# 筆記：ChatGPT Prompt Engineering for Developers

課程連結：
https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction

主題：prompt建構技巧

## 撰寫關鍵

- 關鍵1 - 把指令說清楚：有效使用標點符號表達、設定答案格式、設定條件、給模型範例作參考
- 關鍵2 - 給模型多步驟：設定問題回答步驟、讓模型先試答再給最終答案
- 流程 - 重複試錯直到寫出最好的prompt，重點是如何建構試錯流程
- 開發前期可使用單範例驗證prompt有效性，後期再用多範例來驗證，比較各prompts平均表現如何

## 用途技巧 - 資訊歸納（Summerizing）
- 定義目標觀眾是誰，答案會以目標觀眾為主
- 定義具體的需求：「擷取特定資訊」比「歸納所有資訊」更可排除掉不必要的資訊

## 用途技巧 - 資訊判斷（Inferring）
- 定義具體答案格式：「請二擇一」作答情緒好壞；「請列出」各種情緒
- 定義重點：「這個客人有沒有在生氣？」
- 一次結合多需求：列出各種情緒、把是否生氣用1/0表達、做成json格式⋯
- 不用額外訓練就可做各類判斷：人類情緒判斷、文章主題判斷

## 用途技巧 - 改變文章形式（Transforming）
- 使用場景：語言翻譯、語言辨識、轉換表達口吻、文法校訂、轉換輸出格式

## 用途技巧 - 增加文字量（Expanding）
- 使用場景：依照客戶評論，自動生成具體回覆
- 使用temperature參數，增加隨機性（temperature越高，會使用越多機率低的答案做接龍，使最終答案變異性大）
- 越穩定的系統，需要越小的temperature；若應用在創意領域，可以調高temperature
- 若temperature=0，每次皆產生相同答案

## 用途技巧 - 客製聊天機器人（Chatbot）
- 產生單一回答，使用```get_completeion()```函數
- 產生雙向對答，使用```get_completion_from_message()```函數
- 產生對答需要三種角色：system（角色設定）, assistant（對答機器人）, user（使用者）