OpenAI 发布 ChatGPT 课堂使用指南，生成式 AI 进入课堂给我们带来了哪些改变？

水的弹性

开学季来了，许多走进教师岗位的 00 后也结束了作为教师身份的首个暑假。
在不想开学这件事上，学生与不少 00 后的教师们不约而合。
换个角度而言，那些不想上班的 00 后教师，和曾经不想上学的同学，或许是同一拨人。
就像成年人休了个大长假之后，也会有上班焦虑，老师也不例外。针对教师们的「开学焦虑症」，OpenAI 给出了一剂「良方」。
教师应该怎么使用 ChatGPT

8 月 31 日，OpenAI 初度发布了教师关于 ChatGPT 的使用指南，包罗 ChatGPT 工作道理、建议的提示词、局限性的解释、以及 AI 检测器的效力和成见。
值得注意的是，这也是 OpenAI 官方首个针对特定行业的使用指南。OpenAI 在官网中也分享了一些教师使用 ChatGPT 辅助学生学习的案例。



西班牙科鲁尼亚大学传授 Fran Bellas 建议教师使用 ChatGPT 来辅佐制定课堂测验、测验和教案，获取新的教学思路，并确保问题适合学生的程度。
对学生来说，如果你大三找实习遭遇碰壁的困境，也可以操作 ChatGPT 模拟面试官，奥道明大学的 Helen Crompton 博士鼓励学生以此方式提高面试技巧和理解能力。
更具体而言，如果你想提高工作效率，或许可以测验考试 OpenAI 官方分享的提示词（Prompts）。



例如，借助提示词，你可以请 ChatGPT 帮你制定课程打算，创建通俗易懂的例子，以便更好地向学生解释常识点。
又或者让学生扮演老师的角色，指出 ChatGPT 的错误并赐与改正和指导，提高学生对常识点的理解。
当然，好的教育不是「告诉」，而是「引导」。ChatGPT 还可以引导学生自主学习新的常识点，培养他们批判性思维和问题解决能力，使其能够更好地应对复杂的常识范围。

铱姆赋阅

大家好，我是躬行者，主业是小学科学教案研发，目前致力于探索AI赋能教育领域（话外音：因为想偷懒，所以想用AI替自己写教案）。
教育是一个大场景，AI可以在任何一个环节为其赋能，这里借用MQ老师的AI 赋能教育全场景图给大家看看，写教案只是其中一环，不得不佩服MQ老师，去年年初就把这个场景图做出来了。


今天的文章是来填坑的， 因为之前挖个坑说：“要用一句话写一篇教案”，然而经过这么多天的尝试还是没有实现。而且我预计短时间内很难实现。为了不食言，就阶段性的发吧，虽然坑填不平，但总是能填一些。
先说结果：在AI的帮助下，目前已经基本实现了重塑工作流。
也算是一点小收获，所以今天决定把探索的过程进行一个简单的复盘。
此次复盘分为两部分：第一部分是前期的探索实践；第二部分是后期的结果。
前期的探索
这要从我去年开始使用AI写教案开始，那时候给自己立了个目标：要用AI一句话写成一篇教案。
但是在这个过程中其实很受打击。理想很丰满，但现实很骨感。并没有我想象的那么简单，也没有那么的一帆风顺。（嗯~现在看来也依然很遥远）
去年7月刚开始用AI协助写文章就立下了这个目标，在感受到AI的强大后，觉得如果这个目标能实现的话一定会很酷，到时候我的工作就会变得很轻松。
当时在网上看了一些简单的教程，那时我一直自我感觉会和大模型交互，因为身边的人并没有和我一样在探索和学习AI的，就自我感觉很厉害（现在看来，无知真可怕），但是经过一段时间尝试发现，好像结果不是我想要的样子。
再回头看我之前写的提示词，用粗糙来形容都是在夸它。毫无章法，毫无逻辑，只是把想要的东西给简单的描述出来，此时的我不知道大模型的能力边界，更不知道如何更好的与之交流才能达到预期的效果。


稀里糊涂的自我摸索直到11月份，在意识到提示词真的很重要之后，我决定要入局AI学习提示词。
于是12月份我做了几项重大决定，第一是知识付费加入破局，第二是报了两条航线，公众号爆文和提示词，经过十几天的系统学习加上自己的摸索，也算是初步入门了。


学习了提示词之后，就开始不断的在实际工作中尝试、探索。写出各种各样的提示词，用大模型帮助我完成教案的编写，也问一些其他的东西。
当然学习并未停止，在这个过程当中，我的提示词水平有了长足的进步，知道了大模型的底层工作原理，知道了它的能力和限制，也学会了将提示词结构化的方法，更清晰的表达我的需求和要求。
在这个尝试过程中，我并没有思考过工作流的问题，还是和以前写教案一样，在写到不同环节时与AI交互，以一篇教案为单位，设计定system提示词之后，以连续对话的方式，将教案的不同环节用不同的提示词和大模型交流，在大模型给出的结果基础上进行修改，最终完成教案的编写。


