“让我们聊聊（GPT）”——这是关于对话，而不是提示。
毕竟，它不叫AnswerGPT。
ChatGPT并不是为了成为一个按键答案生成器而建立的。它的设计宗旨是成为一个会话伙伴，这是发挥最大价值的方式。
在ChatGPT出现后的几个月里，一个新的热词--“即时工程”被创造出来作为开发生成式AI潜力的关键。
提示工程是制定高度精细、精确的指令以从聊天GPT中获取最佳结果的实践。一个良好工程的提示将包括有关聊天GPT在生成输出时应使用的语调、格式、写作风格和其他考虑因素的详细信息。
并且它有效。
当您向ChatGPT提供一个精确的指令集时，你有很高的几率得到符合您需求的响应。但是，即使是通过快速工程实现，它也可能是一个耗时费力且劳神的过程，而且可能只是ChatGPT真正所提供的内容的冰山一角。
“一发”vs. “几发”刺激
ChatGPT的设计旨在进行类似人类的对话。就像人类一样，它通常更愿意参与关于任务的对话，而不是仅仅接受一套指令。
ChatGPT研究人员通过一种被称为“Few-shot”提示的实践实现了更高质量的结果，用户可以逐步地跟随ChatGPT的一系列指令进行操作，而不是将它们整合成一个单一的“一次性”提示。
个别提示可链接在一起，提供完整的指令集，但可以分成逻辑上的部分，就像你可能在纸上描述一个详细，复杂的任务一样。据认为，上传分开的内容给ChatGPT一些空间来“思考”接收到的内容，可能会对内容进行预处理，因此最终只需专注于最后一步——生成响应。
一个筹款活动中的几个提示点交换的示例可能是：
你：我希望你能充当一个有用的筹款助手。我会提供几个文本部分，来描述一个筹款活动的背景信息。然后我会要求你使用我提供的信息生成几个内容片段。
ChatGPT：明白了，请提供第一篇内容。
你：这是第一部分：这个筹款活动是为了支持国际红十字会。国际红十字会的使命是……（填写使命宣言）。特别是这次活动着重于……（关于目前活动的详细信息）。
ChatGPT：明白了，请提供下一个内容。
你：这是下一个部分：这次筹款活动的目的是重新激活过去赞助的捐赠者，他们的礼物已经过期。>
ChatGPT：明白了，请提供下一篇内容。
你：这是最后一篇内容。现在我希望你能为这个活动撰写一封适当的电子邮件募捐呼吁。信息应该以电子邮件募捐呼吁的形式呈现。尽可能使用以下撰写信息的指导方针：邮件文本长度应为约350字。1）在开头编写一个引人注目的开场白2）专注于组织工作的影响3）包含一个引人入胜的故事4）有一个强有力的呼吁行动5）包括一个后脚本，强化主要的行动呼吁。
请在引用或引述的文件下方列出所有的文献来源参考。
ChatGPT: 好的，这是募捐邮件的文本：...
在实际操作中，它更像是与一位高素质的初级助手一起工作，而不是一台计算机。
当然，对话并不止于此。当ChatGPT生成请求申诉副本时，用户可以继续讨论，提供反馈和改进建议，并应用自己成功筹款策略和技巧方面的知识。
通过反复对话，ChatGPT可以被指导用于生成更好的筹款文案。
逻辑框架
“Few-shot”提醒可以跟随不同的逻辑框架来磨练特定的结果，但来回对话的基本结构仍然保持不变。
- 思维链：这种方法通过一系列逻辑连接的提示指导模型达到所需的输出。
- 增量细节: 从高级提示开始, 然后通过后续提示逐步添加更多细节来描述复杂任务。
- 苏格拉底式方法：该方法使用一系列问题引导模型朝着最终答案方向，鼓励深入、批判性思考。
- 示例引导提示：在这里，模型会给出一个或多个所需输出的示例，以演示所需的内容。
- 反事实提示：这种方法向模型提出假设情景，并要求其进行推断或预测结果。
实际应用中，这些框架可以在对话中组合使用。例如，上面的例子结合了思路链和逐步细化的元素，但也可以包含之前筹款呼吁的示例（样例提示），甚至包括反事实提示，例如：
“想象一下，如果我们的慈善组织去年没有收到任何捐款，可能会产生什么影响，并基于这种想象的情境写出一个有力的捐赠呼吁？”
就像与ChatGPT相关的所有内容一样，“Few-shot”提示是一种新的和不断发展的实践，它可能会被更有效的生成式AI教学框架所取代。但对于募款人来说，这是学习如何将人类领域知识（即筹款专业知识）应用于生成式AI的一个非常可行的起点，从而为双方带来净收益的良好开端。
关于 Few-Shot 提问需要记住一个重要的注意事项：ChatGPT 目前不会在不同的对话之间保留工作内存。因此，当您启动新的聊天时，您将回到初始状态——“您是一名有帮助的筹款助手…”。
