玩转ChatGPT：秒变AI提问和追问高手思维导图模板

第5章延伸扩展追问：对ChatGPT"打破沙锅问到底"

5.1 深挖细节和背景：发现AI回答中隐藏的宝藏

5.1.1 抓住细节追问：深入探索AI回答

抓住细节的方法

首先，我们要确保对问题的描述准确而明确，提供足够多的上下文。

其次，我们可以逐步分解问题并追问相关的细节，从不同角度深入讨
论。

最后，我们可以要求AI工具解释回答的原因、依据或提供更多的
例证和数据支持。

【用假设追问】

（1）假如你是一名市场推广专员，公司下个季度将在××市开展新品
上市活动，请从“地域差异”“消费行为模式”两个方面，帮我写一份奶
茶市场调研分析。

（2）假设你是一名新开奶茶店的创业者，希望了解潜在消费群体的
需求及竞争对手的市场表现，以便为新奶茶店制定有效的营销策略。
请你提供一份详细的市场调研分析报告。

（3）假设你是一名有意投资奶茶行业的投资者，想了解奶茶市场的
潜在前景和发展趋势。请你提供一份市场调研分析报告，帮助我做出
决策。

5.1.2 补充背景信息：让你的追问更高效

高效的追问

通过补充背景信息来提供更多上下文，也可以针对具体细节，
提供更详细的问题描述，包括时间、地点、人物等相关信息

【用条件追问】

5.1.3 沿着逻辑追问：深入挖掘更多细节

策略

分析AI工具的回答并找出其中的前提和推理

针对这些前提和推理提出追问，要求AI工具进一步解释或提供更多的支持
性证据

询问关于因果关系、逻辑演绎、假设条件等方面的问题，
以推动AI工具深入思考并给出更精确的回答，确保你的追问与前面的回答紧密相关，
并帮助AI工具揭示隐含或缺失的逻辑推理过程。

持续的逻辑追问，逐步推动AI工具展开更深入的推理，并揭示问题的各个方面。

【用推理追问】

模板样式

(1) 基于你之前提供的xxxx文案，请推理出xxxxx。

(2) 基于你之前提供的xxxx文案，请预估xxxx的xx影响。结合各项数据推理，你认为xxx 可能会带来XXX

5.2 延伸问题：引导AI答出更多信息

5.2.1 扩展追问方向：多维度引导AI回答

策略

通过分析其回答，确定其中的关键点和论点

针对这些关键点和论点的追问，引导AI工具在多个维度上展开回答

这些追问可以涉及细节、原因、影响、比较等方面，以推动AI工具提
供更全面和深入的回答。

探索不同的角度和假设条件，
引导AI工具从不同的视角出发进行推理和思考。

【用建议追问】

模板样式

建议你从xxxx, xxxx等层面进行回答

【用条件追问】

模板样式

（1）在预算有限的情况下，如何xxxxx ?

（2）当团队进行跨部门合作时，如何xxxxxx ?

（3）当团队改成线上远程办公时，如何xxxx ?

5.2.2 扩展答案范围：引导AI跨学科、跨领域回答

方法

提供相关领域的关键词或术语来指导AI

从历史、社会、政治等多个层面来探讨问题

跨学科、跨领域的回答方式可以提供更全面的信息和视角

【用条件追问】

【用否定追问】

（1）这并不是xxx的做法，这样的做法无法
xxx，请你重写。

（2）如果采取你描述的xxxx的方法无法实现xxxx，这种
做法就是不对的，请重写，一定要既xxxx，又xxxx。

（3）只关注xxxx而忽视xx如何保证企业盈利？请重新写出更
符合主题要求的内容。

5.2.3 引发ChatGPT深层次思考：开启AI创新之门

通过哲学问题和伦理学问题（在伦理、道德、人类价值观等方面进行探索）来让其突破原有的思维框架。

【用条件追问】

如何xxxx，以实现xxxx?

