如何有效的向AI提問？

〇、導(dǎo)言

隨著人工智能技術(shù)的迅猛發(fā)展，大語(yǔ)言模型（LLM）以微軟 OpenAI 為代表，初次問世，為新一次的 AI 革命打響了第一槍。在短短的幾個(gè)月內(nèi)，GPT-3.5 和 GPT-4 的加持下，New Bing、Copilot、Cursor 等產(chǎn)品也相繼問世，推動(dòng)了產(chǎn)品開發(fā)的新思路。國(guó)內(nèi)廠商也緊隨其后，百度文心一言、華為盤古大模型、阿里通義千問、訊飛星火認(rèn)知大模型相繼發(fā)布。

我們現(xiàn)在可以通過與 AI 進(jìn)行對(duì)話來(lái)獲取各種信息和解決問題。但想要獲得更準(zhǔn)確、有用的回答，我們需要掌握如何向 AI 提問的技巧和方法。本文將探討一些技巧，幫助您在與 ChatGPT 和其他類 ChatGPT 的大語(yǔ)言模型對(duì)話時(shí)更加有效且高效。

一、Base LLM 與 Instruction Tuned LLM

在開始之前，我覺得獲取有必要向大家講解一個(gè)關(guān)于 Base LLM（基礎(chǔ)大語(yǔ)言模型）與 Instruction Tuned LLM（指令調(diào)整型大語(yǔ)言模型）的知識(shí)點(diǎn)，來(lái)幫助大家更好地了解大家更好了解之后的內(nèi)容。如果你對(duì) Base LLM 與 Instruction Tuned LLM 有一定的了解，可以跳過這部分來(lái)加速閱讀完這篇文章。

Base LLM（Base Language Model）是指大型語(yǔ)言模型的基礎(chǔ)版本。這些模型具有廣泛的語(yǔ)言理解和生成能力，能夠生成連貫、有邏輯的文本回答，并在部分任務(wù)和應(yīng)用中展現(xiàn)出強(qiáng)大的表現(xiàn)；最常見的應(yīng)用就是文章續(xù)寫，大家可能見過的應(yīng)用比如早期 github 上的狗屁不通生成器、夸克瀏覽器中的 AI 作文靈感生成器、不少人喜歡拿來(lái)寫文案的秘塔寫作貓。

然而，盡管Base LLM在很多方面表現(xiàn)出色，它們?nèi)匀淮嬖谝恍┚窒扌?。比如?xùn)練數(shù)據(jù)大多都是來(lái)自于互聯(lián)網(wǎng)，社交平臺(tái)等易于獲取的數(shù)據(jù)，Base LLM可能會(huì)在某些情況下給出不準(zhǔn)確或不合適的回答。此外，它們?cè)诶斫馓囟I(lǐng)域或任務(wù)相關(guān)指令時(shí)的表現(xiàn)也相對(duì)較弱；比如我要詢問 “安徽有哪些好玩的地方？”，根據(jù)所訓(xùn)練的網(wǎng)絡(luò)數(shù)據(jù)的不同，Base LLM 生成的內(nèi)容可能會(huì)有 Answer 1 與 Answer 2 以下兩種結(jié)果：

• Answer 1，像是一些旅游推薦，搜索推薦所產(chǎn)生的的文本，不是特別符合我們的預(yù)期；
• Answer 2，像是出自一些旅游文章或者博客，比較符合我們的預(yù)期。

Base LLM 在生成內(nèi)容時(shí)，可能被一些不確定的數(shù)據(jù)所污染，導(dǎo)致產(chǎn)生的結(jié)果并不是我們所預(yù)期的結(jié)果。為了克服這些限制，研究人員提出了Instruction Tuned LLM（指令調(diào)整型語(yǔ)言模型）。Instruction Tuned LLM是一種經(jīng)過專門優(yōu)化以更好地理解和執(zhí)行指令的語(yǔ)言模型。它們通過額外的訓(xùn)練和微調(diào)，針對(duì)特定任務(wù)或領(lǐng)域進(jìn)行了特定的優(yōu)化。

