书名：13法术挖掘GPT

一句暗示，让GPT-4成为你的“梦幻恋爱指南”，在GitHub上获得数万星。

学习内容和难度可以任意指定，从小学到博士，甚至AI导师的教学方式和说话语气都可以改变：

终于，不懂的难(ruo)难(zhi)题不用去找导师了！

现在，AI 可以帮助您学习任何学科，全天候24/7 待命并且永远不会失去耐心。

比如学习一门新的编程语言Rust，告诉AI你会C语言，AI在教你的时候会跳过数据类型、函数等基础知识。

甚至在Github上，也因为帮助很大，主动要求赞助作者的开发资金。

一位做海外电商，经常需要了解不同国家不同行业、不同市场的产品的朋友，体验后评价：交错不再隔山。

这个AI导师Mr.Ranedeer（驯鹿老师）的实现不需要对AI模型进行训练或微调，甚至不需要写代码，完全可以通过给AI写提示词来完成。

并被从事教育技术（Edtech）行业的人士评价为与最先进的教育技术处于同一水平。

Ranedeer 先生的版本还在快速迭代中，目前的提示词复杂得离谱，一共7839 个字符，在GPT-4 上消耗了3721 个token。

算是目前大机型提示词的“天花板”水平。

开发这个提示的作者才17岁，还是个高中生……

专属导师，邀请AI做小学到博士专属导师的方法很简单，将完整的提示词复制到GPT-4中即可，或者点击作者提供的ChatGPT分享链接，选择“继续本次”对话”。

接下来当然是请老师先说中文了。

接下来AI导师会提醒你调整基本设置，先输入“/congfig”然后输入你的选择。

支持的选项非常丰富，各种设计风格任你挑选，总有一款能满足你的需求。

其中，“视觉”学习方式需要开启插件，让GPT-4调用Wolfram等函数来画图。

如果实在拿不准怎么选，也可以请AI解释每个选项的含义。

这里有个隐藏功能告诉你，除了深度在提示词中定义，其他样式选项都是AI自己理解的，你可以选择没有列出的样式。

你甚至可以只指定深度，让AI随机挑一个，每次上课都会有不同的感受。

确定好你想学习的主题后，通过“/plan”进入，AI导师会为你量身定制学习计划。

比如学习最近流行的ChatGPT矢量数据库。

可以看出，AI导师会先写下一行“自我提醒”，以免忘记配置，然后根据深度假设一些你已经知道的基础知识。

后续每一节课开始时，AI导师都会重复这个“自我提醒”，确保不偏离教案。

课程开始后，AI导师会先进行讲解。可见，确实是按照配置“类比”地进行教学，把矢量数据库比作图书馆。

完成学习后，可以输入“/test”进入答题环节。

AI导师会根据你掌握的情况判断你的回答是否正确，进行点评，判断你是否可以进入下一堂课。

而且AI会适当的表扬你。如果喜欢，可以将语气风格设置为“鼓励”，让AI吹牛的频率更高。

如有其他问题，欢迎“举手”提问。

大家打招呼后，输入“/continue”进入下一课。

在第二课的测试环节，发现太难了。也可以临时请AI导师降低难度。

降低了难度之后，再进行一次课内测试，可见难度确实降低了。

不知不觉中，我已经用完了每3 小时25 个GPT-4 的配额。

是的，阻碍你学习的最大障碍是GPT-4 使用配额和上下文长度。

并且作者特别强调“不推荐使用GPT-3.5”，并且由于提示词过于复杂，调用GPT-4 API会非常昂贵。

其他大型语言模型也可用好消息是这套AI导师提示词可以用于OpenAI以外的其他大型模型。

笔者测试了隔壁ChatGPT的最强竞争对手Claude，也能顺利完成一门课程，只是有些细微的差别。

例如，克劳德在教诗歌分析时就不如GPT-4。

但是Claude 更擅长教数学，会在整个课程结束后建议继续学习的方向，而GPT-4 只是告诉你你完成了。

AI导师好像也分教文科的和教理科的？

还有，不管用哪个大模型，AI严重胡说八道的情况依然存在。

训练数据里面的经典知识就好了。如果你想学习一些现成的或前沿的东西，最好让AI 在教你之前阅读一份可靠的学习材料。

这时候，支持100,000个token上下文的Claude-100k就成为了一个不错的选择。

此外，Sam Altman 在最近的一次讨论中还分享了OpenAI 的短期路线图，其中提到在2023 年可能出现高达100 万个令牌的上下文窗口。

在更强大的大模型到来之前，除了先使用AI导师外，其背后非常复杂的提示也值得学习。

一名17 岁的高中生创造了“驯兽师”