5.3 多样化提问：让AI回答更全面、深入、系统

5.3.1 改变提问的角度：换种方式问AI

实现方式

重新思考问题，从不同的角度或侧面来思考同一个问题

改变问题的表述方式，使用不同的词汇、句式或结构来提问

改变问题的背景或情境，探索问题在不同环境下可能产生的新观点或答案

【用建议追问】

5.3.2 使用比较类比提问：将AI的回答引向更深层面

【用比喻追问】

5.3.3 发掘问题背后：让AI的回答更系统

发掘问题背后的逻辑本质

首先，研究问题的关键词和关联词，理解他们之间的逻辑关系

其次，通过思考问题的目的和意义，确定问题的核心所在

最后，要从不同角度和层面思考问题，揭示其中的内在逻辑

将问题拆解成子问题，鼓励AI进行推理和逻辑推断，以综合考虑问题的多个方面

【用条件追问】

(1) 是不是存在xxx ，导致xxx ?

(2) xxxx 是不是存在xxx ，如 xxx 或 xxx ？

（3）是不是存在 xxx ，如 xxx 或 xxx ?

第6章强化自洽追问：通过纠错让ChatGPT更聪明

6.1 让ChatGPT强化学习：获得更精准的回答

6.1.1 在错误中让AI强化学习：让它更智能

ChatGPT可以通过强化学习和人类反馈来不断获得进步和完善。

强化学习是一种机器学习方法，它可以让模型在与环境交互的过程中，根据奖励或惩罚来调整自己的行为。

人类反馈是一种监督学习方法，它让模型根据人类给出的标签或评分来优化自己的输出。

【用错误追问】

发现错误，让其在错误中进步

6.1.2 提示AI强化学习：让提问更准确高效

建议

（1）尽量使用简洁明了的语言，避免使用模糊不清或有歧义的词语。

（2）尽量提供具体的背景信息和目的，避免使用过于宽泛或抽象的问题。

（3）尽量使用开放式的问题，避免使用是非式或选择式的问题。

（4）尽量使用有逻辑性和连贯性的问题，避免使用随机或无关的问题。

【用条件追问】

6.1.3 优化提问关键词：探索AI提问的新高度

优化提问关键词，是使用包括ChatGPT在内的所有AIGC工具的一项重要技能。

【用条件追问】

规范范围，比如已知条件，任务描述，任务要求等等，生成更加优质的内容，摆脱”机器味“

通过追问对比，体现了优化提问关键词的重要性

万能提问模板

你是谁

扮演特定的角色

做什么

具体做什么

怎么做

即具体如何做，有什么要求，

不要做

比如：“不要跑题，不要抄袭，不要超出字数限制”

输出内容

输出文本、表格、代码等

6.2 自洽式追问：明确告诉它错在哪里

6.2.1 明确纠错AI的回答：让它在“批评”中学习

AI系统的学习和改进

通过大规模数据集的监督学习和无监督学习来实现的

通过分析和模拟文本数据中的模式和信息来不断提高其性能

要大胆质疑，敢于追问和批评，尽可能提高其回答的质量

【用否定追问】

6.2.2 多角度追问：让ChatGPT自洽、调整与精进

【用条件追问】

要全面了解某个事实，常见的方法是从多个角度去了解它。

在提问时加入各种包括不同角度的“条件”

多角度追问有很多种形式，包括横向追问、纵向追问、逆向追问、联系上下文追问等

第7章联系上下文追问：时刻提示ChatGPT"不忘初心”