與Base LLM相比，Instruction Tuned LLM在特定任務(wù)上的性能和準(zhǔn)確性更高。它們能夠更好地理解并執(zhí)行給定的指令，生成更符合特定任務(wù)需求的回答。通過對(duì)模型進(jìn)行精細(xì)調(diào)整和針對(duì)性訓(xùn)練，Instruction Tuned LLM可以提供更加定制化和個(gè)性化的輸出。

需要注意的是，Instruction Tuned LLM通常需要更多的訓(xùn)練數(shù)據(jù)和計(jì)算資源來(lái)進(jìn)行優(yōu)化，因此在實(shí)際應(yīng)用中可能會(huì)受到一些限制。此外，對(duì)于不同的任務(wù)和領(lǐng)域，可能需要針對(duì)性地進(jìn)行模型調(diào)整和優(yōu)化。

總而言之，Base LLM是大型語(yǔ)言模型的基礎(chǔ)版本，具備廣泛的語(yǔ)言理解和生成能力。而 Instruction Tuned LLM是通過針對(duì)特定任務(wù)和領(lǐng)域進(jìn)行優(yōu)化的版本，能夠提供更加定制化和個(gè)性化的輸出。這兩種模型在不同的應(yīng)用場(chǎng)景中發(fā)揮著重要的作用，并為人工智能技術(shù)的發(fā)展帶來(lái)了更多的可能性。接下來(lái)，我們以較為成熟的 ChatGPT，來(lái)講一下如何有效的向 AI 提問。

二、如何提出有效的問題 ？

How To Ask Questions The Smart Way? 向別人提問一直是一門藝術(shù)，向 AI 提問也是如此；有效的問題能夠更容易獲得你想要的答案，下面就來(lái)從語(yǔ)義方面簡(jiǎn)單講一下如何向 AI 提出有效的問題。

1. 明確問題：

在向AI提問之前，要先明確自己的問題。盡量用簡(jiǎn)潔、清晰的語(yǔ)言表達(dá)問題的核心。如果問題過于寬泛或含糊不清，AI可能會(huì)給出模糊或不相關(guān)的回答。下面給出幾個(gè)例子便于大家理解：

• 不明確的問題： "最近的電影有什么好看的？"
• 明確的問題： "請(qǐng)推薦一些最近上映的懸疑電影。"

• 不明確的問題： "如何學(xué)好外語(yǔ)？"
• 明確的問題： "我想學(xué)習(xí)法語(yǔ)，你有什么建議和資源推薦嗎？"

• 不明確的問題： "旅游的最佳時(shí)間是什么時(shí)候？"
• 明確的問題： "我計(jì)劃去巴黎旅游，你能告訴我巴黎的最佳旅游季節(jié)嗎？"

通過將問題具體化和明確化，AI可以更好地理解您的需求并給出更有針對(duì)性的回答。確切的問題有助于AI系統(tǒng)準(zhǔn)確定位并提供您真正需要的信息，從而提高對(duì)話的效果和滿意度。

2. 簡(jiǎn)明扼要：

AI 喜歡簡(jiǎn)潔明了的問題。避免冗長(zhǎng)的描述和復(fù)雜的句子結(jié)構(gòu)。用簡(jiǎn)單直接的語(yǔ)言表達(dá)問題，可以提高AI理解問題的準(zhǔn)確性。例如，

• 冗長(zhǎng)的問題： "我在這個(gè)城市有一個(gè)會(huì)議，我需要一個(gè)在市中心附近、價(jià)格適中的酒店，帶有免費(fèi)早餐和免費(fèi)停車場(chǎng)的。你能推薦一些嗎？"
• 簡(jiǎn)明的問題： "請(qǐng)推薦一個(gè)價(jià)格適中、位于市中心的酒店，帶免費(fèi)早餐和免費(fèi)停車場(chǎng)。"

