ChatGPT 作为一款强大的人工智能语言模型，不仅能非常智能的聊天对话，还能在短短几十秒时间写出文章、论文、代码、视频脚本等，一度成为大家探索的对象。

但有小伙伴在使用过程却发现ChatGPT的回答常常不符合预期，怀疑它的功能仅限于宣传，其实，可能是你不会提问！

经过微猫的多番研究探索，发现ChatGPT回答内容的深度，取决于提问者的问题水平。

那么如何提问才能获得更符合我们需求的答案？本篇文章将从多方面为你解答这一问题。

01分步提问

分步提问：是指将一个复杂问题拆分成若干简单问题，逐步获取所需信息。这种方法有助于引导模型提供更清晰、准确的答案。

假设你想了解如何创建一个网站，直接问“如何创建一个网站？”得到的答案是这样的：

它会阐述一些网站建设的流程，但这个答案比较笼统。

作为一款具有颠覆性影响的人工智能，如果你仅仅问到这里，当然无法体验它的用处，毕竟百度也可以搜索到。

下面，它的智能点就出来了，你可以模仿人类聊天的口气“那你深入说下，第一步要怎么做？”继续你的提问：

当然，如果这种提问方式你觉得还不够准确，你也可以主动将问题拆分提问：

“如何选择一个网站的域名？”

“如何购买和注册域名？”

“如何选择合适的网站托管服务？”

“如何使用网站构建器或编程语言搭建网站？”

“如何优化网站以提高搜索引擎排名？”‍

通过分步提问，可以更深入地了解创建网站的各方面流程操作方法，使回答更具目标针对性。

以下一些小建议，可以帮你更好地提炼分步提问思路：

1、确定问题核心：找出问题最关键的部分，从关键部分开始提问。

2、按逻辑顺序提问：确保问题的顺序符合实际操作过程，这样可以更自然地引导 ChatGPT 生成相关答案。

3、考虑问题层次：从宏观到微观，从简单到复杂，逐步深入地提问。

4、保持问题简洁：尽量让每个问题都简短清晰，这样可以减少模型理解问题时产生的歧义。‍

02限定回答范围

通过指定具体的主题、时间范围、地域等信息来限定答案范围，这样可以避免模型提供过于宽泛的答案。

指定地理范围：“在美国，哪些城市的生活成本最高？”

指定时间范围：“在过去十年内，哪些科技创新对社会产生了最大影响？”

指定领域或行业：“在金融行业中，哪些技术是近年来的重要趋势？”

设定数量限制：“请列举三种最适合初学者的编程语言。”

限制答案类型：“使用一句话总结区块链技术的核心概念。”

以下是一些建议，帮你更好地进行限定回答范围：

1、分析问题核心：在提问之前，先确定问题的关键点，然后根据关键点设定合适的边界条件。

2、使用明确词汇：尽量使用具体和明确的词汇来描述限制条件，以便让模型更好地理解您的要求。

3、避免过度限制：设定合理的边界条件，避免过于狭窄的限制，以免影响模型生成有用的答案。

03指定回答格式

要求模型以特定格式回答问题，如列表、比较、对比、步骤说明、问答形式、案例分析、简要概括或给出论据等，可以获得更符合需求的答案。

要求模型列出一些项目或要点。如：“请列举五个提高工作效率的方法。”

要求模型对两个或多个项目进行比较。如：“请比较Python和JavaScript这两种编程语言的优缺点。”

要求模型按照顺序提供操作步骤。如：“请详细解释一下如何煮一壶咖啡的步骤。”

要求模型按照问答形式提供信息。如：“请用问答形式介绍一下太阳的基本信息。”

要求模型提供实际情况下的示例或案例来解释概念。如：“请用一个例子解释机器学习在金融领域的应用。”

要求模型用一句话或简短的描述来回答问题。如：“请用一句话概括比特币的核心概念。”

要求模型提供支持某一观点或看法的论据。如：“请给出支持使用太阳能的三个理由。”

指定回答格式的关键在于清晰地表达您的需求，并根据实际情况选择合适的答案形式。不同的场景和需求可能需要不同的回答格式，因此在实际应用中请根据需求灵活调整。

04调整模型参数

通过调整控制 ChatGPT 输出的两个重要参数： temperature（控制输出多样性）和 max tokens（控制回答长度），来调整模型生成的答案。

temperature 参数主要用于控制模型生成回答的随机性和多样性。

较高的值会让模型输出更多样化且更有创造性，但可能导致回答变得不那么准确。较低的值则让模型输出更加保守，通常会更准确，但可能缺乏创造性。

假设想要让模型生成一个关于环保的标语，使用不同的 temperature 值可能会得到不同的结果：

temperature = 0.1（保守输出）：回答可能是“保护环境，共创美好未来。”

temperature = 1.0（多样化输出）：回答可能是“绿色星球，我们的共同责任！”

max tokens 参数用于限制模型生成的回答长度。

可以根据应用场景和用户需求来调整此参数，较短的回答可能更简洁明了，但可能无法提供足够的信息；较长的回答可能包含更多细节，但可能会变得冗长和难以理解。

假设想要让模型解释什么是光合作用，使用不同的 max tokens 值可能会得到不同长度的回答：

max tokens = 20（限制回答长度）：光合作用是植物通过阳光、水和二氧化碳产生能量的过程。

max tokens = 50（允许较长回答）：光合作用是一种生物化学反应，植物通过这个过程将阳光能量转化为化学能量，同时产生氧气。在光合作用中，植物吸收阳光、水和二氧化碳，生成葡萄糖和氧气。

05重复核实

在提问时通过多次询问或以不同方式提问相同的问题，以确保获得准确且一致的答案，这种方法可以帮助检验模型给出的答案的可靠性，提高满意度。

可以尝试用不同的方式提问相同的问题，以验证模型给出的答案是否一致。

问题1：地球离太阳有多远？

问题2：地球与太阳之间的距离是多少？

通过将问题拆分成多个步骤，逐步了解所需信息。

问题1：哪个行星离太阳第三近？

问题2：地球离太阳的距离是多少？

在回答问题时，可以要求模型提供参考资料或来源，以检验答案的可靠性。

问题：地球离太阳的距离是多少？请提供参考来源。

通过重复核实，可以评估模型的回答是否准确且一致，这有助于提高用户对 ChatGPT 生成的答案的信任度，并确保提供高质量的信息。

通过以上方法，您可以更好地利用 ChatGPT 为您提供有价值的信息。

当然，在实际应用中，还需要我们根据现实需求去灵活运用这些方法，只有方法对，才能让软件更好的帮助到我们，节约时间成本或达到你所想要的需求。

当然还有一些特殊的指令也可以让GPT给出更准确的答案，将在下一篇“chatgpt指令大全”中介绍。