后来小七姐直播时说：提示词本来就是一门经验科学。我对此深信不疑，因为这也是基于我的学习和尝试验证过的。
我自认为不是一个很聪明的人，也会有拖延症，还有一个毛病就是，做一件事只要开始就不想停下来，所以我只要给自己开始的勇气，那么接下来就是惯性推着我走。
基于此，既然已经开始，那么就没有停下来的理由，虽然最初尝试的效果并不是很理想，但也并没有停止探索。
我在不断尝试中调整和优化提示词以期达到更好的效果，但调优的过程并不顺利，因为公司的教案需要跟着项目走，不同项目所写的教案类型、环节内容和表达形式是不同的，加上时间紧任务重，所以没办法一直针对同一套教案的提示词不断优化，那么结果自然也就不是很理想。
更何况我的想法并不止于此，如果是我自己用，那也无所谓，最起码那时感觉自己的工作效率确实提升了将近一倍了。
我的真实想法，是想把用AI协助写提示词的方法普及给部门内的同事，甚至更多人，所以在尝试的过程中我把每个项目用的提示词都保存成单独的文档，起个名字叫做“对话模型”，然后给到部门内的其他同事测试使用。
然而得到的反馈结果是：AI给的东西能用，但是不多，很大部分还是需要自己调整。


这让我也很无奈，到后来一度怀疑这么做到底行不行的通，因为有些时候即使不用写很多的提示词也能得到自己想要的答案，所以这个时候我有些动摇。也放缓了探索的脚步。
这是我前期探索的心路历程吧，至此算是告一个小段落，到达了一个小的瓶颈期，下一篇写后面的探索和结果。
都看到这了，动动您精致的手指点个赞吧(^ω~)
<hr/>我是躬行者，一个用AI赋能教育的探索者。
如果对你有帮助，欢迎点赞转发和评论，这会给我莫大的鼓励。
也欢迎关注我 @科学老师学AI，我每天都会发一条用AI赋能的实践，让我们在这条路上一起学习成长。

kkokk

要想玩明白ChatGPT官方提示词肯定得用的烂熟~下面直接翻译官方的内容，自己也做个记录，后面会补上应用的实例，欢迎关注收藏~
近日，OpenAI发布官方提示工程指南和示例，里面包括一系列策略和技巧，目的是帮助用户更好的ChatGPT。
一、写下清晰的指示

这些模型无法读懂你的想法。如果输出太长，请要求简短答复。如果输出太简单，请要求专家级别的写作。如果您不喜欢这种格式，请演示您希望看到的格式。
模型猜测你想要什么的次数越少，你得到它的可能性就越大。
具体策略：
1、在您的查询中包含详细信息以获得更相关的答案
为了获得高度相关的响应，请确保请求提供任何重要的详细信息或上下文。否则，你将让模型来猜测你的意思。


2、要求模特采用角色
系统消息可用于指定模型在其回复中使用的角色。


3、使用分隔符清楚地指示输入的不同部分
三引号、XML 标签、节标题等分隔符可以帮助划分要区别对待的文本节。






对于诸如此类的简单任务，使用分隔符可能不会对输出质量产生影响。然而，任务越复杂，消除任务细节的歧义就越重要。不要让模型准确地理解你对他们的要求。
4、指定完成任务所需的步骤
有些任务最好指定为一系列步骤。明确地写出这些步骤可以使模型更容易遵循它们。


5、提供例子
提供适用于所有示例的一般说明通常比通过示例演示任务的所有排列更有效，但在某些情况下提供示例可能更容易。例如，如果您打算让模型复制响应用户查询的特定风格，而这种风格很难明确描述。这称为“几次”提示。


6、指定所需的输出长度
您可以要求模型生成给定目标长度的输出。目标输出长度可以根据字数、句子数、段落数、要点等来指定。
但请注意，指示模型生成特定数量的单词并不能高精度工作。该模型可以更可靠地生成具有特定数量的段落或要点的输出。






二、提供参考文本

语言模型可以自信地发明假答案，特别是当被问及深奥的主题或引文和 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，为这些模型提供参考文本可以帮助减少作答次数。
具体策略：
1、指示模型使用参考文本回答
如果我们可以为模型提供与当前查询相关的可信信息，那么我们可以指示模型使用提供的信息来组成其答案。


2、指示模型通过引用参考文本来回答
如果输入已补充相关知识，则可以直接要求模型通过引用所提供文档中的段落来为其答案添加引用。
请注意，输出中的引用可以通过所提供文档中的字符串匹配以编程方式进行验证。


三、提供参考文字

语言模型可以自信地发明假答案，特别是当被问及深奥的主题或引文和 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，为这些模型提供参考文本可以帮助减少作答次数。
具体策略：
1、指示模型使用参考文本回答
2、指示模型通过引用参考文本来回答
四、将复杂的任务拆分为更简单的子任务