• 冗長(zhǎng)的問題： "我對(duì)新聞感興趣，尤其是科技和娛樂方面的新聞。你有什么推薦的新聞源嗎？"
• 簡(jiǎn)明的問題： "請(qǐng)推薦一些科技和娛樂新聞源。"

• 冗長(zhǎng)的問題： "我在學(xué)習(xí)編程，我想知道最好的在線編程課程是什么，哪個(gè)平臺(tái)有最好的編程教學(xué)資源？"
• 簡(jiǎn)明的問題： "請(qǐng)推薦一些在線編程課程和優(yōu)質(zhì)的編程教學(xué)平臺(tái)。"

通過使用簡(jiǎn)潔明了的語(yǔ)言，您可以讓問題更易于理解和處理。這有助于AI系統(tǒng)更好地捕捉到您問題的核心，提供更相關(guān)和準(zhǔn)確的回答。避免過多的細(xì)節(jié)和復(fù)雜的句子結(jié)構(gòu)，有助于提高交流的效率和準(zhǔn)確性，使您與AI的對(duì)話更加流暢和順利。

3. 避免二義性：

確保您的問題不會(huì)引起歧義或模棱兩可的回答。AI可能會(huì)根據(jù)您的問題字面意思進(jìn)行回答，而忽略其中的潛在含義。如果您的問題有多種解釋，請(qǐng)?zhí)峁└嗌舷挛男畔⒁员苊饣煜?。下面是一些例子?/p>

• 二義性問題： "請(qǐng)告訴我有關(guān)蘋果的信息。"
• 避免二義性： "我對(duì)蘋果公司感興趣，你能提供一些關(guān)于其歷史和產(chǎn)品的信息嗎？"

• 二義性問題： "這部電影好看嗎？"
• 避免二義性： "你個(gè)人認(rèn)為這部電影是否值得觀看？"

• 二義性問題： "明天的天氣怎么樣？"
• 避免二義性： "請(qǐng)告訴我明天早上8點(diǎn)在紐約的天氣預(yù)報(bào)。"

在避免二義性問題時(shí)，需要提供足夠的上下文或具體細(xì)節(jié)，以確保AI能夠正確理解您的意圖。通過明確指定對(duì)象、時(shí)間、地點(diǎn)等關(guān)鍵信息，可以避免不必要的歧義和混淆。盡量將問題的背景和條件清晰地傳達(dá)給AI，以便它能夠提供更準(zhǔn)確和有針對(duì)性的回答。

記住，AI系統(tǒng)是基于輸入的信息來(lái)進(jìn)行處理和生成回答的，所以提供清晰明了的問題有助于AI準(zhǔn)確地理解您的意圖，從而提供更好的回答和幫助。

4. 避免絕對(duì)化的問題：

AI通常不能提供關(guān)于絕對(duì)真理的回答。避免使用諸如“永遠(yuǎn)”、“最好的”或“最適合”的絕對(duì)化詞匯。相反，盡量以更加客觀和相對(duì)的方式提問，以便AI可以給出更有用的答案。

避免絕對(duì)化問題是確保與AI交流準(zhǔn)確性的關(guān)鍵，以下是一些舉例來(lái)說(shuō)明如何避免絕對(duì)化問題：

• 絕對(duì)化問題： "什么是世界上最好的手機(jī)？"
• 避免絕對(duì)化： "請(qǐng)介紹一些當(dāng)前市場(chǎng)上受歡迎的手機(jī)品牌和型號(hào)。"

• 絕對(duì)化問題： "哪個(gè)城市是全球最美麗的城市？"
• 避免絕對(duì)化： "你能推薦一些風(fēng)景優(yōu)美的城市嗎？"

• 絕對(duì)化問題： "什么是最有效的減肥方法？"
• 避免絕對(duì)化： "你有一些建議來(lái)幫助我減肥嗎？"

