PromptAlchemy DataDistillation
v0.1.1
透過 DALL-E 3 產生的影像
歡迎來到我的《提示煉金術》系列中的第一個提示操作指南！這是我第一次嘗試分享我的一些即時“工程”技術、技巧和竅門，所以如果您喜歡這個存儲庫，請考慮給它一顆星或分叉它以做出貢獻。的網路中分享它以幫助如果人們感興趣的話，我很樂意分享更多。
本指南應該允許您與 ChatGPT 進行更個人化的交互，利用您先前與 ChatGPT 進行的成功對話，在 ChatGPT 的「自訂指令」設定中建立專門的提示。我將這種數據稱為“蒸餾”，而不是“匯總”或“優化”之類的東西，因為這裡的關鍵不是保留相同的上下文或結構，而是將數據壓縮和轉換為更適合此用例的內容。
請記住，這旨在使用您自己的數據透過 GPT 完成此過程。目的是產生供個人使用的個人化輸出。如果您不習慣讓 GPT 處理這樣的資料集及其內部內容，那麼這種技術可能不適合您。調整此框架以處理其他資料（您擁有的）的替代用途必須由您自己完成。
我希望本指南對您有所幫助！
| 該技術需要存取“高級數據分析”插件。 |
|---|
| 此技術僅針對 ChatGPT Web UI 設計。文件還不能透過 CLI 直接提供給 GPT 模型。 |
|---|
該技術旨在將個人對話資料提煉成適合 ChatGPT 介面上「自訂指令」設定的內容。也可以將此方法用於 API 調用，但是請記住，您仍然需要存取 ChatGPT 介面上的高級資料分析插件才能使用此技術。出於本示範的目的，我假設您將使用從 ChatGPT 網站匯出的內容。
這不會是一次性提示。將此視為即時「指導」的演示，更類似於 CoT 推理，儘管略有不同。以合理、可操作的步驟對其進行分塊和處理對於有效且有效率地實現預期結果至關重要。如果您期望它一次完成所有操作，它會感到困惑並忘記它應該包含和執行的所有細節。
您可以從此逐步清單中收集並格式化您的個人資料。
“Could you pretty-print or reformat the entire json file to a more human-readable format and allow me to download the reformatted file?”將此文件保存在儲存原始對話文件的位置。 GPT 很難解釋如何處理 json 文件，如果列印得不漂亮，就會陷入困境。以這種方式重新格式化時，GPT 可以快速輕鬆地評估文件及其內容。您可以透過以下兩種方式之一來解決這個問題：您可以先解釋您想要完成的目標和意圖，並允許 GPT 本身產生分析階段（這就是我所做的，帶有交叉引用），或者您可以具體要求我在下面提供的階段進行分析。請記住，我的背景是語言學，所以我可以驗證它試圖進行哪些分析，並根據我的知識完善它試圖做的事情，如果它做了一些奇怪的事情。為了減少摩擦和混亂，我建議使用我提供的提示，但如果您像我一樣具有探索性和好奇心，那麼看看它建議的方法可能會是一次有趣的體驗。
在我們繼續之前，請了解 GPT 可能會嘗試與您驗證其所做的是否正確，並檢查其步驟。正如許多人正確指出的那樣，您不能期望每次嘗試時的輸出和結果都相同。在此過程中保持靈活性並提供盡可能多的建設性回饋。我提供的提示指導模型完成任務，而不是我命令它。使用提示，但要明白，這將由您來引導它朝正確的方向發展以實現目標。這並不像聽起來那麼難，因為將分析過程轉變為清晰的步驟允許模型逐步回應，逐個回應，允許在必要時進行澄清和回饋調整。如果對話延伸得很遠，您可能需要提醒它最後一步，但同樣，快速參考“還記得 X 嗎？”將其註意力轉向預期目標。
在考慮提示什麼以及如何提示之前，最好先概述您的意圖。現在讓我們回顧一下。以下是我們正在嘗試做的事情以及如何做的高級概述。
步驟：
現在，讓我們建立提示來表達我們對 GPT 的目標，以及我們期望它做什麼：