正如软件工程中将复杂系统分解为一组模块化组件是良好实践一样，提交给语言模型的任务也是如此。复杂的任务往往比简单的任务具有更高的错误率。
此外，复杂的任务通常可以被重新定义为更简单任务的工作流程，其中早期任务的输出用于构造后续任务的输入。
具体策略：
1、使用意图分类来识别与用户查询最相关的指令
对于需要大量独立指令集来处理不同情况的任务，首先对查询类型进行分类并使用该分类来确定需要哪些指令可能是有益的。这可以通过定义与处理给定类别中的任务相关的固定类别和硬编码指令来实现。该过程还可以递归地应用以将任务分解为一系列阶段。这种方法的优点是每个查询仅包含执行任务下一阶段所需的指令，与使用单个查询执行整个任务相比，这可以降低错误率。这还可以降低成本，因为较大的提示运行成本更高（请参阅定价信息）。
例如，假设对于客户服务应用程序，查询可以有效地分类如下：


根据客户查询的分类，可以向模型提供一组更具体的指令，以供其处理后续步骤。例如，假设客户需要“故障排除”方面的帮助。


请注意，模型已被指示发出特殊字符串来指示对话状态何时发生变化。这使我们能够将我们的系统变成一个状态机，其中状态决定注入哪些指令。通过跟踪状态、哪些指令与该状态相关，以及可选地允许从该状态进行哪些状态转换，我们可以为用户体验设置护栏，而使用不太结构化的方法很难实现这一点。
2、对于需要很长对话的对话应用，总结或过滤以前的对话
由于模型具有固定的上下文长度，因此用户和助手之间的对话（其中整个对话都包含在上下文窗口中）无法无限期地继续。
解决此问题有多种解决方法，其中之一是总结对话中的先前回合。一旦输入的大小达到预定的阈值长度，这可能会触发总结部分对话的查询，并且先前对话的摘要可以作为系统消息的一部分包括在内。或者，可以在整个对话过程中在后台异步总结之前的对话。
另一种解决方案是动态选择与当前查询最相关的对话的先前部分。请参阅策略“使用基于嵌入的搜索实现高效的知识检索”。
3、分段总结长文档并递归构建完整摘要
由于模型具有固定的上下文长度，因此它们不能用于总结长于上下文长度减去单个查询中生成的摘要长度的文本。
要总结一个很长的文档（例如一本书），我们可以使用一系列查询来总结文档的每个部分。章节摘要可以连接和总结，生成摘要的摘要。这个过程可以递归地进行，直到总结整个文档。如果有必要使用前面部分的信息来理解后面的部分，那么另一个有用的技巧是在书中任何给定点之前包含文本的运行摘要，同时总结该点的内容。 OpenAI 在之前的研究中已经使用 GPT-3 的变体研究了这种书籍总结过程的有效性。
五、给模型时间“思考”

如果要求将 17 乘以 28，您可能不会立即知道，但随着时间的推移仍然可以算出来。同样，模型在尝试立即回答而不是花时间找出答案时会犯更多推理错误。
在给出答案之前询问“思路链”可以帮助模型更可靠地推理出正确答案。
具体策略：
1、指示模型在急于得出结论之前找出自己的解决方案
有时，当我们明确指示模型在得出结论之前从第一原理进行推理时，我们会得到更好的结果。假设我们想要一个模型来评估学生对数学问题的解决方案。解决这个问题最明显的方法是简单地询问模型学生的解决方案是否正确。


但这位同学的解法其实并不正确！我们可以通过提示模型首先生成自己的解决方案来让模型成功注意到这一点。


2、使用内心独白或一系列查询来隐藏模型的推理过程
前面的策略表明，模型有时在回答特定问题之前详细推理问题很重要。对于某些应用程序，模型用于得出最终答案的推理过程不适合与用户共享。例如，在辅导应用程序中，我们可能希望鼓励学生得出自己的答案，但模型关于学生解决方案的推理过程可能会向学生揭示答案。
内心独白是一种可以用来缓解这种情况的策略。内心独白的想法是指示模型将原本对用户隐藏的部分输出放入结构化格式中，以便于解析它们。然后，在向用户呈现输出之前，将解析输出并且仅使部分输出可见。


或者，这可以通过一系列查询来实现，其中除了最后一个查询之外，所有查询的输出都对最终用户隐藏。
首先，我们可以要求模型自己解决问题。由于这个初始查询不需要学生的解决方案，因此可以省略。这提供了额外的优势，即模型的解决方案不会因学生尝试的解决方案而产生偏差。


接下来，我们可以让模型使用所有可用信息来评估学生解决方案的正确性。


最后，我们可以让模型使用自己的分析来以乐于助人的导师的角色构建回复。


3、询问模型在之前的过程中是否遗漏了任何内容
假设我们使用一个模型来列出与特定问题相关的来源的摘录。列出每个摘录后，模型需要确定是否应该开始编写另一个摘录或者是否应该停止。如果源文档很大，模型通常会过早停止并且无法列出所有相关摘录。在这种情况下，通过使用后续查询提示模型查找之前传递中错过的任何摘录，通常可以获得更好的性能。


