怎么向chatGPT提出一个好问题？
写在前面
面对ChatGPT这个新工具，我们该怎么使用它呢？
ChatGPT最擅长的就是找答案，无论在速度还是数量上，都比人强很多。
对于学习的人，最重要的事情之一，就是你得学会向ChatGPT提出一个好问题。
怎么做到呢？
本文共计3405字
阅读时长约5min
chatGPT的使用界面，相比其他一些AI来说要简单很多，会微信聊天基本就会用。
所以有些人会说，ChatGPT能为你产生多大的价值，关键在于你提问的质量。
这话没错。
在ChatGPT没出现的年代，一个能不时的提出好问题的人也是稀有的。
比如苏格拉底式提问，又被称为苏格拉底式教学法，不断提出好问题，本身就是最好的习得新知识的方式。
能提出结合了理性思考、发现谬误、拓展思路、获得启发的问题，是一种令人羡慕的能力。
而在ChatGPT出现之后，提问能力就变得更重要了。
之所以把问题问好对于输出高质量回答非常重要，主要是因为ChatGPT生成文本类似于一个“文字接龙游戏”，就是在当前已有的句子之后，如果另外加一个词的话，加什么词最合适呢？
知道了这一点，你就能理解，输出结果之前的句子有多重要了，因为后面不断增加的词都是在前面那句话的基础上生长出来的。
既然是稀有的能力，就意味着它很难用工程化的技巧习得。
而我们这门课，并不是强调这个角度的能力提升，而是依据ChatGPT特有的属性，教你一些“工程化”的方法。
也就是说，只要你按照提示做，就会得到很多观点新颖的内容，更可能收获很多灵感；
如果你缺乏这方面的技巧，收到的回复里正确的废话就会占比很多。
就在最近，世界上出现了一个新词——“提示工程”（Prompt Engineering），其中有一部分内容就是这方面的工作。
有一个简单的宗旨，能让你更好的利用AI：
你可以把自己假设为公司领导，把ChatGPT当作你的直接下属，你的一切命令、吩咐、需求都由它负责执行，你提出的要求直接决定了它是否能执行到位。
在这个宗旨下，你的每个问题就不能太宽泛，而是要具体。
现在问题来了，一个具体的好问题应该是什么样的呢？
简单来说，它应该包含三个元素：
任务简述、任务描述、角色场景。
我会举很多例子说明，怎么用好这三个元素，如果不用，又会出现哪些问题。
元素一：任务简述
第一个元素是任务简述。
你要给ChatGPT明确指示，输出什么东西。
比如，常见的有以下20种：
我要写一首诗，
我要生成一篇手机评测，
我需要一份广告文案，
我想了解科技前沿，
我要解一道物理题，
我要生成一篇论文，
我要生成一篇论文的摘要，
我要生成一篇节目的提纲，
我要起草一个计划，
我要写一封信，
我要做一个PPT，
我要生成一个故事，
我要分析一个问题，
我需要翻译（各国文字之间、各编程语言之间），
我需要写代码，
我需要分类，
我要解释一段代码的含义，
我要提取关键词，
我要取名，
我要修复代码中的bug，
……
在一开始提问时就明确任务，会让最后输出的结果从内容体裁到格式上都更加满足你的需要；
否则你只能追问另外若干个问题，然后再根据多条回复，自己重新组织起一个你需要的格式出来。
但仅有任务简述是不够的，这过于宽泛。为什么呢？我们可以从ChatGPT生成结果的方式去考虑：
它要解决的问题是，在当前句子的最末尾添加另外一个什么词才能让这句话更好。
所以，如果你的问题极为宽泛，就用我们刚刚说到的ChatGPT可以做到的那20类任务的简述直接问，比如“我要写一首诗”，那么根据ChatGPT生成回复的规则，你就可以预料到，如果在这个任务简述后面增加一个词的话，其实有很多备选都是可用的，比如有200个词都可以接在它后面，而且它们之间并没有明显的优劣之别。
这就导致你得到的回复过于宽泛，缺少针对性。
元素二：任务描述
为了得到更有见地的回复，我们还需要对任务做描述，比如具体内容、信息背景、期望达成的结果、细节上的要求、技术指标、生成回复的字数、情感倾向等等。
我在文稿中举了生成一首诗歌、一篇评测、一份广告文案、写一封信四个例子。
通过这些例子你可以清晰的对比出来，没有详细任务描述和有详细任务描述的情况下，输出结果的差异有多大。
举例：写诗
举例：评测
举例：广告文案
举例：投诉信
比如，写一首诗歌，你就可以这么问：