避免使用諸如"最好的"、"最適合"、"永遠(yuǎn)"等絕對(duì)化的詞匯，因?yàn)锳I通常無(wú)法給出關(guān)于絕對(duì)真理的回答。相反，通過使用相對(duì)性的表達(dá)方式，可以讓AI提供更具有客觀性和實(shí)用性的答案。詢問用戶個(gè)人意見、建議或提供一些可選項(xiàng)和不同的觀點(diǎn)，可以幫助AI給出更靈活和有用的回答。

5. 利用引導(dǎo)詞：

在提問時(shí)，可以使用一些引導(dǎo)詞來(lái)指導(dǎo)AI的回答。例如，使用“如何”、“為什么”、“哪個(gè)”等引導(dǎo)詞可以引導(dǎo)AI提供更詳細(xì)和有針對(duì)性的回答。這樣可以幫助您更好地理解問題的背景和答案的原因。

利用引導(dǎo)詞可以幫助您引導(dǎo)AI的回答，使其更加詳細(xì)和有針對(duì)性。以下是一些舉例來(lái)說(shuō)明如何利用引導(dǎo)詞：

• 引導(dǎo)詞："如何"
• 問題："如何學(xué)習(xí)一門新的編程語(yǔ)言？"
• 這個(gè)引導(dǎo)詞可以引導(dǎo)AI提供關(guān)于學(xué)習(xí)編程語(yǔ)言的步驟、資源或技巧的回答。

• 引導(dǎo)詞："為什么"
• 問題："為什么鍛煉對(duì)身體健康很重要？"
• 這個(gè)引導(dǎo)詞可以引導(dǎo)AI解釋鍛煉對(duì)身體健康的益處、影響或科學(xué)原理。

• 引導(dǎo)詞："哪個(gè)"
• 問題："在紐約市，哪個(gè)博物館是最受歡迎的？"
• 這個(gè)引導(dǎo)詞可以引導(dǎo)AI提供關(guān)于紐約市最受歡迎博物館的信息和評(píng)價(jià)。

通過使用不同的引導(dǎo)詞，您可以調(diào)整問題的語(yǔ)氣和期望的回答類型。這些引導(dǎo)詞可以指示AI提供指導(dǎo)、解釋、推薦或比較的回答，以滿足您的具體需求和意圖。根據(jù)您的問題，選擇適當(dāng)?shù)囊龑?dǎo)詞可以幫助AI更好地理解您的問題，并提供更加有針對(duì)性和詳細(xì)的回答。

需要注意的是，引導(dǎo)詞只是一種提示方式，AI仍然根據(jù)其訓(xùn)練和模型來(lái)生成回答，所以結(jié)果可能因模型的理解和數(shù)據(jù)限制而有所差異。

6. 檢查語(yǔ)法和拼寫：

在與AI對(duì)話之前，檢查您的問題的語(yǔ)法和拼寫錯(cuò)誤。雖然AI可以理解一些錯(cuò)誤拼寫或語(yǔ)法錯(cuò)誤，但確保問題清晰、準(zhǔn)確無(wú)誤可以提高回答的質(zhì)量和效果。

7. 追問細(xì)節(jié)：

有時(shí)候AI可能無(wú)法準(zhǔn)確理解您的問題或需求。如果您得到的

ChatGPT 回答不完全符合您的期望，可以追問一些細(xì)節(jié)來(lái)進(jìn)一步澄清。通過進(jìn)一步的對(duì)話和交流，您可以與AI建立更好的理解和溝通，從而得到更準(zhǔn)確的回答。以下是一些進(jìn)行追問細(xì)節(jié)的例子：

• 原始問題： "我正在計(jì)劃去旅行，你有什么建議？"
• 回答： "您可以考慮去歐洲或亞洲旅行。"
• 追問： "對(duì)于歐洲和亞洲，你能給我一些具體的目的地建議嗎？"