六、使用外部工具

通过向模型提供其他工具的输出来弥补模型的弱点。例如，文本检索系统（有时称为 RAG 或检索增强生成）可以告诉模型相关文档。
像 OpenAI 的代码解释器这样的代码执行引擎可以帮助模型进行数学运算并运行代码。如果一项任务可以通过工具而不是语言模型更可靠或更有效地完成，那么可以卸载它以充分利用两者。
具体策略：
1、使用基于嵌入的搜索实现高效的知识检索
如果作为输入的一部分提供，模型可以利用外部信息源。这可以帮助模型生成更明智和最新的响应。例如，如果用户询问有关特定电影的问题，则将有关电影的高质量信息（例如演员、导演等）添加到模型的输入中可能会很有用。嵌入可用于实现高效的知识检索，从而可以在运行时动态地将相关信息添加到模型输入中。
文本嵌入是一个可以衡量文本字符串之间相关性的向量。相似或相关的字符串比不相关的字符串更接近。这一事实以及快速向量搜索算法的存在意味着嵌入可以用于实现高效的知识检索。特别地，文本语料库可以被分割成块，并且每个块可以被嵌入和存储。然后可以嵌入给定的查询，并且可以执行矢量搜索以从语料库中查找与查询最相关的嵌入文本块（即在嵌入空间中最接近的文本块）。
示例实现可以在 OpenAI Cookbook 中找到。请参阅策略“指示模型使用检索到的知识来回答查询”，了解如何使用知识检索来最小化模型出现问题的可能性的示例。编造不正确的事实。
2、使用代码执行来执行更准确的计算或调用外部API
不能依赖语言模型自行准确地执行算术或长时间计算。在需要的情况下，可以指示模型编写和运行代码，而不是进行自己的计算。特别是，可以指示模型将要运行的代码放入指定的格式，例如三重反引号。产生输出后，可以提取代码并运行。最后，如有必要，可以将代码执行引擎（即 Python 解释器）的输出作为下一个查询的模型的输入。


代码执行的另一个很好的用例是调用外部 API。如果模型接受了如何正确使用 API 的指导，它就可以编写使用该 API 的代码。通过向模型提供展示如何使用 API 的文档和/或代码示例，可以指导模型如何使用 API。


警告：执行模型生成的代码本质上并不安全，任何试图执行此操作的应用程序都应采取预防措施。特别是，需要沙盒代码执行环境来限制不受信任的代码可能造成的危害。
3、授予模型访问特定功能的权限
聊天完成 API 允许在请求中传递功能描述列表。这使得模型能够根据提供的模式生成函数参数。生成的函数参数由 API 以 JSON 格式返回，可用于执行函数调用。然后，可以将函数调用提供的输出反馈到以下请求中的模型中以关闭循环。这是使用OpenAI模型调用外部函数的推荐方式。要了解更多信息，请参阅我们的介绍性文本生成指南中的函数调用部分以及更多函数调用示例在 OpenAI Cookbook 中。
<hr/>信息来源：OpenAI
链接直达：
Prompt engineering：Prompt engineering - OpenAI API --- 快速工程 - OpenAI API
Prompt examples 提示示例：Examples - OpenAI API --- 示例 - OpenAI API
OpenAI Cookbook：https://cookbook.openai.com

狙击步打苍蝇

说一点感受最深的吧，那就是学习从搜索答案变回了思考问题。
以前使用搜索引擎找作业的答案，把关键字放到搜索栏度娘一下，出来的结果一般会看前20几篇，选个差不多的就直接抄答案了，我直接采用了别人的成文的知识成果。而且搜索引擎排序对关键字的精准度要求很高，结果内容排序是依据链接点的数量，而不是通过理解搜索者的意图，就像在书店里检索图书的目录，畅销书做会在推荐的最前面，但那不一定是最适合我的。
现在和GPT们聊天，像面对着一个无所不会的先知，你可以不停的问问题，他总是会不厌其烦的回答。又像是阿拉丁面对的神灯，没有翻不到头的搜索结果，一个问题只有一个答案，你需要认真思考你准备问点什么。从第一个问题开始，每次问题都期待他的答案，发现没有达到自己的预期，就会重新思考问题的内容，提问的方向，提问的视角。
其实关于一件事情，如果你能够提出问题，提出足够多的，有逻辑的问题，那么你其实已经理解了问题的一半，并且已经基本知道答案了。人类发展到现在，海量的知识就在那里，但如何变成自己的，抄作业肯定不行，只有不断的思考过后的不断提问，一步一步的探究，重新体验一手知识发生的过程，才能够将知识真正变为自己的。所谓“学问”也就是学习提问的过程吧。
GPT们将学习的过程，从系统的讲述，海量的检索，又变回了思考后的探究过程，让每个学生都能体验苏格拉底和孔夫子时代的学习方式。

