利用ChatGPT进行数据分析——如何提出一个好的prompt
使用ChatGPT时，能否得到一个好的输出结果，关键在于能否提出好的prompt。
1.1 prompt是什么
现在大家把向ChatGPT输入的内容称作prompt（提示），它的作用是引导模型理解你的任务或要求。prompt可以是一个简单的问题、一个任务描述或者一个指令。一个好的prompt能帮助ChatGPT更准确地理解你的意图，从而生成令人满意的回答或完成特定的任务。
1.2 如何提出一个有效的prompt
如何提出一个有效的prompt?这个问题等同于“一个有效的prompt需要满足哪些条件“。其实你可以把ChatGPT当作私人助理。如果你要给助理指派一个任务，那么对这个任务的描述需要满足什么条件，你的助理才能完全明白他需要干什么？
根据经验可得，一个有效的prompt需要满足以下几点要求。
- 明确目标：在提问之前，要清楚自己想获得什么信息或完成什么任务。这可以帮助你有针对性地提出问题，进而提高得到准确回答的概率。
- 提供足够的上下文信息：为了让ChatGPT更好地理解你的问题或任务，可以提供一定的上下文信息。这可能包括你希望解决的问题的背景、所需答案的类型等。这有助于ChatGPT生成更符合需求的回答。
- 使用简洁、清晰的语言：避免使用模糊、冗长或复杂的措辞。简单易懂的表述有助于ChatGPT更准确地理解你的需求，从而生成更贴切的回答。
根据上述三点要求，我们来看一些好的prompt和不好的prompt，以增强感受。
（1）明确目标
【1】好的prompt：请列举三种数据清洗技巧
【2】不好的prompt：告诉我一些数据处理的方法
（2）提供足够的上下文信息
【1】好的prompt：当处理缺失数据时，插补方法和删除方法各有哪些优缺点？
【2】不好的prompt：缺失数据如何处理？
（3）使用简洁、清晰的语言
【1】好的prompt：请解释线性回归模型的基本原理
【2】不好的prompt：能不能给我讲讲那个线性回归啥的，就是数据分析里用的那个？
在上述例子中，好的prompt提供了明确的目标、足够的上下文信息，并使用了简洁、清晰的语言；而不好的prompt可能语义模糊或表述不清，导致模型无法正确理解需求。除了上述三点要求以外，还有一个比较好用的技巧——“角色指定”，就是在prompt的开始，让ChatGPT扮演某种角色，比如：
【1】假如你是一名资深的数据分析师，请列举三种数据清洗技巧；
【2】假如你是一名资深的面试官，请针对我的数据分析师求职简历给出修改建议。
根据经验，角色指定能够让ChatGPT的回答更加专业。
1.3 如何调整、优化prompt以获得更好的输出
根据前面三点要求，我们能够提出还算不错的prompt，但有的时候输出结果还是不及预期。这时我们可以尝试通过调整prompt来获得更好的输出结果。常见的调整、优化方法有以下两种。
- 添加限制条件：在某些情况下，你可能希望限制模型的输出范围。可以在prompt中添加限制条件，如指定回答的长度、格式或内容类型。
- 逐步细化问题：如果你对ChatGPT的回答不满意，可以尝试逐步细化问题。通过要求提供更多细节、限定范围或询问更具体的问题，来引导ChatGPT生成更精确的回答。
如下图，我让ChatGPT帮忙生成5行电商销售明细样例数据，它直接以文本的形势返回结果，而这不利于我在下一步使用。
通过增加限制条件，让其以Markdown形式输出结果，就符合我的要求了，具体如图所示。
再比如向ChatGPT：为什么数据分析很重要？我们的本意是想知道为什么数据分析在企业中很重要，但是ChatGPT未必能理解我们真实的意图。可以将prompt调整为：请列举数据分析在商业决策中的三个关键作用。这样的prompt就比较具体了。
还有一点很重要，那就是ChatGPT有时给出的结果是错误的。如果大家发现了错误，一定要明确指出，直接把错误内容发送给ChatGPT即可，它会就此给出新的答案。但是需要注意，它再次给出的答案仍有可能是错误的，我们一定要仔细查看。
1.4 针对不同任务类型的prompt示例
ChatGPT可以完成不同类型的任务。对于不同的任务，prompt也会稍有不同。以下是一些示例。
-
问答式任务：数据分析中假设检验的基本原理是什么？
-
文本生成任务：请帮我构建一个关于用户留存专题分析的框架。
-
文本摘要任务：为了让模型对一篇文章或文档进行总结，可以这样输入——请为这篇文章生成一段简短的摘要。
-
文本翻译任务：如果要将一段文本翻译成另一种语言，可以这样输入——请将这句英文翻译成中文，“The quick brown fox jumps over the lazy dog.“。
通过上面的示例，能够看出不同类型任务的prompt措辞不太一样，使用时需要稍加注意。
以上示例都在小蜜蜂AI实现，网址：https://zglg.work。欢迎体验。