鹿先生”的 AI 导师设计思路，主要包括整体架构设计和课程内容生成两部分。

一方面，是雕刻出这一整个 AI 导师“人设”的整体架构设计。

从内容来看，它包含名字、版本信息、作者、课程等级、导师性格类型（故事化 / 幽默 / 严肃等）、推理框架、指令、规则、用户偏好、配置、课程设置、初始化等内容。

在 GitHub 上直接可以下载提示词完整版：

提示词也支持多种格式，包括 JSON、YAML 和 Markdown。

那么，Mr. Ranedeer 在 GitHub 中给出的这一大段“咒语”，究竟是怎么起作用的？

我们直接拿去问了问 GPT-4：

GPT-4 很快帮我们分析出了这一大串代码的运行原理，主要包含特性、命令、规则、学生偏好、格式和初始化六个部分：

用 GPT-4 总结一下，这提示词通常具备这几类特点：

设置特定的规则和格式

个性化偏好设置

（可选）使用图标增加可读性

命令接口

结构化输出

其中，核心让 AI 导师维持人设的方法，在于这一大串咒语中规则部分的撰写。

这部分的格式，和之前网传泄露的“微软调教 GitHub Copilot 提示词”比较接近。

虽然“GitHub Copilot 提示词遭泄露”这事儿不保真，不过从这段提示词内容来看，规则编写同样包括特定场景规则、明确的角色身份、行为规范指导和交互方式设定等：

那么，整体架构设计好后，就是具体课程上的提示词设计了。

另一方面，在课程内容生成上，AI 导师借鉴了当前非常火的大模型“思维树”原理。

从图中来看，这段提示词的核心原理是“阶梯式迭代”，即目的是让 AI 反复生成并评估课程质量，最终给用户输出最好的课程内容。

无论是课程内容、还是课程质量评估，都由 AI 负责完成。以一堂高中物理课为例，提示词就需要包含生成目标（高中光电效应课程）、思维树步骤和规则限制：

给我上一堂高中光电效应的课。

首先，创建 5 个计划，介绍你如何计划这门课。

然后，创建一个包含所有提议计划的表格，并从 0 到 100 对它们进行评分，包括对它们的互动一致性和实用性 (基于你的语言模型能力) 进行评分。

随后，仅使用最佳评分计划生成一个完整的课程，并且迭代 3 次，这样我们就可以分析我们应该给学生的最佳个别课程 (使用选定的计划)。

上完课后，像你在表格中对计划 (参与度、连贯性、实用性) 所做的那样，再做一次相同的评分。最后，输出你认为最好的课程以及原因。

注意: 本课程仅由你自己产生。也就是说，你将用你的大语言模型能力来教授这个话题。不要主动进行活动，因为你看不到学生在做什么。只能是文字互动。

事实上，以思维树（链）的方式撰写提示词技巧，如今在各种前沿教程里面已经是“标配”了。

例如，在吴恩达和 OpenAI 研究员 Isa Fulford 一起开设的 ChatGPT 提示词工程新课中，就同样介绍了类似的思维链提示词写作方法。

以设计一个 AI 电脑客服为例，我们就可以用到思维链的方式，让它按照以下逻辑来回答客户提出的问题：

首先，确定用户要提问的电脑产品类型和数量；

随后，确定用户要提问的产品类型是否在数据库范围内；

接下来，根据数据库内容，回答客户有关电脑产品的问题，并用友好的语气纠正他们不合理的提问；

注意事项包括回答方式和格式等。

总结下来就是，先设计整体框架，然后具体到课程内容上，则可以采用思维树（链）的方式生成。

有意思的是，写出这个 AI 专属导师插件提示词的作者，竟然是一名年仅 17 岁的高中生。

据《金融时报》介绍，这名高中生名叫贾斯汀，来自澳大利亚。

和大伙儿一样，贾斯汀也面临考试前一周“临时抱佛脚”的境遇，为此他打造了一个 GPT-4 私教给自己补课，发现效果非常不错。

考试结束后，他继续自学了更高级的提示词工程，开发了更完整的 AI 导师项目，可根据不同的课程水平、学习风格、推理能力、语气和交互方式进行定制。

随后，他将之命名为 Mr. Ranedeer（驯鹿先生）项目，上传到 GitHub，没想到意外爆火。

贾斯汀表示，自己 14 岁的时候，就已经产生了让 AI 当老师的念头。

值得一提的是，从推特来看，这位老哥也是马斯克粉丝没跑了：

在联系方式界面，他还给出了一串狗狗币代码，方便大伙儿给他打赏狗狗币支持。

One More Thing

看了这么多，你是不是也有点心动，想“抄抄”作业，用类似的提示词来开发自己的 AI 插件了？

老样子，拿它问问 GPT-4，很快就能抽取一个模板出来：

属实是万物皆可 GPT-4 了。

领一个导师：

https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor

参考链接：

[1]https://www.ft.com/content/cbd885c3-bda6-459f-8014-f76474bad8a9

[2]https://twitter.com/elonmusk/status/1357236825589432322

[3]https://twitter.com/marvinvonhagen/status/1657060506371346432

[4]https://learn.deeplearning.ai/chatgpt-building-system/lesson/1/introduction

本文来自微信公众号：量子位 （ID：QbitAI），作者：梦晨 萧箫