7.1 根据上下文信息提问ChatGPT的技巧

7.1.1 让提问更连贯：上下文理解与关联问题生成

1.引用先前的对话

【用关键词追问】

2.使用明确的指代词

【用措施追问】

7.1.2 上下文信息提示：提升AI的全局认知能力

需要向AI提供充足的上下文信息，以提升AI的全局认知能力

【用条件追问】

1.追加多个修饰词

2.分步追加条件

7.1.3 与AI换位思考：从回答中获得启发再追问

从AI的回答中获得启发并进一步追问

【用建议追问】

模板

关于××，有什么好的建议

我要做××，你能提供参考意见吗

7.2 多文档“投喂”：让AI跨学科、跨领域学习

7.2.1 让ChatGPT构建知识体系：整合分析多篇文档

上传文档（对文档进行文本预处理，即去除特殊字符），整合分析多个文档，构建知识体系

【问的角度】

从产品、用户群体、商业模式、收
入来源、未来发展等角度进行提问

1.产品特点和功能

2.商业模式和收入来源

3.竞争策略和未来发展

7.2.2 跨领域提问：让ChatGPT理解和应用多文档信息

理解和应用多文档信息以回答跨领域问题，不仅要分析各个文档的内容，还要推理各个文档内容之间的关系

提问步骤

首先，明确指出问题是跨域的

其次提供关于多个领域的背景信息

最后，提供更多提示或示例

【问的技巧】

（1）引入背景信息

（2）引导对话

7.2.3 让ChatGPT深度思考：应对多文档分析与综合

1.收集多源数据

2.关键词提取

3.多角度提问

【问的思路】

（1）从数据上问，用户可以针对文档中出现的数据进行提问

（2）从结果上问，用户可以针对文档中xxxx的结果询问措施

第8章聚类分类追问：让ChatGPT"分门别类"

8.1 聚类提示性追问

8.1.1 提示聚类规则：让ChatGPT“合并同类项”

通过分析和处理大量的文本信息，识别出其中的相关主题、关键词和上下文关系，从而将相似的信息进行聚类

聚类能够帮助其迅速获取和整理相关信息，帮助决策者做出更明智的决策

聚类可以帮助用户更高效地获取所需信息，节省搜索和筛选的时间

8.1.2 控制引导提示：让ChatGPT生成聚类规则

分析聚类结果，提供新的规则想法。进一步探讨、探索和分析结果，持续改进聚类规则

对不同的聚类规则进行解释和描述，帮助用户理解每种规则的优缺点

根据用户的需求和数据特点提供建议，帮助用户选择适合的规则

8.2 分类提示性追问

8.2.1 给出分类提示：让ChatGPT寻找关键要素

8.2.2 生成分类提示：引导ChatGPT分类的思路

8.3 “投喂”样本示例追问

8.3.1 给出样本示例：让ChatGPT“照猫画虎”