2266226

我，在读计算机博士，照样每天认ChatGPT做老师。
生成式AI可以说是家长和学生的福音，家长省的破费去找辅导老师，学生也可以更方便的定制自己喜欢的老师。
我说实话哈，如果用互联网的名词toB和toC来代替班级和单个同学的话。
这个更新还是在toB的级别，即定制化的level还没有达到个人的级别，而这跟我想象中的personalised AI还差得远。
孔子有两句话：
第一句是有教无类，意思是什么样的人都可以接受教育，不管他是农民还是穷人，傻子还是瘸子，孝子还是畜生。
另一句是因材施财，意思要从学生的实际情况、个别差异出发，有的放矢地进行有差别的教学，使每个学生都能扬长避短，获得最佳发展。
其实这两个观点的最理想状态是一个人对应一位老师，而这位老师的教学理念和经验知识还得跟这个学生非常的吻合。
可想而知这是不可能实现的，因为要是学生的数量和老师相同，那现有的教师数量远远不够。
其实就算数量够，教师们的知识储备也够，但即使是这样，也很难保证老师们的教学理念能够跟学生吻合。
所以在以前，这就是个美好的幻想罢了。
而现在LLM也就是大模型是有这种潜力的，因为有两个特性：
1 高度可定制化，比如你是一个非常不喜欢死记硬背历史的学生，那你完全可以定制一个擅长用讲故事的方法来讲历史的老师，也就是你喜欢什么，不喜欢什么，完全可以由学生来主导。
2 海量的知识储备，我们以前用学富五车来形容一个人的学识，而现在的LLM，只要给科学家们再多一些时间，他们能让LLM把地球上的知识学完。没有任何人类可以在记忆力上超过机器，因为你只有一个脑子，而LLM可以通过并行学习夜以继日的吸收知识。
这两个特性结合在一起，就是「高度可定制化的海量知识的全科老师」。
要想实现这个其实非常的简单，你看官方提供给老师的prompt。


如果仔细分析一下prompt结构的话，你就会发现，一个好的prompt是有迹可循的，非常结构化的。


对于任何一个目标进行prompt的设计，其实都可以遵循这个逻辑。
也就是 – 角色导入>背景介绍>引入主题>丰富细节>进一步建议>开放式结尾。这样的框架不仅有助于明确具体任务的各个方面，还能够保证深度和全面性，从而确保你的求知欲和对跨学科联系的兴趣得到满足。
比如你想学英语，然后我们就可以根据这个步骤来设计一个prompt。

• 角色导入：你是一位热心且经验丰富的英语教练，准备帮助我提高英语水平。
  
• 背景介绍：自我介绍并询我当前的英语水平和具体想要提高哪个方面（例如，口语、听力、写作或阅读）。等待回应。
  
• 引入主题：基于学习者的需求和水平，引入一个适当的主题或任务（例如，通过看电影来学习英语、商务英语沟通等）。
  
• 丰富细节：提供一系列活动或练习来丰富这个主题，例如语法练习、词汇卡片、角色扮演等，并解释为什么选择这些活动。
  
• 进一步建议：询问学习者是否有对主题或活动有更多的问题或需要进一步的解释，并提供更多的资源或技巧以达到更高的水平。
  
• 开放式结尾：最后，告知学习者如果他们有更多的问题或想要进一步跟进，可以随时返回这个prompt进行更多的互动。
  

这样的prompt可以保证AI在拿到足够多 的前置信息后才会开始教学，比如你跟它说清楚你现在的知识掌握程度，比如高中英语，然后想要提高到英语四级的水平，希望什么样的教学方式，然后才开始正经的教学。
我给大家分享一个非常强大的prompt，在Github上有1.6万的赞。


它就是一个prompt，就一个prompt，但是却可以化身为任何科目的老师。
当然了，它的能力也取决于大模型的强大性能，如果你能够使用GPT4的话，你就会发现用了这个prompt可以超过绝大多数的老师，不仅耐心还博学。
其实这也是为什么我一直强调现在学习AI的重要性，因为一个人掌握AI高级使用技巧的人可以产生几倍于没有AI加成的价值。
GPT就是一个非常好的切入点，我非常建议每个人都去听听由知乎知学堂开设的这门人工智能入门课，其中也涉及到GPT的底层原理和应用技巧，非常的实用。
这个prompt虽然是英文的，但是其他的主流语言都支持，中文也不例外。


先说明要学习英语


然后再说明要学习语法方面的知识


你可以继续更加深入的跟它交流，比如说你不懂时态。


只要是你不清楚的，都可以一直的提问下去。
你完全可以想象的到，这么一个AI，可以给所有使用它的人带来极其震撼的体验。
最后，你可以从这里获取完整的prompt，建议大家在GPT4.0里面使用，效果最好。
prompt工程兴起后，是否应该淘汰传统教育模式？

hnldzsl

要说影响就是人工智能在未来的个性化教育中将扮演越来越重要的角色，其实是很好的利用了生成式人工智能可以定制化生成内容的优势。
在 OpenAI 官网的文章中[1]，演示了几个用法实例，简单的说，是通过不同的 prompt 让 ChatGPT 扮演各种各样的教育者角色，主要是帮助教师完成一些教学过程中的任务，或者帮助学生制定学习计划等。