「我們正在使用的這個資料集是我作為使用者累積的個人互動資料。我這次對話的首要目標是使用該資料集編寫一組自訂指令，以個性化未來的交互，同時簡化進一步的指令。
如果您希望 GPT 產生自己的指令來實現目標，只需附加以下內容：
“你能幫我實現這個目標並分析我的數據嗎？”
要求這樣的確認檢查可以讓人工智慧做出回應，既驗證它對你的提示的理解，又通過解釋它如何完成這項任務來證明它理解你所要求的內容，這通常以易於理解的列表式方式發生。您不需要明確告訴 GPT 建置分析步驟，因為它會在這裡自行執行此操作。
| 這裡對提示的添加不需要逐字複製，但最後的子句必須是疑問句，並且必須以“？”結束標點符號以便複製行為。 |
|---|
如果您想使用預先建置的流程，可以如下複製。將其附加到原始提示：
「為了實現這一目標，讓我們將其分解為一個逐步的過程。我們可以按照這個方法如下：
- 基本統計：我們先分析對話數量、平均訊息長度、互動頻率等。
- 內容分析：我們將深入研究互動資料中訊息的內容，以了解感興趣的主題、常用短語、情緒等。
- 互動模式：我們將專注於您如何與助手交互，例如您提出的問題類型、提供的回饋、格式和互動時間。
- 自訂指令開發：根據上述見解，我們將制定可用於簡化未來互動的自訂指令。
你聽懂指示了嗎？
GPT 似乎很重視這些指標。雖然它對我們來說似乎微不足道或無關緊要，但請記住，我們不是在建立這些指令供我們解釋，而是為人工智慧建立它們來解釋。
發送此提示後，它將開始透過一系列回應、嘗試和錯誤來逐步完成該過程。每個指令步驟之前可能會有一個子流程步驟來完成特定步驟的目標。完成給定超級步驟的子步驟所需的回應數量各不相同，但它應該達到正確的結果，除了“let's proceed!”之外幾乎沒有任何干擾。 。
為了交叉檢查和驗證我的迭代用於完成這些任務的成功步驟，我在下面提供了它們。別擔心，我並不期望使用這種技術的每個人都知道所有這些奇特的分析以及它們應該如何運作。您可以將此作為參考來了解什麼有效以及需要尋找什麼。如果人工智慧建議它想做一些你不知道或不理解的事情，請告訴它要按照以下步驟操作。您也可以使用大綱將子步驟配對在一起，以確保其處於正確的軌道上。請記住，這是指導模型的大綱；我不建議將其作為提示逐字發送給模型。
請記住，GPT 不是上帝，您可能仍然需要提醒它一兩次才能保持正軌並遵循流程。它可能想跳過一兩步。一旦您成功地引導模型對上述所有分析結果做出回應，並且您可以看到它的工作，就到了最後階段的時候了。不要離開太久；如果超時，GPT 將忘記由於不活動而獲得的所有數據。您可以嘗試要求它回顧整個對話，但根據對話的長度，可能會被證明是不可靠的。
分析結果已經獲得，如果指導得當，應該會輸出到目前為止的所有結果。您可以透過交叉檢查提煉的說明與先前提供的結果來利用它來進行記憶、檢索和驗證。由於此數據是使用高級數據分析獲取的，因此您可以返回並觀察它如何計算這些結果。如果您遵循大綱，那麼這些數字應該都是透過合法的分析技術以程式設計方式計算出來的，這意味著它們很可能是準確且重要的。 GPT 也能夠總結資料的關鍵區塊和評估，因此任何不是數值的東西都是總結資料分析標準的直接結果。這很重要，因為當它提取我們想要的最終結果並且數字不匹配時（它會發生），請提醒並參考它之前提供的關鍵數據點（或者，直接複製它們作為錯誤更正） 。準備好後，就可以將模型參考總體目標，並使用我們獲得的結果向 GPT 提供清晰、明確的說明，說明我們想要什麼（如果 GPT 確實如此，則應該熱加載以供上下文參考）不超時） 。
如果您之前註意到，我們沒有提供詳細、清晰的說明來說明這些自訂指令到底是什麼以及我們希望如何建構和提煉它們。這是有意為之，以免壓倒和/或誤導 GPT 的注意力。到目前為止，我們一直在努力將 GPT 可以使用的資訊上下文細化為一組可管理的部分。我們不是透過總結資料來壓縮視窗的上下文，而是提取對人工智慧來說最相關的資料部分。現在我們已經提取了這些細節，我們可以使用它作為我們的上下文來建立我們的精簡指令集。