• 原始問題： "我想買一本好書，有什么推薦的嗎？"
• 回答： "您可以試試《1984》或《人類簡(jiǎn)史》。"
• 追問： "這兩本書的主題是什么？"

• 原始問題： "我需要一份健康的早餐食譜。"
• 回答： "您可以嘗試燕麥片和水果的組合。"
• 追問： "你還有其他關(guān)于健康早餐的建議嗎？"

通過追問細(xì)節(jié)，您可以向AI提供更具體和詳細(xì)的信息需求，以獲取更加準(zhǔn)確和個(gè)性化的回答。這樣可以幫助AI更好地理解您的意圖，并提供更符合您具體需求的建議或答案。

需要注意的是，AI的回答可能基于其訓(xùn)練數(shù)據(jù)和模型的限制，可能無(wú)法滿足所有細(xì)節(jié)要求。在進(jìn)行追問細(xì)節(jié)時(shí)，要根據(jù)AI的回答和能力來(lái)判斷何時(shí)需要進(jìn)一步追問或調(diào)整問題，以使對(duì)話更加有意義和有用。

三、如何將提問的內(nèi)容進(jìn)行應(yīng)用？

最近，300 + ChatGPT Prompts 火遍全網(wǎng)，通過這些總結(jié)后的提示詞，我們能更方便的獲取自己想要的內(nèi)容，并將其用到應(yīng)用開發(fā)上。在這之前，我們先來(lái)講述一下如何使用 Python 進(jìn)行 ChatGPT 相關(guān)內(nèi)容的開發(fā)。

• 英文版 ChatGPT Prompts：https://github.com/f/awesome-chatgpt-prompts
• 中文版 ChatGPT Prompts：https://github.com/PlexPt/awesome-chatgpt-prompts-zh

1. API 的基本使用

首先，我們要先使用 pip 下載 openai 組件，之后創(chuàng)建一個(gè) Python 文件：

配置部分只需要兩句話，首先導(dǎo)入 openai 包，然后配置 openai 的 api_key，我這里不方便展示 api_key，所以把 api_key 配置到環(huán)境變量再通過 os 獲取。

import openai	# 導(dǎo)入 openai 包
import os

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

openai.api_key = os.getenv('CHATGPT_KEY')	# 配置 openai 的 api_key

接下來(lái)是一個(gè)函數(shù)，用來(lái)向 openai 請(qǐng)求數(shù)據(jù)，復(fù)制即可

def get_completion(prompt, model="gpt-3.5-turbo"):
    messages = [{"role": "user", "content": prompt}]
    response = openai.ChatCompletion.create(
        model = model,
        messages = messages,
        temperature = 0,
    )
    return response.choices[0].message["content"]

完成上述的操作后，便可以開始接下來(lái)的內(nèi)容。

2. 格式化輸出 ？

眾所周知，ChatGPT 可以編寫代碼；ChatGPT 可以做的更多，只要進(jìn)行合適的提問，ChatGPT 可以幫你輸出 JSON、HTML、表格等等內(nèi)容。下面舉個(gè)例子來(lái)演示一下：

下面是我編寫的一段 Prompt，通過這個(gè) Prompt 可以生成 JSON 格式的數(shù)據(jù)

prompt = f"""
生成一個(gè)列表，其中包含三個(gè)虛構(gòu)的書名以及它們的作者和類型。

以JSON格式提供以下鍵:
Book_id，Book_name，author，genre。
"""

response = get_completion(prompt)
print(response)

可以看到，ChatGPT 將數(shù)據(jù)以 JSON 格式展示了出來(lái)；接下來(lái)，改變關(guān)鍵詞，分別修改成了以 HTML 、表格以及 SQL 的形式獲得數(shù)據(jù)，結(jié)果如下：