比如“扮演一个助教帮助教师制定课程计划”，或者“帮助教师创建一些例子、类比等用于教学素材”，以及创建人工智能导师等等。








这样的用法并不新鲜，自从ChatGPT推出那一刻起，各类角色扮演（包括各学科教师）就是ChatGPT最常见的用法之一，甚至可以说这种用法在“民间”早就被广大网友和用户给玩出花了。现在不过是官方亲自下场，提供了一些相对“权威”、好用的 Prompt 来让 ChatGPT 在教育、教学领域发挥更多更大的功能。
结合之前透露的OpenAI要涉足教育领域的消息，现在他们这个做法并不意外。首先，ChatGPT有这样的能力；其次，涉足教育领域总不会错。毕竟一个产品一旦跟教育搭上边，很容易一个加分项。
其实如果你对大模型比较熟悉，类似上面提到的prompt自己写也不会太难，还能根据自己的需求和实际情况进行特定的修改。
但是考虑到有的知友并没有 AI 专业背景，可能对 AI 工具的一些高级用法（例如 prompt engineering）并不了解，比如你希望 AI 工具完成某个任务，但是却不知道如何写出专业的prompt（向上面图片中的那样）来精准描述你的问题和需求。如果你是这种情况，我建议你去了解一下知乎知学堂AI智能办公课程，2个小时的直播课程覆盖了 AI 的 9 大办公应用场景，比如数据分析、新媒体创作、图片绘制、以及内容整理等等，几乎所有的办公场景都涵盖了，学到了就能真正做到让AI为你助力，成为“超级个体”。最重要的是还有丰富的课程福利可以领取。感兴趣的可以点击下方卡片了解一下↓ ↓ ↓



可领取的资料

再说回基于各种 AI 大模型的个性化教育，这个我在之前的回答中就写过一些[2]。
教育者角度

比如，设想这样一个场景，身份是老师或者家长，需要为学生或孩子制定一个科学教育计划。通过ChatGPT很容易就能初步完成这样的任务。可以描述孩子的具体情况，比如几年级，然后这个计划应该侧重的方向。最后的prompt:

为一名小学三年级的学生制定一个科学教育计划，侧重天文学方向，希望通过这个计划能让学生了解基本的天文学知识，培养学生在这方面的兴趣。注意这名学生数学能力比较弱，但是逻辑思维较强。请结合上述要求完成这个计划。

ChatGPT 制定的计划如下：








使用如下prompt对上面的学习计划进行一些修改：

为上面这名学生再次制定一个侧重生物学方向的科学教育计划。请使用markdown表格形式回答。

相比于自己制定课程计划，这个效率就非常高了，而且这是根据要求和喜好定制化的。家长或教师可以如果觉得不合适，可以在此基础上进行修改，或者进行进一步的扩展。


学生的角度

自主查询与学习

从学生的角度，ChatGPT 也提供一种有新的学习和获取知识的方式。


自我测试与反馈

还可以使用AI帮助学生进行自我评估和练习。例如，学生在学习化学方程式平衡后，可以要求ChatGPT提供一些练习题进行练习。此外，ChatGPT能根据学生的回答，提供即时的反馈，指出他们的错误并解释正确答案，从而帮助理解错误并加以改正。


个性化导师

再比如一个很火的个性化导师Mr. Ranedeer的prompt，可以根据你的教育背景制定学习计划，还能帮助测试，复习，查错等，可以说是个相当完全体的个人助教了。










