Awesome ChatGPT Prompts 新手入门指南：从零构建高效对话模板

1次阅读

共计 2043 个字符，预计需要花费 6 分钟才能阅读完成。

刚接触 ChatGPT 的开发者经常会遇到这样的问题：明明输入了问题，但 AI 的回答要么答非所问，要么过于笼统。这通常是因为新手在设计 prompt 时存在以下几个常见问题：

意图模糊：问题描述不够清晰，AI 难以准确理解你的需求
缺乏约束条件：没有设定回答的范围或格式，导致回答过于宽泛
忽略上下文：没有提供足够的背景信息，AI 无法做出针对性回答
参数设置不当：对 temperature 等关键参数不理解，影响生成结果

要让 ChatGPT 按照你的预期工作，首先需要理解几个关键参数：

temperature（温度参数）：控制生成文本的随机性
值越高（接近 1.0），输出越随机、有创意
值越低（接近 0），输出越确定、保守
max_tokens（最大标记数）：限制响应长度
1 个 token≈0.75 个英文单词
设置过小可能导致回答被截断
top_p（核采样）：控制词汇选择的多样性
与 temperature 类似，但采用不同的算法
通常设置 0.7-0.9 可获得较好效果

你是一位专业的 [领域] 专家。请用简洁的语言回答以下问题：[具体问题]。要求：- 回答不超过 100 字
- 提供 3 个关键点
- 使用列表格式

你是一位富有创意的 [角色]。请基于以下主题生成 5 个[内容类型] 创意：主题：[具体主题]
要求：- 每个创意不超过一句话
- 包含一个意想不到的元素
- 使用编号列表

你是一位严谨的逻辑分析专家。请逐步分析以下问题：[具体问题]
要求：1. 首先明确问题核心
2. 列出 3 个可能的解决路径
3. 评估每个路径的优缺点
4. 给出最终建议

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

# 初始化客户端
openai.api_key = 'your-api-key'

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def get_chatgpt_response(prompt, temperature=0.7, max_tokens=150):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "system", "content": "你是一位乐于助人的 AI 助手"},
                {"role": "user", "content": prompt}
            ],
            temperature=temperature,
            max_tokens=max_tokens,
            stream=True  # 启用流式响应
        )

        # 处理流式响应
        full_response = ""
        for chunk in response:
            content = chunk['choices'][0]['delta'].get('content', '')
            print(content, end='', flush=True)
            full_response += content

        return full_response
    except Exception as e:
        print(f"请求失败: {str(e)}")
        raise

# 使用示例
good_prompt = """ 你是一位经验丰富的 Python 开发者。请解释列表推导式 (list comprehension) 的用法，要求：1. 给出 3 个不同复杂度的示例
2. 对比与普通 for 循环的性能差异
3. 使用 Markdown 代码块格式 """

response = get_chatgpt_response(good_prompt)