蝉鸣报告（原爱报告知识星球）
第六章、转换类提示工程应用
大型语言模型非常擅长将其输入转换为不同的格式，例如输入一段语言文本，并将其转换或将其翻译为另一种语言，或帮助拼写和语法纠正，因此将不完全符合语法的文本作为输入，并帮助您修复一下，甚至可以通过输入HTML并输出JSON来进行格式转换。 因此，我曾经用一堆正则表达式辛苦撰写的一些应用程序，现在绝对可以通过大语言模型和一些提示更简单地实现。
是的，我现在基本上使用Chad GPT来校对我写的任何东西，所以我很兴奋能在笔记本上给你展示更多例子。 首先，我们将导入OpenAI，并使用我们在视频中一直使用的相同的getCompletion辅助函数。 我们要做的第一件事是翻译任务。 因此，大型语言模型经过训练，从许多来源的大量文本中得出，其中很多是互联网，当然，这是很多不同的语言。 这种能力让模型具备翻译能力。 这些模型以不同程度的熟练掌握数百种语言。 因此，我们将介绍如何使用这种能力的一些示例。 让我们从简单的事情开始。 因此，在此示例中，提示是将以下英文文本翻译成西班牙文。 您好，我想订购一个搅拌机。 回应是Hola，me gustaría ordenar una licuadora。 对于所有讲西班牙语的人，我很抱歉。
很遗憾，我没学过西班牙语，你肯定能看出来。 好，让我们再试一个例子。 那么在这个例子中，提示是告诉我这是什么语言。 然后这是法语“Combien coûte la lampe d’air”。 然后让我们运行。 模型已经识别出这是法语。 模型也可以同时进行多次翻译。 因此，在这个例子中，让我们说，同时将以下文本翻译成法语和西班牙语。 你知道吗，让我们加一个英语海盗。 文本是，“我想订购一个篮球”。 在一些语言中，翻译可能会因说话者与听众的关系而变化。 您还可以向语言模型解释这一点。 因此，我们可以说在这个例子中，将以下文本翻译成西班牙语，并分别使用正式和非正式形式。 你想订购一个枕头吗？请注意，这里我们使用了不同于这些重音符的分隔符。
只要有一种清晰的分离，它其实并不重要。 所以，在这里我们有正式和非正式的区别。 正式是指当你和一些可能比你资深或者你处于专业环境时所使用的语气，而非正式则是指当你和一些朋友说话时所使用的语气。 我其实不会说西班牙语，但是我爸爸会并且他说这是正确的。 所以，下一个例子，我们将假设我们负责一家跨国电商公司，所以用户发来的信息将会是各种不同的语言，因此，他们会用各种不同的语言告诉我们有关他们的IT问题。 因此，我们需要一个通用的翻译器。 首先，我们将粘贴一些不同语言的用户消息列表，然后我们将循环遍历每条用户消息。 所以，对于用户消息中的问题，我将复制这个稍长一点的代码块。
因此，我们要做的第一件事就是请模型告诉我们问题所在的语言。 这是提示。 然后我们将打印出原始消息的语言和问题，然后我们将要求模型将其翻译成英语和韩语。 然后让我们运行它。 所以，原始消息是法语。 所以，我们有各种语言，然后模型将它们翻译成英语和韩语，您可以在此处看到，所以模型说这是法语。 这是因为来自此提示的响应将是这是法语。 如果您希望此提示仅为一个单词，请尝试编辑此提示以询问语言是什么，仅使用一个单词或不使用句子等等。 或者，您可以以JSON格式询问它，或者类似于这种方式，这可能会鼓励它不使用整个句子。 所以，令人惊叹的是，您刚刚构建了一款通用翻译器。
同时，随意暂停视频并添加任何您想尝试的其他语言，也许您会说的其他语言，看看模型的表现如何。 接下来我们要深入探讨的是语气转换。 写作可以根据预期的受众不同而变化，您知道，我给同事或教授写邮件的方式显然会与我给年轻弟弟发短信的方式大不相同。 因此ChatGBT也可以帮助生产不同的语气。 让我们看一些例子。 所以在这个第一个例子中，提示是，将以下俚语翻译成商业信函。 老兄，这是乔，看看这盏落地灯的规格。 那么，我们来执行一下。 正如您所看到的，我们得到了一封更正式的商业信函，提出了落地灯规格的建议。 接下来我们要做的就是在不同的格式之间进行转换。
ChatGPT非常擅长在不同格式之间进行翻译，例如JSON转HTML，XML等。 还有Markdown。 因此，在提示中，我们将描述输入和输出格式。 以下是一个示例。 我们有一个包含餐厅员工姓名和电子邮件的JSON列表。 然后，在提示中，我们将要求模型将此从JSON转换为HTML。 所以提示是，将以下Python字典从JSON转换为带有列标题和标题的HTML表格。 然后我们将从模型中获得响应并将其打印出来。 在这里，我们有一些HTML显示所有员工的姓名和电子邮件。 现在让我们看看我们是否可以实际查看此HTML。 因此，我们将使用此Python库中的显示函数。 显示HTML响应。 在这里，您可以看到这是一个格式正确的HTML表格。 我们即将完成的下一个转换任务是拼写检查和语法检查。 这是ChatGPT的一个非常流行的用途。
我强烈推荐这样做。 我一直都这样做。 当你在非母语语言中工作时，特别有用。 以下是一些常见的语法和拼写问题以及语言模型如何解决这些问题的示例。 我将粘贴一些具有某种语法或拼写错误的句子列表。 然后，我们将循环遍历每个句子。 并要求模型校对和纠正它们。 然后我们将使用一些分隔符，然后得到响应并像往常一样打印它们。 所以这个模型能够纠正所有这些语法错误。 我们可以使用一些我们之前讨论过的技术来改进提示。 所以为了改进提示，我们可以说校对和纠正以下文本。 并重写整个校正版本。 如果您没有发现任何错误，只需说没有发现错误。 让我们试试这个。 通过这种方式，我们能够. . . 哦，他们还在使用引号。
但你可以想象，通过一点点迭代式的提示开发，你能够找到一个更加可靠的提示，使每一次都能更好地发挥作用。 所以现在我们来举个例子。 在将文本发布到公共论坛之前，检查一下总是有用的。 因此，我们将通过检查一篇评论的例子来说明。 以下是一篇关于填充熊猫的评论。 我们将要求模型校对和纠正这篇评论。 很好。 所以我们有了这个纠正版本。 我们可以做的一个很酷的事情是找到原始评论和模型输出之间的差异。 因此，我们将使用这个RedLines Python包来实现这个目的。 我们将获取我们评论的原始文本和模型输出之间的差异，然后显示出来。 您可以看到原始评论和模型输出之间的差异，以及已经被更正的地方。
所以我们使用的提示是，校对并更正此评论，但您还可以进行更多戏剧性的变化，并更改其语气等方面。 因此，让我们再试一件事情。 因此，在此提示中，我们要求模型校对并更正此同一评论，但还要使其更具吸引力，并确保其遵循APA样式并针对高级读者。 我们还要求以markdown格式输出。 因此，我们在此处使用原始评论中的相同文本。 让我们执行此操作。 在这里，我们有一个扩展的APA样式评论，涉及软熊猫。 这就是关于转换视频的全部内容。 接下来，我们将进行扩展，从语言模型中提取更短的提示，并生成更长、更自由的响应。