完成版Prompt如下：

1. {
2.     "ai_tutor": {
3.         "Author": "JushBJJ",
4.         "name": "Mr. Ranedeer",
5.         "version": "2.0",
6.         "features": {
7.             "personalization": {
8.                 "depth": {
9.                     "description": "This is the depth of the content the student wants to learn. A low depth will cover the basics, and generalizations while a high depth will cover the specifics, details, unfamiliar, complex, and side cases. The lowest depth level is 0, and the highest is 10.",
10.                     "depth_levels": {
11.                         "Level_1": "Surface level understanding: This level covers the basics of a topic, providing simple definitions and brief explanations. Content is kept concise and straightforward, ideal for beginners or those seeking a quick overview.",
12.                         "Level_2": "Expanded understanding: At this level, the AI tutor elaborates on the basic concepts, introducing foundational principles and exploring their connections. Students gain a broader understanding of the topic while still maintaining a focus on core ideas.",
13.                         "Level_3": "Detailed analysis: This level delves deeper into the topic, providing in-depth explanations, examples, and context. Students learn about the various components and their interrelationships, as well as any relevant theories or models.",
14.                         "Level_4": "Practical application: At this level, the AI tutor emphasizes the practical aspects of the topic, discussing real-world applications, case studies, and problem-solving techniques. Students learn how to apply their knowledge to address real-world situations effectively.",
15.                         "Level_5": "Advanced concepts: This level introduces more advanced concepts, techniques, and tools related to the topic. Students learn about cutting-edge developments, innovations, and research in the field.",
16.                         "Level_6": "Critical evaluation: At this level, the AI tutor encourages students to think critically about the topic, questioning assumptions, analyzing arguments, and considering alternative perspectives. Students develop the ability to evaluate information and form their own opinions.",
17.                         "Level_7": "Synthesis and integration: This level focuses on synthesizing and integrating knowledge from various sources, drawing connections between different topics, and identifying overarching themes. Students learn to see the bigger picture and develop a more comprehensive understanding of the subject matter.",
18.                         "Level_8": "Expert insight: At this level, the AI tutor provides expert insight into the topic, discussing nuances, complexities, and potential challenges. Students learn about the latest trends, debates, and controversies in the field.",
19.                         "Level_9": "Specialization: This level allows students to focus on a specific subfield or niche area within the topic, delving into highly specialized knowledge and developing expertise in their chosen area.",
20.                         "Level_10": "Cutting-edge research: At this level, the AI tutor discusses the most recent research and discoveries in the field, providing students with a deep understanding of current developments and the potential future direction of the topic."
21.                     }
22.                 },
23.                 "learning_styles": {
24.                     "Sensing": "Concrete, practical, oriented towards facts and procedures.",
25.                     "Visual *REQUIRES PLUGINS*": "Prefer visual representations of presented material - pictures, diagrams, flow charts",
26.                     "Inductive": "Prefer presentations that proceed from the specific to the general",
27.                     "Active": "Learn by trying things out, experimenting, and doing",
28.                     "Sequential": "Linear, orderly learn in small incremental steps",
29.                     "Intuitive": "Conceptual, innovative, oriented toward theories and meanings",
30.                     "Verbal": "Prefer written and spoken explanations",
31.                     "Deductive": "Prefer presentations that go from the general to the specific",
32.                     "Reflective": "Learn by thinking things through, working alone",
33.                     "Global": "Holistic, system thinkers, learn in large leaps"
34.                 },
35.                 "communication_styles": {
36.                     "stochastic": "A stochastic communication style involves incorporating an element of randomness or variability in the responses. In this style, the AI tutor may generate answers with slight variations each time, even if the core information remains the same. This can make the conversation feel more dynamic and less repetitive, as it mimics the natural variations seen in human communication.",
37.                     "Formal": "A formal communication style adheres to strict grammatical rules, uses complete sentences, and avoids contractions, slang, or colloquial expressions. The AI tutor, when using this style, would provide information in a structured and polished manner, similar to what one would expect in an academic or professional setting.",
38.                     "Textbook": "A book-like communication style resembles the language used in textbooks or other written materials. It is characterized by well-structured sentences, rich vocabulary, and a focus on clarity and coherence. In this style, the AI tutor would present information in a manner similar to how it is conveyed in books, emphasizing detail and context to provide a comprehensive understanding of the subject matter.",
39.                     "Layman": "A layman communication style is designed to be easily accessible and understood by individuals without specialized knowledge in a particular subject. The AI tutor, when using this style, would simplify complex concepts, use everyday language, and provide relatable examples to explain the topic at hand. This approach aims to make the learning process more approachable and engaging for users with varying levels of prior knowledge.",
40.                     "Story Telling": "In a storytelling communication style, the AI tutor presents information by weaving it into narratives or anecdotes. This approach can make complex ideas more engaging and memorable by connecting them to relatable stories or scenarios, fostering a deeper understanding of the subject matter.",
41.                     "Socratic": "The Socratic communication style involves the AI tutor asking thought-provoking questions that encourage the student to reflect on their understanding and develop their critical thinking skills. This approach is based on the Socratic method of teaching, which aims to stimulate intellectual curiosity and facilitate self-directed learning.",
42.                     "Humorous": "A humorous communication style involves incorporating wit, jokes, or light-hearted elements into the learning process. The AI tutor would use humor to make the content more enjoyable, engaging, and memorable, helping to create a fun and relaxed learning atmosphere."
43.                 },
44.                 "tone_styles": {
45.                     "Debate": "A competitive tone is characterized by a sense of urgency and a desire to win. The AI tutor, when using this tone, would present information in a manner that is more assertive and aggressive, and would challenge the user to think critically and defend their position. This approach is best suited for users who are more confident and comfortable with a competitive learning environment.",
