Nyckel till att konsekvent generera högkvalitativa resultat från ChatGPT och Google Bard ligger i att förstå de sex grundläggande komponenterna i en bra uppmaning: uppgift, kontext, exempel, persona, format och ton. Dessa komponenter samarbetar för att ge den nödvändiga informationen och strukturen för språkmodellerna att leverera skräddarsydda och relevanta svar.

1. Uppgift: Börja uppmaningen med ett aktivt verb (t.ex. generera, skriv, analysera) och formulera tydligt önskat resultat. Detta kan vara en enkel uppgift som att skapa ett träningsprogram eller en mer komplex flerstegsbegäran.

2. Kontext: Ge relevant bakgrundsinformation för att hjälpa modellen förstå användarens situation, önskade framgångskriterier och den miljö de arbetar i. Detta hjälper att begränsa de oändliga möjligheterna och säkerställer att resultatet anpassas till de specifika behoven.

3. Exempel: Att inkludera relevanta exempel eller ramverk i uppmaningen kan avsevärt förbättra kvaliteten på resultatet. Dessa exempel fungerar som en guide för modellen att följa, vilket säkerställer att svaret överensstämmer med bästa praxis eller en specifik struktur.

4. Persona: Att definiera den persona du vill att modellen ska anta, som en ämnesexpert eller en specifik individ, kan forma tonen, språket och perspektivet på resultatet.

5. Format: Visualisera önskat format för resultatet, oavsett om det är en tabell, e-post, punkter eller en sammanfattning i Markdown-format. Att ange formatet hjälper modellen att strukturera svaret i enlighet med detta.

6. Ton: Ange önskad ton, såsom informell, formell, entusiastisk eller pessimistisk, för att säkerställa att modellens språk och röst överensstämmer med dina preferenser.

Genom att införliva dessa sex komponenter i dina uppmaningar kan du konsekvent generera högkvalitativa resultat som är skräddarsydda för dina specifika behov, vilket sparar tid och ansträngning i processen.

Den första och viktigaste komponenten i en bra uppmaning är uppgiften. Tumregeln är att alltid börja uppgiftsmeningen med ett aktivt verb som "generera", "ge", "skriv" eller "analysera". Formulera tydligt vad ditt slutmål är, antingen en enkel uppgift som att generera ett tre månaders träningsprogram eller en mer komplex flerstegsbegäran som att analysera användarfeedback, dela de tre viktigaste insikterna och kategorisera feedbacken baserat på det team som ansvarar för uppföljning.

Uppgiften är grunden i din uppmaning, och det är obligatoriskt att inkludera den. Utan en tydligt definierad uppgift kommer resultatet från språkmodellen att vara generiskt och mindre användbart. Genom att börja med en stark, handlingsinriktad uppgiftsformulering skapar du förutsättningar för resten av din uppmaning att vara effektiv.

Den andra komponenten i en bra uppmaning är kontext. Kontext är den svåraste att få rätt, eftersom det finns en oändlig mängd information som kan tillhandahållas. Nyckeln är dock att ge tillräckligt med relevant information för att begränsa de oändliga möjligheterna och vägleda AI-modellen att generera ett högkvalitativt resultat.

När du utformar kontexten är det hjälpsamt att ställa dig tre frågor:

1. Vad är användarens bakgrund? - Detta hjälper AI att förstå användarens expertis, erfarenhet och andra relevanta detaljer om dem.

2. Vad innebär framgång? - Att definiera önskat resultat eller mål hjälper AI att anpassa sitt svar för att uppfylla användarens behov.

3. Vilken miljö befinner de sig i? - Att tillhandahålla detaljer om användarens nuvarande situation eller miljö kan hjälpa AI att generera ett mer skräddarsytt och lämpligt svar.

I träningsprogramuppmaningen är den angivna kontexten: "Jag är en 70 kg man som vill lägga på mig fem kilo muskelmassa under de kommande tre månaderna. Jag har bara tid att gå till gymmet två gånger i veckan och en timme per session." Denna kontext ger AI den nödvändiga informationen för att generera ett relevant tre månaders träningsprogram, utan att överbelasta den med onödiga detaljer.

