用 2023 年 SEJ 的一些最佳商品來慶祝節日。
我們的節日回顧系列從 12 月 21 日持續到 1 月 5 日，每天閱讀有關重大事件、基本面、可行策略和思想領袖的意見。
2023 年 SEO 行業發生了很多事情，我們的貢獻者撰寫了一些精彩的文章來跟上並反映這些變化。
回顧 2023 年的最佳讀物，讓您在邁入 2024 年時有很多思考的空間。
隨著 ChatGPT 等基於人工智慧的語言模型的出現，從該工具獲得的結果的品質決定了編寫提示的品質。
您可以透過提供一些關鍵字或短語來告訴 ChatGPT 產生資訊、社交媒體貼文、產品描述等。
無論您是數位行銷人員、部落客還是企業主，掌握主導寫作的藝術對於創建與受眾產生共鳴的引人入勝的內容至關重要。
編寫有效的指示可能具有挑戰性，因為輸出的品質取決於指示的特定性和清晰度。
以下是一些有用的提示和最佳實踐，可協助您編寫請求，從而從 ChatGPT 獲得最佳結果。
為 ChatGPT 編寫請求
什麼是 ChatGPT 訊息？
ChatGPT 請求是使用者為 ChatGPT 的 AI 模型提供回應的指令或討論主題。
提示可以是問題、陳述或任何其他旨在激發創造力、反思或參與的刺激。
使用者可以使用該訊息來產生想法、分享他們的想法或開始對話。
ChatGPT 請求被設計為開放的，並且可以根據使用者的偏好和興趣進行客製化。
如何為 ChatGPT 編寫請求
首先給 ChatGPT 一個寫作提示，例如「寫一個關於發現自己擁有超能力的人的短篇故事」。
ChatGPT 將根據您的請求產生回應。 回覆可能是幾句話或幾段，具體取決於訊息的複雜性和您所要求的詳細程度。
使用 ChatGPT 產生的回應作為編寫的起點。 您可以採用答案中提出的想法和概念並對其進行擴展，為故事添加您自己獨特的轉折。
如果您想產生其他想法，請嘗試向 ChatGPT 詢問與您的原始請求相關的後續問題。
例如，您可能會問：“這個人在探索新的超能力時可能會面臨哪些挑戰？” 或“這個人與他人的關係會如何受到他們的超能力的影響？”
請記住，ChatGPT 回應是由人工智慧產生的，可能並不總是完美或完全符合您的要求。
然而，它們仍然可以成為靈感的重要來源並幫助您開始寫作。
必備 Chrome 插件
我建議安裝 WebChatGPT 插件，它允許您將相關的 Google 結果新增到 ChatGPT 請求中。
此擴充功能將網路優先結果新增至您的 ChatGPT 請求中，以實現更準確和最新的對話。
ChatGPT 的螢幕截圖，2023 年 3 月例如，如果我問“Vincent Terrasi 是誰？”，ChatGPT 沒有答案。
啟用 WebChatGPT 後，Chrome 外掛程式會使用第一個 Google 結果建立一個新提示，現在 ChatGPT 知道 Vincent Terrasi 是誰。
但幻覺仍然存在，因為我從未在喜利得工作過； ChatGPT 發明了這家公司，因為它沒有數據。
ChatGPT 的螢幕截圖，2023 年 3 月逆向快速工程碩士學位
ChatGPT 可以成為逆向工程提示的出色工具，因為它可以針對給定的輸入產生自然且引人入勝的反應。
透過分析 ChatGPT 產生的線索，可以深入了解模型的底層思考過程和決策策略。
使用 ChatGPT 進行逆向工程的主要好處之一是該模型在決策過程中非常透明。
這意味著可以追蹤每個答案背後的推理和邏輯，更容易理解模型如何得出結論。
一旦您針對不同類型的內容執行了幾次此操作，您將學習如何建立更有效的說明。
準備您的 ChatGPT 以產生請求
首先，啟用反向指標工程。
- 輸入以下請求：「啟用反向請求工程？反向請求工程是指根據給定文字建立提示。
ChatGPT 的螢幕截圖，2023 年 3 月好的，ChatGPT 現在已準備好產生您的請求。 您可以在新的聊天機器人會話中測試產品描述並評估產生的請求。
- 類型：“為有關 iPhone 11 的產品描述創建一個技術含量高的逆向工程模板。”
ChatGPT 的螢幕截圖，2023 年 3 月結果令人驚訝。 您可以嘗試使用您想要播放的全文。 以下是在亞馬遜上銷售 Kindle 的提示範例。
- 輸入：「逆向工程訊息以下{產品」），捕捉文字的寫作風格和長度：
產品=“
ChatGPT 的螢幕截圖，2023 年 3 月我在 SEJ 部落格文章中嘗試過。 享受分析 – 非常棒。
- 輸入：「對以下 text 進行逆向工程訊息，捕捉要包含在訊息中的 text 的語氣和寫作風格：
文字 = 來自 https://www.searchenginejournal.com/google-bard-training-data/478941/ 的所有文字”
ChatGPT 的螢幕截圖，2023 年 3 月但請注意不要使用 ChatGPT 來產生文字。 這只是一個私人助理。
ChatGPT 產生的每個反應真的都是唯一的嗎？ 或者我們高估了他們產生不同文本的能力？
這是我在分析了 ChatGPT 產生的 10,000 條文字後想到的一個有趣的問題。
結論
總之，對 ChatGPT 產生的文本品質的研究給出了一些有趣的結果。
雖然演算法可能對不同的問題產生類似的答案，但 OpenAI 的承諾仍有疑問。
由於缺乏創造力和大量內容重複，ChatGPT 似乎不是產生內容的最佳工具。
然而，該工具仍然可以用於尋找完美的提示，以使用其他生成器（例如 LLAMA、OPT、BLOOM、GPT3.5 或 Cohere）生成定性文字。
