第5章
ChatGPT 
高级聊天技巧

本章将探讨如何有效掌控复杂和深入的对话。随着机器人智能通信技术的发展,我们
现在可以以更高级的方式与像ChatGPT 这样的聊天助手进行互动,完成以往难以实现的
任务。我们将学习如何运用高级对话技巧,包括提问技巧、上下文管理、定制模型输出、对话
调整、故事生成及专业领域聊天助手训练等。

5.提问技巧
1 

本节不仅会深入讨论如何提出有效的问题,还会结合实际示例展现这些技巧在实践中
的应用。

1.开放式问题的妙用
5.1 

开放式问题是无法仅以简单的“是”或“否”来应对的提问。它们能鼓励聊天助手提供更
丰富的信息和深思熟虑的回答。

【示例5-1】

(1)基础级问题:“ 你能写故事吗?”,如图5-1所示。
(2)改进后的问题:“ 你能帮我构思一个关于未来世界的故事情节吗?”,如图5-2所示。
通过这种方式,不仅得到了肯定的答案,还得到了实际可用的内容。
5.2 
假设性语言的使用
1.
假设性问题是对未发生事件的设想。它们可以帮助解锁聊天助手的创造性思维,鼓励
深入讨论。

【示例5-2】

(1)基础级问题:“ 你可以做客户服务吗?”,如图5-3所示。
所示
(
。
2)改进后的问题:“ 如果你是一个客户服务代表,则会如何处理退货请求?”,如图5-4 
使用假设性语言,可以更好地了解聊天助手在特定情境下的反应和处理能力。


94
图5-1 开放式问题———基础级问题图5-2 开放式问题———改进后的问题


图5-3 假设性语言———基础级问题图5-4 假设性语言———改进后的问题


95
5.3 
探索性问题的设计
1.
探索性问题旨在深挖主题,获取更多细节和构思
。
【示例5-3
】


(1)基础级问题:“ 你能告诉我关于宇宙的信息吗?”,如图5-5所示。
(2)改进后的问题:“ 你如何看待霍金对黑洞信息悖论的贡献,以及他对现代物理学的
意义?”,如图5-6所示。
图5-5 探索性问题———基础级问题图5-6 探索性问题———改进后的问题

通过提出探索性问题,可以使对话深入一个专业领域,获取更加专业和有深度的回答。

5.4 
深层次分析的诱导
1.
这类问题需要聊天助手对问题内容进行深入解读和分析
。
【示例5-4
】


(1)基础级问题:“ 气候变化是真的吗?”,如图5-7所示。
(2)改进后的问题:“ 你如何评价当今社会采取的气候变化应对措施,并提出对未来政
策的建议?”,如图5-8所示。

96
图5-7 深层次分析———基础级问题图5-8 深层次分析———改进后的问题

通过上述示例的比较,我们清晰地看到:通过精心构造的提问,能显著地提升对话的价
值和效能。这些技巧不单使对话过程变得更富趣味性,同时也有助于获取更丰富的所需信
息与知识。在整个互动过程中,这类提问技巧是深化对话内容和提高交流品质的关键。

5.上下文管理
2 

本节将深入探讨对话上下文管理的重要性和实用性。这些方法将教您如何确保对话的
连贯性,无论对话跨越了多少个回合或话题转换。

2.建立对话框架
5.1 
框架是任何对话的基础,尤其是在长对话中维持话题相关性和连贯性至关重要。

【示例5-5】

(1)开始对话时:“ 我们今天要讨论的是教育技术。让我们从远程学习平台谈起。”,如
图5-9所示。
(2)在接下来的对话轮次中引用框架:“ 关于远程学习平台的功能,你认为哪些是支持
有效学习的关键因素?”,如图5-10 所示。

97
图5-9 建立对话框架图5-10 引用对话框架

在这个例子中,通过明确指出对话的主轴引导了聊天的方向,并提供了继续展开话题的
基础。

5.2 
延续性的确保
2.
维持对话的连贯性,保证聊天助手在多轮对话中能够使上下文紧密相连。
【示例5-6】
上一轮对话的引用:“ 之前我们讨论了关于远程学习平台的功能。现在,我想了解你对