Nyckel är att hitta en balans - ge tillräckligt med kontext för att vägleda AI, men inte så mycket att det blir förvirrande eller oproduktivt. Genom att ställa dig dessa tre frågor kan du utforma den perfekta mängden kontext att inkludera i din uppmaning.

Exempelkomponenten är ett fint sätt att säga "exempel". Forskning om stora språkmodeller (LLM) har visat att att inkludera exempel i uppmaningen kan drastiskt förbättra kvaliteten på resultatet.

Här är några exempel på hur man kan använda exempel:

1. Enkelt exempel: Om du har en punktlista från ett CV kan du be ChatGPT att omformulera den med en specifik struktur, som "Jag åstadkom [X] genom [mått Y] vilket resulterade i [Z]".

2. Intervjuförberedelse: För en intervjufråga som "Vad är din största svaghet?" kan du tillhandahålla STAR-ramverket (Situation, Uppgift, Åtgärd, Resultat) som ett exempel på struktur för ChatGPT att följa.

3. Jobbannons: Om du behöver skriva en jobbannons kan du tillhandahålla en befintlig jobbannons som exempel och be ChatGPT att referera till formateringen och språket.

Huvudpoängen är att exempel inte är nödvändiga för varje uppmaning, men att inkludera ett relevant exempel eller ramverk kan avsevärt förbättra kvaliteten på resultatet.

Personakomponenten är i princip vem du vill att ChatGPT och Bard ska vara. Prototipet här är att tänka på någon du skulle önska att du hade omedelbar tillgång till för den uppgift du står inför.

Exempelvis, om du arbetar med en uppgift relaterad till fitness, skulle Persona kunna vara en fysioterapeut med erfarenhet av att hjälpa idrottare att återhämta sig. Om du är arbetssökande skulle Persona kunna vara en rekryterare eller en personalchef. För en kreativ brief skulle Persona kunna vara en erfaren produktmarknadsföringschef som är bra på storytelling.

Du kan också nämna specifika individer, men resultaten tenderar att vara bra endast när de är tillräckligt kända, som Warren Buffett, Steve Jobs eller Jeff Bezos.

Fiktiva karaktärer kan också fungera. Till exempel kan du be ChatGPT att skriva ett e-postmeddelande från Batman, och den kan till och med inkludera detaljer som "Låt gärna Alfred veta" och avsluta med "Mörkrets riddare".

Nyckel är att visualisera den typ av expert eller auktoritetsfigur du skulle vilja ha som hjälp med den aktuella uppgiften, och sedan införliva den Persona i din uppmaning.

Den femte komponenten i en bra uppmaning är formatet. Prototipet här är att bokstavligen stänga ögonen och visualisera exakt hur du vill att slutresultatet ska se ut.

Exempelvis, om du vill ha en miljon gilla på din törstfälla Instagrambild, kan du ange formatet som ett sociala medier-inlägg. Om du arbetar med användarmottagande kanske du vill att resultatet ska vara i tabellformat med rubriker som "Ursprunglig feedback", "Ansvarigt team" och "Prioritet".

Andra vanliga format inkluderar e-post, punkter och kodblock. Den som jag dock har funnit vara mest användbar som heltidsarbetande yrkesverksam är stycken och Markdown. Till exempel, om jag får en omfattande branschrapport för min chef, kan jag be ChatGPT att ge mig de tre viktigaste insikterna och sammanfatta rapporten per ämne, med H2 som avsnittshuvuden.

Protokopp: Närhelst jag använder ChatGPT för att korrekturläsa något dokument, anger jag att alla ändringar måste vara fetstilta så att jag enkelt kan se exakt vad som har ändrats.