HTML 格式：

表格 格式 ：

SQL 語(yǔ)句 ：

3. 角色扮演 ？

角色扮演？相信大家在童年時(shí)都玩過吧，不知道大家以前是扮演老師、奧特曼還是喜羊羊。而細(xì)看 300 + ChatGPT Prompts ，其實(shí)就是一個(gè)角色扮演的過程，這些 Prompts 的前幾句都是 “ I want you to act as ... ”（我想讓你扮演...），而使用角色扮演的方式來(lái)進(jìn)行 ChatGPT 的提問可以更好的代入情景，獲得更好的回答結(jié)果。

值得注意的是，ChatGPT 雖然可以扮演很多東西，但還是盡量扮演許多更加有用且廣為人知的職業(yè)或者東西，比如老師、花店老板、智能助理等等，而不是一些過于具體的動(dòng)漫人物或者是一些過于抽象的人物，因?yàn)樵谟?xùn)練模型時(shí)，可能會(huì)將動(dòng)漫人物的名稱當(dāng)作一個(gè)詞，而不是當(dāng)作一個(gè)名字進(jìn)行訓(xùn)練。

4. (應(yīng)用) 十詞成文助記單詞

作為一個(gè)學(xué)生，我經(jīng)常會(huì)有背單詞的需求，然而市面上大多的背單詞軟件僅有拼寫、選詞等背單詞方法，功能單一，且使用這些功能很難記住單詞；因此不少背單詞軟件開始訓(xùn)練模型來(lái)實(shí)現(xiàn)選詞成文的功能，使大家更容易記住單詞。但這些記單詞軟件所生成的文章會(huì)有邏輯錯(cuò)誤，背誦時(shí)會(huì)很拗口，所以就會(huì)想到使用 ChatGPT 來(lái)實(shí)現(xiàn)該功能。

這里我先存儲(chǔ)了 10 個(gè)單詞，并在 prompt 中限制了生成單詞的數(shù)量，在應(yīng)用開發(fā)過程中你還可以加入更多豐富的東西，比如生成文章的風(fēng)格（科幻、古風(fēng)、穿越等等），生成文章的題材（詩(shī)歌、小說(shuō)、議論、散文等等），以此來(lái)提供更多選項(xiàng)來(lái)給客戶更豐富的體驗(yàn)。下面是代碼以及輸出結(jié)果：

代碼：

words = ['apple', 'person', 'wind', 'history', 'author', 'boil', 'science', 'hunger', 'fiction', 'fantasy']
prompt = f"""
使用十個(gè)單詞生成一段話，字?jǐn)?shù)在100詞以內(nèi)。

十個(gè)單詞如下：
'''{words}'''
"""

response = get_completion(prompt)
print(response)

結(jié)果：

The author wrote a fiction book about a person who loved apples. The story was set in a world where the wind never stopped blowing, causing hunger and hardship for the people. The protagonist, who was a scientist, discovered a way to boil the wind and turn it into energy. This discovery changed the course of history and brought prosperity to the land. However, the author also introduced a fantasy element to the story, where magical apples grew on trees that could cure any ailment. The person in the story embarked on a quest to find these apples and save their loved ones.

（翻譯后：作者寫了一本關(guān)于一個(gè)愛吃蘋果的人的小說(shuō)。故事發(fā)生在一個(gè)風(fēng)不停刮的世界里，給人們帶來(lái)了饑餓和困苦。主人公是一位科學(xué)家，他發(fā)現(xiàn)了一種將風(fēng)煮沸并將其轉(zhuǎn)化為能量的方法。這一發(fā)現(xiàn)改變了歷史的進(jìn)程，給這片土地帶來(lái)了繁榮。然而，作者也在故事中引入了幻想元素，在那里，樹上長(zhǎng)著神奇的蘋果，可以治療任何疾病。故事中的人開始尋找這些蘋果，拯救他們所愛的人。）