8.3.2 引导ChatGPT生成示例：让它给自己打个样

提供信息

主题或标题

目标受众

格式或文体

关键信息

指导性要求

8.4 关键词提示性追问

8.4.1 关键词排列顺序与权重对AI回答的影响

关键词排列顺序

关键字排列顺序与问题逻辑要一致

关键词的权重

权重高的，优先解释和回答相关内容

权重低的，在回答中忽略或简单提及

8.4.2 关键词的替换调整对AI回答的影响

保持问题中关键词的准确和一致对于获取正确的回答非常重要

8.5 控制引导生成内容的提示性追问

8.5.1 提示引导ChatGPT生成原创性内容

内容完整，无错别字，无病句，无抄袭，不超过1000字。

8.5.2 提示ChatGPT对回答做原创性修改

通过向ChatGPT提建议，告诉它优化的方向，从而获得更好的答案

第9章分步骤与模块追问：让ChatGPT辅助解决复杂问题

9.1 分步骤与模块进行追问

9.1.1 分步骤追问ChatGPT

分步骤追问的操作步骤

1.提出初始问题

首先，要提出一个总体问题或主要问题，作为起点

2.获取背景信息

需要一些背景信息或上下文

3.分步骤追问

将主问题分解为更小的子问题，逐一提出这些子问题

（1）第一步问题

（2）追问细节

（3）逐步深入

4.整合信息

将ChatGPT提供的信息逐步整合到整个问题的解答中，确保信息之间的一致性和逻辑性

5.澄清不明确的回答

如果ChatGPT的回答不够清晰或完整，你要随时进行澄清追问，以获得更准确的答案

6.验证结果

验证ChatGPT提供的答案是否符合逻辑和事实

7.总结和提供答案

9.1.2 分不同模块追问ChatGPT

将复杂问题分解成不同模块并逐一追问也是解决复杂问题的有效方法之一

分模块追问有助于更有条理地解决复杂问题，确保每个问题都得到了适当的处理

这种方法还有助于提高问题的可管理性，因为你可以专注于一个模块，然后逐步深入研究其他模块

保证提问方法是清晰且有条理的，以确保你获得所需的答案

9.1.3 让ChatGPT自己划分步骤与模块来回答

策略

1.明确问题的复杂性

简要介绍一下问题的复杂性和需要的详细信息

2.引导ChatGPT思考步骤与模块

使用引导性问题或指导性语句来激发ChatGPT思考问题的不同方面，并鼓励它自己划分步骤与模块

示例

请思考一下，解决这个问题可能需要哪些关键步骤

有哪些方面需要考虑，以全面解决这个问

3.提示模块划分

提供一些提示或示例来引导，划分模块

4.逐步深入问题

逐一追问，要求详细说明每个步骤或模块

5.整合和总结

整合信息，形成一个完整的解答或者计划

6.澄清和改进

随时帮助AI工具澄清和改进，以便更好划分模块或提供更详细的信息

7.评估答案

评估答案，确保答案满足需求，并符合问题的复杂要求和详细要求

9.1.4 要求ChatGPT生成举例说明来完善回答

【问的技巧】

1.使用比喻和类比

2.使用表格和图片

3.使用实际的例子

9.2 “知识生成”提示，让ChatGPT生成原创知识

9.2.1 创造新知：生成人类社会不存在的知识

9.2.2 跨界杂交：生成跨学科领域的原创知识

跨界知识的杂交对于推动创新、解决复杂问题、拓展思维和发现新的应用领域都具有重要的现实意义

它可以为我们提供新的视角和方法，帮助我们应对未来的挑战，并开创新的可能性和机遇。

【问的角度】

（1）通过提供实际的案例或研究成果，我们可以更加具体地说明跨界知识杂交在实际应用中的意义和影响。

（2）我们可以提出跨界知识杂交可能面临的挑战和限制，如领域间的沟通障碍、学科特定的术语和方法论差异等

前言

提问技巧的应用

善用角色定位提问，可以帮助你从不同的角度思考问题，获得多样化的回答；

运用给定标准提问，可以帮助你通过明确要求使回答更加具体和准确

明确任务与目标提问，可以帮助你迅速定位问题的核心和关键点；

灵活运用关键词提问，可以帮助你捕捉关键词语以指导AI机器人回答；

限定范围与提示要点提问，可以帮助你有效缩小问题的范围，以便得出更有针对
性的答案。

追问技巧

概括总结追问帮助你概括和总结回答，以便你加深理解；

延伸扩展追问通过进一步提问扩展问题的范围，帮助你获取更多信息；

强化自洽追问确保回答的逻辑自洽与完整性；

联系上下文追问帮助你掌握对话的脉络和背景信息；

聚类分类追问通过分组和分类来整理问题和回答；

分步骤与模块追问通过分解问题和逐步询问，帮助你得到更系统和详细的回答。

五大提问维度

问的角度

问的技巧

问的思路

问的原则

问的逻辑

12个特定的追问方式

用条件追问

用细节追问

用需求追问

用范围追问

用否定追问

用要求追问

用假设追问

用推理追问

用建议追问

用比喻追问

用错误追问

用措施追问

第1章 AI指令提示工程：原理、实践与提问技巧

1.1 AI指令提示工程的基本原理

1.1.1 指令提示：解锁ChatGPT无限可能

提示词Prompt