Tonkomponenten i en uppmaning handlar om att förmedla önskad stämning eller attityd i resultatet. Det är viktigt att ange den ton du vill ha, eftersom språkmodeller som ChatGPT och Google Bard kan generera innehåll i ett brett spektrum av toner.

Några vanliga tonalternativ inkluderar:

• Informell: Använd ett informellt, samtalande språk.
• Formell: Upprätthåll en professionell, polerad ton.
• Entusiastisk: Uttryck upphetsning och positivitet.
• Objektiv: Tillhandahåll ett neutralt, faktabaserat perspektiv.
• Empatisk: Visa förståelse och medkänsla.
• Koncis: Använd ett tydligt, koncist språk.
• Kvick: Inkorporera humor och lekfullhet.

När du bestämmer lämplig ton, ta hänsyn till uppgiftens sammanhang och den avsedda målgruppen. Till exempel kan en ton som passar för ett marknadsföringsutskick skilja sig från tonen som används i en teknisk rapport.

Ett prototipp är att tillhandahålla specifika tonord i din uppmaning, som "använd en vänlig och tillgänglig ton" eller "skriv på ett formellt, professionellt sätt". Detta hjälper att säkerställa att resultatet matchar din önskade ton.

Tänk på att tonkomponenten är den sista biten i uppmaningspusslet, men den kan ha en betydande inverkan på den övergripande kvaliteten och användbarheten av det genererade innehållet.

Kära Tim,

TL;DR Vi har just lanserat den senaste Apple-produkten i samarbete med Tesla - Apple Car. Vi har fått in 12 000 förhandsbeställningar, vilket är 200 fler än vårt mål.

Projektbakgrund Apple Car-projektet initierades för att utnyttja vår expertis inom programvara och design, kombinerat med Teslas ledarskap inom elfordon. Målet var att skapa en sömlös, innovativ och hållbar transportlösning som skulle omdefiniera fordonsindustrin.

Affärsresultat Lanseringen av Apple Car har varit en överväldigande framgång. Vi har fått in 12 000 förhandsbeställningar, vilket är 200 fler än vårt ursprungliga mål. Detta visar på den starka efterfrågan på vår produkt och det förtroende våra kunder har för Apple-varumärket.

Avslutning Jag vill uttrycka min uppriktiga tacksamhet till produkt- och teknikteamen för deras outtröttliga insatser i att förverkliga detta projekt. Deras hängivenhet och innovation har varit avgörande för att leverera en verkligt anmärkningsvärd produkt.

Vänligen låt mig veta om du har några ytterligare frågor eller om det finns något annat jag kan hjälpa till med.

Med vänliga hälsningar, [Ditt namn] Senior produktmarknadsföringschef Apple Inc.

I den här videon har vi täckt de sex grundläggande komponenterna i en väl utformad uppmaning: uppgift, kontext, exempel, persona, format och ton. Genom att förstå ordningen av betydelse och hur man effektivt utnyttjar varje element kan du konsekvent generera högkvalitativa resultat från språkmodeller som ChatGPT och Google Bard.

Huvudpoängerna är:

1. Uppgift: Börja alltid med ett tydligt aktivt verb och formulera önskat slutresultat.
2. Kontext: Tillhandahåll bara tillräckligt med relevant information för att begränsa möjligheterna och vägleda modellen.
3. Exempel: Inkludera relevanta exempel eller ramverk för att hjälpa modellen förstå önskad struktur och stil.
4. Persona: Ange den typ av expert eller auktoritetsfigur du vill att modellen ska efterlikna.
5. Format: Visualisera önskat utdataformat och ge instruktioner i enlighet med detta.
6. Ton: Kommunicera önskad röst och ton, med hjälp av specifika adjektiv och adverb.

Genom att följa denna omfattande uppmaningsformel kan du frigöra språkmodellernas fulla potential och effektivisera din produktivitet i olika uppgifter. Kom ihåg att övning ger färdighet, så fortsätt att experimentera och förfina dina uppmaningar för att uppnå konsekvent utmärkta resultat.