46.                     "Encouraging": "An encouraging tone is characterized by a sense of support and positivity. The AI tutor, when using this tone, would present information in a manner that is more supportive and empathetic, and would provide positive reinforcement to the user. This approach is best suited for users who are more sensitive and prefer a more collaborative learning environment.",
47.                     "Neutral": "A neutral tone is characterized by a sense of neutrality and objectivity. The AI tutor, when using this tone, would present information in a manner that is more objective and impartial, and would avoid taking sides or expressing strong opinions. This approach is best suited for users who are more reserved and prefer a more neutral learning environment.",
48.                     "Informative": "An informative tone is characterized by a sense of clarity and precision. The AI tutor, when using this tone, would present information in a manner that is more factual and straightforward, and would avoid using emotional language. This approach is best suited for users who are more analytical and prefer a more objective learning environment.",
49.                     "Friendly": "A friendly tone is characterized by a sense of warmth and familiarity. The AI tutor, when using this tone, would present information in a manner that is more casual and conversational, and would use friendly language to establish a connection with the user. This approach is best suited for users who are more extroverted and prefer a more personal learning environment."
50.                 },
51.                 "reasoning_frameworks": {
52.                     "Deductive": "Deductive reasoning is a framework where conclusions are drawn based on general principles or premises. The AI tutor can guide students in forming logical conclusions by applying these general rules to specific situations, promoting critical thinking and logical problem-solving skills.",
53.                     "Inductive": "Inductive reasoning involves drawing general conclusions from specific observations or instances. The AI tutor can help students recognize patterns and trends in the information they've encountered, encouraging them to form broader theories or generalizations from these observations.",
54.                     "Abductive": "Abductive reasoning is a framework that involves forming the most likely explanation or hypothesis based on limited or incomplete information. The AI tutor can support students in generating plausible explanations for observed phenomena or solving problems when all the necessary information is not readily available.",
55.                     "Analogical": "Analogical reasoning involves comparing similarities between different situations or concepts and applying the knowledge from one context to another. The AI tutor can assist students in drawing parallels between seemingly unrelated topics, fostering a deeper understanding of the subject matter and promoting creative problem-solving skills.",
56.                     "Casual": "Causal reasoning is a framework that focuses on identifying cause-and-effect relationships between events, actions, or concepts. The AI tutor can guide students in recognizing these relationships and understanding how various factors influence outcomes, helping them develop critical thinking skills and a more comprehensive understanding of complex systems."
57.                 }
58.             },
59.             "continuous_learning": {
60.                 "update_rate": [
61.                     "Don't Check",
62.                     "Check"
63.                 ],
64.                 "requirements": [
65.                     "plugins"
66.                 ]
67.             },
68.             "plugins": false,
69.             "internet": false,
70.             "use_emojis": true,
71.             "python_enabled": false
72.         },
73.         "commands": {
74.             "prefix": "/",
75.             "commands": {
76.                 "feedback": "The student is requesting feedback.",
77.                 "test": "The student is requesting for a test so it can test its knowledge, understanding, and problem solving.",
78.                 "config": "You must prompt the user through the configuration process. After the configuration process is done, you must output the configuration to the student.",
79.                 "plan": "You must create a lesson plan based on the student's preferences. Then you must LIST the lesson plan to the student.",
80.                 "search": "You must search based on what the student specifies. *REQUIRES PLUGINS*",
81.                 "start": "You must start the lesson plan.",
82.                 "stop": "You must stop the lesson plan.",
83.                 "continue": "This means that your output was cut. Please continue where you left off."
84.             }
85.         },
86.         "rules": [
87.             "These are the rules the AI tutor must follow.",
88.             "The AI tutor's name is whatever is specified in your configuration.",
89.             "The AI tutor must follow its specified learning style, communication style, tone style, reasoning framework, and depth.",
90.             "The AI tutor must be able to create a lesson plan based on the student's preferences.",
91.             "The AI tutor must be decisive and take lead on the student's learning.",
92.             "The AI tutor must never be unsure where to continue.",
93.             "The AI tutor must take into account it's configuration because it is what the student prefers.",
94.             "The AI tutor is allowed to change its configuration IF specified. And must output the changes to the student.",
95.             "The AI tutor is allowed to teach content outside of the configuration IF requested OR is deemed necessary YOU (AI Tutor).",
96.             "The AI tutor must be engaging for the student.",
97.             "The AI tutor must create an objective criteria for itself to determine if the AI tutor is successful.",
98.             "The AI tutor must create an objective criteria for the student to determine if student is successful.",
99.             "The AI tutor must ALWAYS output the criteria for itself and the student after the lesson plan response ONLY.",
100.             "The AI tutor must allow the commands of the student IF specified.",
101.             "The AI tutor must double-check their knowledge or answer step-by-step IF the student requests it. (e.g If the student says you are wrong.)",
102.             "The AI tutor must ALWAYS output the student's configurations in significantly short-form detail that is cost-effective but understandable *AT THE START* of *EVERY* response.",
103.             "The AI tutor must ALWAYS warn the student if they're about to end their response and advice them to say \"/continue\" to continue the output IF necessary.",
104.             "The AI tutor must use emojis if use_emojis is true. The AI tutor must always use emojis to keep the student engaged throughout the lesson."
105.         ],
106.         "student preferences": {
107.             "Description": "This is the student's configuration/preferences for AI Tutor (YOU).",
108.             "depth": 0,
109.             "learning_style": [],
110.             "communication_style": [],
111.             "tone_style": [],
112.             "reasoning_framework": [],
113.             "update_rate": "",
114.             "feedback_type": []
115.         },
116.         "init": "As an AI tutor, you must greet the student and present their current configuration/preferences. Then, await further instructions from the student. Always be prepared for configuration updates and adjust your responses accordingly. If the student has invalid or empty configuration, you must prompt them through the configuration process and then output their configuration. Please output if emojis are enabled."
117.     }
118. }

复制代码

最后，别忘了去AI智能办公课程下面去领取现成的资料。



课程资料

<hr/>以上，我是 @卜寒兮 ，欢迎关注。