清晰、明确地告诉AI我们的需求和想法，就可以让AI系统给出更符合我们需求的精确答案

提示词就像一把量尺，它的好坏决定了我们与AI的对话效果和使用体验。

万能公式

1.明确任务类型

希望它生成什么类型的文本，如描述、解释、比较、总结等

2.限定回答范围

希望讨论的主题或具体的领域。

3.设定回答格式

希望得到的文本是列表格式、段落格式，还是其他格式。

4.限定语言风格

希望得到什么语气、语言风格或口吻的回答

5.给定关键词信息

需要的关键信息或关键要素，以便得到更符合我们需求的答案。

5个方面的重要意义

1. 提高效率

指导AI关注问题，减少冗余信息和噪音，在短时间内获得更符合预期的答案

2. 降低错误率

选择合适的关键词、限定输入范围或添加特定约束，降低AI模型生成错误答案的概率，提高回答的准确性和可靠性

3.提升AI的可理解性

巧妙组织AI指令提示词，使AI模型生成更容易被理解和解释的结果

4.省时省力

帮助我们减少时间成本和人力成本

5.满足个性化需求，让它更懂你

不仅可以引导AI模型生成更好的回答，还可以训练AI模型，使其更好地理解我们的意图和需求。

人工智能（Artifical Intelligence，AI）

1.1.2 模型选择：选择最佳AI提示方法

AI生成提示方法（Prompting Method）

1. 数据集

2. 模型架构

3. 性能

4. 数据预处理

5. 目标任务

6. 计算资源

7. 可解释性

1.1.3 结果优化：变换提示优化AI的回答

通过变换提示词来引导AI的回答。这种方法可以帮助我们根据需求微调AI的输出，使其更符合我们的期望。

1.2 AI提示实践：从数据到精彩回答

1.2.1 设计AI提示：探索聊天机器人的奥秘

AI提示的设计原则和注意事项

（1）避免与中国法律法规相违背

（2）语言简洁明了

（3）引导性强

（4）通用性强

（5）多样性

（6）精简性

（7）鲜明性

（8）兼容性

设计让用户“玩上瘾”的AI提示的方法

（1）创造趣味性

（2）提供多样性

（3）引入竞争与合作

（4）奖励机制

（5）互动体验

（6）社交分享

（7）不断更新

1.2.2 优化与评估：打造精准有效的AI提示

优化AI提示的策略

（1）清晰明确

（2）上下文丰富

（3）引导多样性

（4）限制输出长度

（5）迭代优化

评估AI提示的方法

（1）主观评估

（2）客观评估

（3）用户反馈

（4）A/B测试

精准打造AI提示的方法

（1）理解用户需求

（2）使用具体语言

（3）提供明确指令

（4）引入上下文信息

（5）迭代优化

1.2.3 常见问题解答：AI提示的挑战与应对

AI提示的常见问题

1.生成结果的准确性

常见问题1：AI提示可能会生成不准确、错误或含有误导性信息的回答

应对策略

（1）引入上下文

（2）客观验证

2.回答的连贯性

常见问题2：AI提示生成的回答可能存在逻辑不清晰、语义不连贯的问题

应对策略

（1）清晰指令

（2）上下文引用

3.语言风格和口吻

常见问题3：AI提示可能无法根据用户需求生成特定的语言风格或口吻，导致回答
不符合用户期望。

应对策略

（1）提供示例

（2）多样性引导

4.生成结果的可控性

常见问题4：AI提示可能无法完全控制AI生成的结果，导致生成的回答不符合预期。

应对策略

（1）限制输出长度

（2）迭代优化

5.遵循法律和伦理要求

常见问题5：在AI提示中遵循法律法规和伦理原则是一个重要挑战

应对策略

（1）设置约束条件

（2）建立审查机制

1.3 AI提问和追问技巧：从入门到精通

1.3.1 基础技巧：具体、明确、清晰、有趣的提问

五大基础提问技巧

（1）角色扮演：给自己和ChatGPT更具体、清晰的角色定位。

（2）给定标准：标准化“调教”，让ChatGPT更懂你的需求。

（3）明确目标：明确表达自身需求和要达成的目标，确保ChatGPT
的回答更具针对性。

（4）把握关键：清晰、简洁、有趣地表述自己的问题，用好提示词
（关键词）。

（5）锁定范围：要求ChatGPT锁定回答的范围，甚至可以要求AI限
定回答的语言风格等。

1.3.2 高阶技巧：精准引导ChatGPT的持续追问技巧

高阶追问技巧

（1）概括总结追问

（2）延伸扩展追问

（3）强化自洽追问

（4）联系上下文追问

（5）聚类分类追问

（6）分步骤与模块追问

来逐步细化讨论

总结：ChatGPT只是一个工具，它的回答未必尽如人意，也仅供参考和选用，最终我们需要通过“AI生成+人工整合”来获得自己想要的结果。

第2章角色定位提问：与ChatGPT玩“角色扮演”

2.1 用户自身定位：让ChatGPT“看人下菜碟”

2.1.1 设定自我：开启与ChatGPT的互动之旅

在询问ChatGPT时，设定身份是非常有意义的。身份可以提供专业领
域、知识背景、需求和兴趣等信息，这些信息有助于ChatGPT更好地
理解问题并提供更准确、关联度更高和更有价值的答案。

