GPT 最佳实践
原文章地址：https://platform.openai.com/docs/guides/gpt-best-practices
这篇指南分享了从GPTs获得更好结果的策略和方法。这里描述的方法有时可以组合使用以获得更好的回复。我们鼓励用户对GPT进行问答实验，找出最适合您的提问方法。
这里展示的一些示例目前仅适用于我们最强大的模型，gpt-4。如果您还没有使用gpt-4的权限，可以考虑加入等待名单。一般来说，如果你发现一个GPT模型在任务中失败，而有一个更强大的模型可用，那么再用更强大的模型尝试一次通常是值得的。
获得更好结果的六种策略
1. 提供清晰的指令
GPTs不能读懂你的想法。如果输出结果过长，可以要求简洁回答。如果输出结果过于简单，可以要求专家级别的写作。如果你不喜欢格式，可以展示你想看到的格式。GPTs对你想要的东西猜测的越少，你得到它的可能性就越大。
方法：
2. 提供参考文本
GPTs可能会自信地提供虚假的答案，尤其是在被问到深奥的话题或要求提供引文和URL时。就像一张笔记可以帮助学生在考试中取得更好的成绩一样，向GPTs提供参考文本可以帮助它们更少地提供虚构的答案。
方法：
3. 将复杂任务分解为简单的子任务
和软件工程中的良好实践一样，将复杂的系统分解为一系列模块化的组件，同样适用于提交给GPTs的任务。复杂的任务比简单的任务有更高的错误率。此外，复杂的任务通常可以重新定义为一系列简单任务的工作流，其中早期任务的输出用于构建后期任务的输入。
方法：
4. 给GPTs时间去“思考”
如果被要求将17乘以28，你可能不会立刻知道答案，但是可以花时间计算出来。同样，GPTs在立刻尝试回答而不是花时间思考答案时会出现更多的推理错误。要求提供一个推理链条再给出答案，可以帮助GPTs更可靠地推理出正确的答案。
方法：
5. 使用外部工具
通过使用其他工具的输出来补偿GPTs的弱点。例如，文本检索系统可以告诉GPTs关于相关文档的信息。代码执行引擎可以帮助GPTs进行数学计算和运行代码。如果一个任务可以由一个工具更可靠或高效地完成，而不是由GPT完成，那么将其外包可以获得两者的优势。
方法：
6. 系统地测试回答变更
如果你可以测量性能，那么提高性能就会更容易。在某些情况下，对提示的修改可能会在几个孤立的示例上提高性能，但在更具代表性的示例集上可能会导致整体性能下降。因此，为了确定一项改变对性能是净正面的，可能需要定义一个全面的测试套件（也称为"eval"）。
方法：