「現在，請記住我們這次談話的總體目標。創建這些自訂指令的目標是讓人工智慧快速了解我的使用者類型，並根據我們迄今為止分析的整個互動資料創建個人化的自訂指令集。具體來說，這個平台上的人工智慧就是你。有兩個盒子。它們如下：
- 您希望 ChatGPT 了解您的哪些資訊以便提供更好的回應？
- 您希望 ChatGPT 如何回應？
兩個框的字元數限制都是 1500。現在您可以使用統計結果和我的原始對話資料。我想要盡可能最準確和精心調整的指示，最好地濃縮我迄今為止與您所做的一切，有效且高效。我也想澄清，最好的結果不需要由我作為一個人來解釋。如果最好地將其概括為看似無意義的混亂文字或其他一些此類數據，那麼只要它是壓縮盡可能多的信息和意圖以供助手解釋的最佳且最準確的方式，那就可以了。這對你有用嗎？
此提示應該是您提供所需結果所需的一切。由此，它應該為您提供資料關鍵組成部分的詳細分析摘要。將數值與先前的結果進行交叉檢查以進行驗證，並根據需要進行細化，要求附加您認為遺漏的任何相關資訊。以我為例，它提供了一個兩步驟回應過程；每個說明盒一個。
現在，使這一成功和有效的關鍵部分是最後一個提示中的第二段。這就是摘要技術與蒸餾技術的區別。當你總結時，目的是保持整個來源材料的相對敘述和結構。理想情況下，摘要應該是同一件事的濃縮版本。在這裡，我們的目標略有不同。我們希望數據中最重要的部分能夠幫助人工智慧更好地為未來的互動做好準備，並儘可能少地進行上下文解釋，同時最大限度地減少重複的問題或短語（即“provide the output in a 5th-grade reading level” ）。為 1500 個字元。訣竅是透過讓 GPT 本身提供這些有價值的見解來利用 GPT，無論我們是否有能力理解它的含義或為什麼與之相關。您必須向 GPT 強調允許這種行為，並將人工智慧的可解釋性優先於人類的可解釋性。因此，這可以被視為“蒸餾”數據的一種形式，因為我們正在將結果轉換為結構和使用方式與其源材料不同的東西，但如果沒有源材料本身就無法創建。
恭喜，您剛剛執行了數據蒸餾！與助手進行更輕鬆、更流暢的對話，減少摩擦和重複指示。
您可以在下面看到第一條指令的結果。這不是最終的指示；我確實進一步完善了這一點，並附加了其他個人優化器，所以我很樂意分享這一點，因為這是即時回應。幾個值已被編輯，但這描繪了結果的圖片。從這些數據中你已經可以看到我如何使用這個平台以及人工智慧認為與自身相關的內容。請注意我的談話有多長。認識到高品質的提示不一定是將所有內容變成一次性提示，而是高品質的提示指導以實現重要且有趣的結果。看看它與您的結果相比如何！
「用戶參與了[有價值的]對話，平均長度約為47 條訊息。用戶平均每條訊息提出1.21 個問題。用戶的互動大多是積極的，偶爾有建設性反饋和錯誤報告。用戶經常問「什麼」、「 「How」、「Do」、「Is」類型的問題，偏好詳細、全面的回答，使用者的平均問題長度在[value]字左右，顯示用戶的互動主題包括開發、AI討論、語言學、資料操作。
本指南可作為任何有興趣透過資料提煉提升與 ChatGPT 互動的人的綜合資源。透過遵循概述的步驟，您不僅可以個性化您的體驗，還可以進行有趣的互動式實驗，根據您的個人需求自訂人工智慧助手，而無需對模型進行微調。
請記住，此過程是迭代和連續的，並且可能需要根據助理提供的特定回應進行一些嘗試和錯誤。然而，結果——更直觀、更靈敏的對話代理——是非常值得付出努力的。無論您是對人工智慧潛力感到好奇的初學者，還是希望增強提示能力的專家，本指南都提供了一種靈活的探索性方法來幫助您前進。對於那些熱衷於深入研究的人來說，高級數據分析和語言理論的大門現已敞開，可能性是無限的。
對於我的下一個技術，我將編寫一個有用的方法，使用 DALL-E 3 進行簡單、可操作的圖像提示。
我會盡力回答任何問題並盡可能幫助他人。請隨時告訴我您的想法！我感謝任何和所有的反饋！