其用户友好的界面的看法?”,如图5-11 所示。
该对话保持了先前信息的连贯性,并将其扩展到新的维度。
通过这样的引用过往对话内容,可以确保对话的连续性和上下文的关联性。

5.3 
信息回顾与引入
2.
在跨话题或长时间空隙后重新启动对话时,简单复述之前的信息可以帮助重建上下文
。
【示例5-7
】
重新开始话题:“ 上周我们提到了一些关于远程学习平台的潜在改进。我有一些想法
,


想和你进一步探讨。”,如图5-12 所示。


98
图5-11 对话连贯性图5-12 信息回顾与引入

此方法可以保证对话在被中断后能够自然而然地继续进行,并且可以帮助聊天助手回
顾之前的讨论,为接下来的对话打下基础。

5.4 
主题转换的平滑处理
2.
当需要切换话题时,应给出明确的提示,并使用适当的过渡词汇或句子来连接旧话题和
新话题,以便顺畅地进行话题转变。

【示例5-8】

转换话题前的铺垫:“ 我们讨论了远程学习平台的用户界面。谈及用户界面友好的重
要性,我突然想到一个与之相关的话题:互动和社区功能。你对在教育平台中互动和社区
功能有什么看法?”,如图5-13 所示。

以上的示例展示了如何在话题之间平滑地过度,确保对话保持专注而且相关性不减。

通过这些示例,我们得以理解有效地管理上下文对于维护对话的连贯性非常关键,同时
也对于维持聊天助手的信息追踪能力和高效应答极为重要。在实际操作中,掌握这些技巧
将有助于读者与聊天助手保持富有成效且深入的对话。


99
图5-13 主题转换的平滑处理

5.定制模型输出
3 

为了符合特定对话的需求,可能需要定制模型的输出。在本节,将介绍几种可以用来调
整和定制这些输出的策略。

5.1 
调整对话模型的参数
3.
一些模型允许我们调整参数,以此来影响输出的详细程度、语气、风格等
。
【示例5-9
】


(1)简洁回答:“ 请快速概述地心引力定律。”,如图5-14 所示。
(2)详细回答:调整模型以提供详细输出,如“请详细解释地心引力定律,并给出其历
史背景和现代应用的例子。,(”) 如图5-15 所示。
通过简单的指令变更,可以让模型根据需求提供更为详细或简洁的答案。

5.2 
使用高级提示技巧
3.
高级提示技巧,如采用特定语境或角色,可以引导模型生成与预期更相符的输出。


100
图5-14 调整对话模型———简洁回答图5-15 调整对话模型———详细回答

【示例5-10 
】

(1)基本提示:“ 如何写一封投诉信?”,如图5-16 所示。
(2)高级提示:设定情境,如“假设你是一位一直注重客户服务质量的老板,现在你需
要写一封对供应商服务不满的投诉信,请展示如何以礼貌而坚定的语气表达不满。如图
5-17 所示。,(”) 
这种提示让模型在一个特定的语境下生成内容,从而更接近用户的具体需求。

5.3 
提供具体方向和目的
3.
直接告诉模型你的具体需求,可以帮助定制更准确的输出
。
【示例5-11 】


(1)一般性请求:“ 我需要一些健康饮食的建议。”,如图5-18 所示。
(2)具体方向:明确目的,如“我是一位糖尿病患者,需要一份为期一个月的低糖饮食
计划。,(”) 如图5-19 所示。
当请求包含具体的方向和目的时,模型能够提供更个性化和有针对性的建议。

5.4 
模拟不同角色或专业态度
3.
通过指定聊天模型扮演不同的角色,可以获得不同专业领域或角色特定的输出。


101
图5-16 基本提示


图5-17 高级提示


102
图5-18 一般性请求图5-19 具体方向请求
【示例5-12 
】

(1)通用请求:“ 给我一些建议如何在压力下保持冷静。”,如图5-20 所示。
图5-20 通用请求