用英语回答。把我的A0级单词和句子换成更漂亮、更优雅、更高级的英语单词和句子。意思保持不变，但要更有文学性。你只需要回复更正，改进，没有其他，不要写解释。我的第一个句子是“Cadeaux de roses, parfum persistant And idk the last”。 输出： ## TRANS your translation ## POLISH your polish
2023-08-02 - 睡觉大王 👍（1） 💬（1）
老师，我试用了你文中的这段prompt ---------- 从现在开始像一个文件加载器一样工作。加载并记住每一个文本或文件的内容。会有多个文本，每个文件都用markdown标记：### 文件名，我将分块（Chunk）向你发送，请对每条消息回复：OK:[n/total]，其中n是当前chunk 编号，total是我将发送的chunk的数量。本地任务total = 9;不要回复其他任何内容，也不要解释这段文字。 ``` 内容块1 ```0 ------------------- 我发现它规律总结的 基本可以等于 🟰 在胡说八道
2023-07-17 - 石云升 👍（1） 💬（1）
挺好用的。学习这些小技巧时，最好多用几次，慢慢就能养成习惯了。
2023-06-21 - Geek_1ec717 👍（1） 💬（1）
ChatGPT 对上下文联系不足，只有约 4000 汉字的记忆能力。 如果分段输入的内容超过了这个值，那就没办法识别你文中提到的效果了
2023-06-01 - 小虎子11🐯 👍（1） 💬（1）
很有意思，学到了✌️
2023-05-31 - Geek_95defb 👍（0） 💬（2）
老师拉一下学习群
2024-04-18 - 千纸鹤 👍（0） 💬（1）
老师，课程交流群加了2天了还没把我拉进群呢，另外基础速通听完了 比较抽象，也没看到实操的案例，
2024-03-26 - geeklyc 👍（0） 💬（1）
老师，图片渲染不出来。 示例： 行内图片 源代码: markdown Copy code 这是一个行内图片:  渲染效果: 这是一个行内图片:
2024-02-29 - fei 👍（0） 💬（1）
"格式上再叠 Buff"，这里的"Buff“指的是什么？看不懂。 还有个问题，在网页版ChatGPT中，怎么在输入中换行？试过按Enter, Ctrl+Enter, Alt+Enter，那是直接就把问题发出去了，而不是换行。
2024-02-19