“我要写一首诗，内容和求职就业有关。因为我一直没找到理想的工作，非常郁闷，想把这首诗发在网上，抒发我胸中的愤懑，诗要犀利，但不要愤怒，只需要8句话就可以。”
在这段描述中——
“内容和求职就业有关”是具体内容，“我一直没找到理想的工作”是信息背景，
“抒发胸中愤懑，但不要愤怒”是情感倾向，
“只需要8句话”是字数要求。
通过下面的例子你会发现，当你添加了任务描述后，尽管诗歌的字数并没有增加，但是高度贴合你的需求。
在第一个例子中，第一首诗就没有任何明确的要求，只是提出“我要写一首诗”，你可以看看它写的是什么样子；
而当你把任务描述写得很详细的时候，这首诗就很符合我们的要求了。
第二个有对比性的例子是一篇手机评测。
如果你的要求只是“我要写一篇手机评测”的话，它的内容就会很泛泛；
如果你把要求细化成“我要写一篇手机评测，鉴于最近2年手机同质化问题很严重，所以要突出这个手机续航能力强的特点，把重点放在续航时间长、电池电量大、充电快、节电措施合理上。
让人看了就觉得值得买，500字以内”，当要求详细了之后，它列出的5点全部结合了续航时间长这个特点。
第三个例子是一份羽绒服的广告文案。
如果你只是写“我要写一份羽绒服的广告文案”，内容也是很泛泛的；
但如果你这么写，“我要写一份羽绒服的广告文案，今年有另外4个品牌和我们打价格战，我们的羽绒服含绒量、充绒量上都超过竞争对手，而且由于特殊的网格设计，蓬松度能维持的更久。
你要把这几个参数的优势写清楚，让消费者看到以后会觉得我们的羽绒服买回去能穿更久，别看价格更高，但其实更省钱。
300字以内”，这次生成的羽绒服广告文案就全都围绕你说的这个优势了。
第四个例子是写一封投诉信。
如果你只提很简单的要求，“我要向银行写一封投诉信，因为他们的办事效率太低”，那自动生成的文章里涉及到的问题也许都不是你遇到的。
而你可以这么写，“我要向银行写一封投诉信，办卡申请已经提交了2周还没有回复，还不知道要等多久，没有银行卡的日子，生活非常不方便。
你要把理由写充足，用强硬的语气，尽最大可能让他们收到邮件后能立刻重视起来，帮我加速办理银行卡”，当我们把任务描述细化到这个地步，加入场景和情感倾向之后，相信这封投诉信会得到很好的响应。
元素三：角色场景
以上，我们通过对比，了解了和ChatGPT对话时设置详细的任务描述的好处。
下面一些例子，我们再来看看额外设置角色场景的效果。
因为有时候，额外设置角色场景会收到意想不到的效果。
比如，要了解新冠病毒的信息，没有意识到主动加入角色场景时一般会这么问：
“我想了解一下新冠病毒”；
但有角色场景下可以这样问：
“假设我是一个生物学家，我想了解一下新冠病毒。”这样问，你将得到更加专业的回复。
用两种不同的方式问，生成的内容是很不一样的——
如果没有告诉它角色场景，ChatGPT的回答基本就是针对小白的，什么新冠病毒具有较强的传染性，感染后的症状什么样，建议佩戴口罩、勤洗手、接种疫苗来预防等等。
如果告诉他，“我是一个生物学家”，它输出的内容就会深入得多。
比如，它会告诉你，“新冠病毒的基本结构包括RNA基因组、脂质包膜以及多种蛋白质，如刺突蛋白（S）、膜蛋白（M）和核衣壳蛋白（N）。
刺突蛋白（S）在病毒侵入宿主细胞的过程中发挥关键作用……新冠疫苗有多种技术平台，包括mRNA疫苗（如辉瑞-BioNTech和Moderna疫苗）、腺病毒载体疫苗（如阿斯利康疫苗和约翰逊&约翰逊疫苗）以及灭活病毒疫苗（如中国科兴和中国国药的疫苗）等”。
对比1：
对比2：
对比3：
对比4：
通过对比我们可以看出来，只要在问题中给ChatGPT赋予一个角色，就能让答案更贴近我们想要的方向。
如果回顾最初的4个例子，也就是写诗、写手机评测、写广告文案和写投诉信中，我们虽然没有用特定的指令赋予ChatGPT一个角色，但实际上，陈述中已经包含了一些角色的信息。
比如，写诗的时候，我是一个在求职中遇到困难的人；写手机评测和写羽绒服广告文案时，我是厂商市场部的员工；写投诉信时，我是一个不满的客户。
总结
在向ChatGPT提问时，想要获得更好的回复，最基础的几个元素是：
任务简述+任务描述+角色场景。
当然，你不必硬记这几个元素。
很多时候，把ChatGPT当作你的直接下属来提需求，往往就能把最基础的元素覆盖全。
当你吩咐下属做事的时候，把背景交代得越完整，要求提得越明确，下属执行起来也会越符合你的期待。这一点和ChatGPT是一样的。