问的原则

（1）告知专业领域

告诉ChatGPT你所在的专业领域或行业，
或直接设定一个身份，以便它能够针对你的领域
或行业提供最准确和最有价值的信息。

（2）提供背景信息

提供你的学历、证书、工作经历等相关背景信息，
以便ChatGPT更好地理解你的知识水平和技能

（3）明确问题和需求

明确你的问题和需求，以便ChatGPT能够提供
最相关和最有用的答案。

（4）不断追问

如果你认为ChatGPT的回答不够详尽，或对某些地方仍存在疑问，
可以通过继续追问ChatGPT，获得更优的答案。

2.1.2 明确目标：想要通过AI获得怎样的回答

【问的思路】

（1）明确问题和目的

明确问题的定义和目标，确定想要了
解什么信息，想要达到什么目的

（2）提出具体问题

根据问题的定义和目标，提出具体、明确的问题，
确保问题清晰、明确，并且没有歧义和模糊的地方。

（3）调整问题

a.澄清问题

b.细化问题

（4）综合判断

结合自己的专业知识和经验，
对答案进行综合判断和评估

答案不够准确或可靠，
可以进一步追问或寻求其他专业人士的帮助

2.1.3 优化整合：通过不同角色视角来追问AI

【问的思路】

（1）明确问题和视角

首先，提问者要明确问题和需求，确保问题
具有明确的目标和背景；

其次，提问者应根据需求和问题的性质，选
择不同的视角和身份来提问。

（2）分别提问

使用所选的视角和身份，分别向AIGC工具提出相同的问题。
在提问时，你应该尽可能地模拟所选身份的特点和语言风
格，以便获得更符合该身份的回答

（3）继续追问

在获得所有不同视角和身份下的回答后，进行比较和分析，
找出它们的异同点，整理出有用的信息和观点。

如果你对回答有任何疑问或有不确定的地方，
可以进一步向AIGC工具追问，以获取更有价值的答案。

2.2 “角色扮演”：给ChatGPT一个身份标签

2.2.1 角色定位：让ChatGPT清楚它扮演的角色

有助于提高用户满意度，优化用户体验，
减少误解和混淆，以及提高工作效率

【问的逻辑】

（1）使用引导性语言

（2）明确目标和受众

（3）考虑细节和具体性

2.2.2 个性化体验：定制更有趣的对话体验

有助于满足使用者的个性化需求和偏好，
有助于AI提供更加贴心和人性化的服务，
以增加使用者的乐趣和愉悦感。

【问的原则】

（1）明确目的

（2）开放式问题

（3）不要打断

（4）提供上下文

（5）直接表达

（6）探索多样性和创新

2.2.3 跨界咨询：获得不同领域的专业建议

AIGC工具具备多领域的知识储备和出色的推理能力，通过让AIGC工具
扮演不同领域的专家角色，我们可以借助其专业知识和经验，获取更
多视角的建议和意见。这种跨领域、跨学科的学习方式，能够帮助我
们获得更全面、更深入的知识和认知。