5. (應(yīng)用) AI 腦圖生成器（Chat MindMap）

思維腦圖，在大家整理閱讀資料，梳理腦海中的內(nèi)容的時(shí)候總是會(huì)用到，也算是日常學(xué)習(xí)科研生活中必不可少的一項(xiàng)工具。當(dāng)文本字?jǐn)?shù)較多時(shí)，整理腦圖可能是一件非常麻煩的事，比如我這樣懶的人可能會(huì)想著有一個(gè)提前生成好的腦圖，我只需要在上面簡(jiǎn)單修改；或者 AI 直接生成一份腦圖，而我只需按照腦圖整理知識(shí)內(nèi)容。

下面是關(guān)于 AI 腦圖生成器的簡(jiǎn)單講述。

text 是我所描述的一串文本，而接下來(lái)的過程，通過我所描述的一段 prompt，ChatGPT 將分析我所描述的 text 文本，并將其轉(zhuǎn)換成 OPML 文件適用的 XML 語(yǔ)言

# 文本轉(zhuǎn)化為 OPML 語(yǔ)言
text = '我的手里有三種物品。一種是水果，可能是蘋果、香蕉、梨子；一種是蔬菜，可能是胡蘿卜、青菜、土豆；一種是零食，可能是辣條、薯片、可樂。請(qǐng)分析我手里的三種物品是什么。'
prompt = f"""
You are a smart mind map software in OPML format, which analyzes text and convert text into OPML language. \\
The text after analyzed should be detailed, and divide the text into as many branches as possible; Then you could start to convert text into OPML language.\\
OPML language after converted should have ?xml version="1.0" encoding="UTF-8"?,

response = get_completion(prompt)
print(response)

根據(jù)我所描述的文本生成的 opml 代碼如下，

<opml version="1.0">
	<head>
		<title>我的手里有三種物品<span class="hljs-name"title>
	<span class="hljs-name"head>
	<body>
		<outline text="我的手里有三種物品">
			<outline text="一種是水果">
				<outline text="可能是蘋果"/>
				<outline text="可能是香蕉"/>
				<outline text="可能是梨子"/>
			<span class="hljs-name"outline>
			<outline text="一種是蔬菜">
				<outline text="可能是胡蘿卜"/>
				<outline text="可能是青菜"/>
				<outline text="可能是土豆"/>
			<span class="hljs-name"outline>
			<outline text="一種是零食">
				<outline text="可能是辣條"/>
				<outline text="可能是薯片"/>
				<outline text="可能是可樂"/>
			<span class="hljs-name"outline>
		<span class="hljs-name"outline>
	<span class="hljs-name"body>
<span class="hljs-name"opml>

緊接著，將 response 寫入到新創(chuàng)建的 opml 類型的中，寫入完成后使用幕布、MindManager 等能可以導(dǎo)入 OPML 的思維腦圖軟件導(dǎo)入你所創(chuàng)建完成的 OPML 腦圖文件即可看到 AI 生成的腦圖。

# 將內(nèi)容寫入 opml 文件
f = open(r'F:\\test.opml','w', encoding='utf-8')
f.write(response)
f.close()

使用 MindManager 導(dǎo)入后的思維腦圖如下：

當(dāng)然，如果你真的想要完成一個(gè)獨(dú)立的 AI 腦圖生成器（Chat MindMap），你可能需要實(shí)現(xiàn)一個(gè)獨(dú)立的 OPML 腦圖軟件，或者嘗試使用兼容 markdown 或其它開源輕量腦圖組件來(lái)完成自己獨(dú)立的項(xiàng)目。

四、總結(jié)

向AI提問是一個(gè)互動(dòng)的過程，通過不斷的實(shí)踐和探索，我們可以進(jìn)一步優(yōu)化和改進(jìn)我們的提問技巧，使得與AI的對(duì)話更加流暢和有益，構(gòu)建更多豐富的應(yīng)用程序。

希望本文的技巧和指導(dǎo)能夠?qū)δ谂cChatGPT和其他大語(yǔ)言模型進(jìn)行對(duì)話時(shí)有所幫助，讓您能夠更好地利用AI技術(shù)解決問題和獲取信息。
審核編輯：湯梓紅