【问的原则】

（1）明确行业领域

（2）具体问题与需求

（3）情境与背景介绍

（4）针对不同行业领域的提问

第3章给定标准提问：“调教”ChatGPT,让它更懂你

3.1 给定标准：“调教”ChatGPT

3.1.1 预设标准：充分使用给AI定的提示

预设标准技巧

（1）明确定义

在引入新术语或概念时，提供明确的定义与解释，
以便ChatGPT能够准确理解其含义和用法。

（2）明确问题

提问时应尽量明确、清晰地表达自己的问题或需求，
避免模糊不清或有歧义的表述，以便ChatGPT能够准确理解用户的意图。

（3）明确期望

表达自己对ChatGPT回答或建议的期望。

用户可以明确是否需要详细解释、参考资料、建议或简单的回答。

（4）使用例子和示范

提供具体的例子和示范，这包括使用场景、案例研究或演示等。

（5）分解标准为可操作的步骤

将标准分解为具体的、可操作的步骤，
以便ChatGPT能够更容易地将其应用于实践中。

（6）具体化需求

尽量将需求具体化，以便ChatGPT可以提供更精确
的回答或建议。

（7）将标准与上下文联系

将标准置于适当的上下文中，以便
ChatGPT能够更好地理解它们。

（8）使用与标准有关的提示词

注意使用与标准有关的提示词

（9）提供反馈与调整

及时提供反馈并进行调整，这包括但不限于提供更多的解释、
更具体的例子或更清晰的定义

3.1.2 高效提问：让AI快速生成标准化问题

高效提问的技巧

（1）明确问题的目标

（2）使用模板

模板可以包括问题的结构、关键词、占位符等信息。

（3）指定问题类型

标准化问题可以分为不同的类型，如选择题、
填空题、多选题等。

（4）使用开放性问题

（5）设置关键词或划定明确范围

（6）评估生成问题的质量

3.2 生成标准化问题集并“投喂”ChatGPT

3.2.1 从简单到复杂：生成标准化问题及答案

1.明确主题

2.观察回答并提取关键信息

3.生成标准化问题

4.反向“投喂”标准化问题

5.查看答案

6.循环迭代

3.2.2 针对不同场景需求：生成多样化的问题

1.场景需求：股票市场基础知识

（1）从不同层级上问

（2）从实际应用上问

（3）从重要因素和影响上问

2.场景需求：股票与投资策略及风险管理

【问的角度】

（1）从知识的角度问

（2）从分析的角度问

（3）从求证的角度问

3.场景需求：股票分析和公司报告

【问的技巧】

（1）关键词提问

（2）探寻式提问

（3）演示性提问

（4）对比式提问

第4章概括总结追问：将烦琐的事交给ChatGPT

4.1 提取关键信息：让ChatGPT来概括总结

4.1.1 概括总结文本：给ChatGPT定概括的标准

概括总结文本的具体步骤

1.输入文本或文章

2.设置参数

包括生成的摘要长
度、生成的关键词数量等

3.确认关键点或主题

4.优化和修改

【问的思路】

（1）设置具体问题

（2）明确重要细节

（3）提醒关键点

（4）要求表述清晰

4.1.2 提取关键信息：删繁就简，浓缩核心信息

如何使用ChatGPT提取文本的关键信息呢？

首先，提供文章的标题和简要概述

其次，定义关键信息 or 具体内容

是关于特定主题、数据、观点、事件或人物的信息。

最后，将其整理成清晰的摘要或提供相关细节。

【问的角度】

（1）针对关键信息提问

（2）提供文章段落或引用

【用细节追问】

4.1.3 评估AI的输出：提炼它回答中的精华

评估依据的维度

1.理解上下文的程度

2.回答的准确性

3.回答的连贯性

连贯性是评估AI输出内容质量的另一个关键因素。

AI的输出需要具备逻辑上的连贯性，要与问题或讨论的主题紧密相关。

4.回答的实用性

AI输出的质量往往取决于回答的实用性。

5.模型的自信度

4.2 概括总结提问的应用场景与示范案例

4.2.1 快速阅读海量信息：深度提炼，快速掌握

【问的角度】

（1）要求对难懂的概念进行解释

（2）请求进一步的阅读建议

（3）针对特定问题提问

【用细节追问】

（1）提供关键信息

（2）指定阅读范围

【用需求追问】

（1）明确深度需求

（2）追问细节

4.2.2 快速获取关键数据：多份报告抓取关键数据

【问的思路】

（1）提问关键概念

（2）将问题细化

（3）将问题进行综合并总结

【用范围追问】

（1）给定时间范围

指定具体的时间范围

（2）给定地理区域

指定特定地区或国家的数据

（3）给定数据来源

特定的数据来源或机构

（4）给定具体指标

特定的绩效指标，如员工满意度、绩效评分、流失率等

4.2.3 快速生成论文摘要：快速完成论文文献综述

具体步骤

（1）明确主题

明确你的论文主题，以及你希望摘要涵盖的关键信息

（2）提供论文或关键内容

提供论文的完整内容或论文的关键部分

（3）指定摘要长度

生成的摘要长度，通常以字数或段落数来衡量。

（4）明确要强调的重点

强调特定的观点、结果或数据,以及有其他特殊要求的内容

（5）评估生成结果

对生成的摘要进行评估，确保其准确、简洁、完整，并能够准确反映论文的主要内容。

【问的技巧】

（1）明确简洁

（2）具体详细

（3）清晰明了

【用否定追问】

如果你认为摘要中存在错误或不准确的表述，可以澄清或重新说明你
的论文主题、重点或发现。

【用要求追问】

如果你希望对生成的摘要进行修改或修订，应该告诉ChatGPT希望更改
的具体部分。