共计 2833 个字符，预计需要花费 8 分钟才能阅读完成。
本手册说明了 Open AI 的 Chat GPT 的多种功能，可帮助开发人员和内容创建者提高他们在跨媒体内容创建、自然语言处理和编程等各个领域的大型语言模型提示方面的熟练程度。
NLP 任务
文本生成
输入： 为科幻小说编写一段简介
”《时空转换》是一部震撼人心的科幻小说，讲述了一群勇敢的科学家和宇航员如何在未来世界里探索时空的奥秘。他们在发现一种神秘的能量源之后，决定冒险进入未知的星系，探索宇宙的边缘。在他们的旅途中，他们面对着各种各样的挑战和危险，但也发现了令人难以置信的新世界。最终，他们发现了一个惊人的真相，使得他们对世界和自己的认识发生了巨大的改变。”
总结
输入： 总结这段文字：当尸体被发现时，那是一个漆黑的暴风雨之夜。消息传开后，米尔菲尔德小镇震惊了，当地商人之一被冷血杀害。警方不知所措，镇上的居民也紧张不安。但有一个人，一位雄心勃勃的年轻记者，决心揭开真相并找到凶手。她几乎不知道，这个案子会让她走上一条充满谎言、欺骗和隐藏秘密的危险道路，这将动摇小镇的根基。随着她深入调查，她开始意识到一切都不像看起来的那样，凶手可能比她想象的更接近。
这段文字是关于一个小镇里发生的冷血杀人案的故事简介，当地商人被杀害，警方不知所措，镇上居民紧张不安。一位年轻记者决心揭开真相并找到凶手，她将走上一条充满谎言、欺骗和隐藏秘密的危险道路，随着她深入调查，她开始意识到凶手可能比她想象的更接近。
公共领域问答
输入： 嫦娥 1 号什么时候发射的?
嫦娥 1 号是中国国家航天局 (CNSA) 计划的第一次月球探测任务。它于 2007 年 10 月 24 日发射升空，并于 2007 年 11 月 5 日成功登陆月球并进行了科学探测。这次探测标志着中国成为了第三个在月球上进行着陆和科学探测的国家。嫦娥 1 号携带了多种科学设备，包括高分辨率摄像机、红外线探测器、粉末和气体分析器等。它的成功标志着中国在深空探索领域取得了重大突破。
改写
输入： 重写这段文字：嫦娥 1 号发射于 2007 年 10 月 24 日。
2007 年 10 月 24 日发射的嫦娥 1 号。
情绪分析
输入：
我喜欢披萨，积极
我不喜欢披萨，负面
有时，我喜欢披萨，有时我不喜欢，中性
虽然电影很好，但我有时觉得它有点枯燥，
中性
表格转换为文本
输入：
总结这张表中的数据：
我喜欢披萨，正面
我不喜欢香蕉，负面
有时我喜欢披萨但有时我不喜欢，中性
虽然这部电影总体上不错但我有时觉得它有点干，中性
总结这张表中的数据：我喜欢披萨，正面 我不喜欢香蕉，负面 有时我喜欢披萨但有时我不喜欢，中性 虽然这部电影总体上不错但我有时觉得它有点干，中性
文本转换为表格
输入：
根据此文本创建表格：创建一个包含 2 列的表格，数据为 Apple、Google、Amazon、Meta 这些公司的信息。其中第一列包含的股票代码，另一列包含公司名称。
结构化分类
输入： 对本文中的命名实体进行分类：1971 年 9 月 **，** 叶文洁找到机会偷偷向太阳发射电波，地球文明的信息第一次真正意义上被发往宇宙的各个角落。
1971 年 9 月：时间
叶文洁：人名
太阳：天体
地球文明：文明
宇宙：天体
数据集生成
输入：
根据下面的文本生成更多数据：“没有智慧，只有费力的噱头”0(负面)“喜欢它的角色并传达关于人性的一些相当美丽的东西”1(正面)“完全满足于始终保持不变”0(负面)
“没有真正的思考，只是盲从”0(负面)
“喜欢它的故事情节和对人性深刻的揭示”1(正面)
“完全满足于缺乏创新”0(负面)
“角色没有深度”0(负面)
“故事让人感到震撼和感动”1(正面)
“缺少了新颖的想法”0(负面)
语言翻译
输入： 翻译这句话成俄语：祝你新年快乐!
С Новым годом! (S Novim godom!)
代码
代码生成
输入： 给我演示一下如何使用 Python 发送 HTTP 请求
分析代码
输入：
解释一下下面的代码：
from deepsparse import Pipeline
qa_pipeline = Pipeline.create(task=”question-answering”)
inference = qa_pipeline(question=”What’s my name?”, context=”My name is Snorlax”)
>> {‘score’: 0.9947717785835266. ‘start’: 11. ‘end’: 18. ‘answer’: ‘Snorlax’}
这段代码使用了第三方库 “deepsparse”，它使用了一个名为 “Pipeline” 的类来创建一个问答管道。在这里，管道被设置为 “question-answering” 任务。然后，管道被调用来处理问题 “What’s my name?” 和上下文 “My name is Snorlax”，返回一个结果字典，包括答案“Snorlax”及其相关信息。
这段代码需要 deepsparse 库, 若没有请使用 pip 安装。还需要注意的是，这个库或许还没有正式发布，而且需要训练模型来进行预测。
文档注释生成
输入： 给下面的代码添加 docstring：
import requests
def make_get_request(url:str)-> tuple:
response = requests.get(url)
return response.status_code, response.text
make_get_request(‘https://www.example.com’)
编程语言转换
输入： 将这个 Python 代码转换为 JavaScript 代码：print(‘Hello World!’)
数据类型转换
输入： 下面 JSON 数据转换为 XML 格式的结果：{“Name”:{“0″:”John Smith”,”1″:”Jane Doe”,”2″:”Bob Johnson”,”3″:”Samantha Williams”},”Age”:{“0″:32.”1″:28.”2″:45.”3″:40},”Gender”:{“0″:”Male”,”1″:”Female”,”2″:”Male”,”3″:”Female”},”O ccupation”:{“0″:”Software Developer”,”1″:”Data Analyst”,”2″:”Project Manager”,”3″:”Marketing Director”}
知识图转换
输入： 将此文本转换为节点和边：Babe Ruth 于 1920 年加入纽约洋基队。波士顿红袜队将他的合同卖给了洋基队。他从 1920 年到 1934 年为洋基队效力，在那段时间里，他确立了自己作为棒球史上最伟大球员之一的地位。
节点 1：Babe Ruth
节点 2：纽约洋基队
节点 3：波士顿红袜队
边 1：Babe Ruth 加入纽约洋基队(1920 年)
边 2：波士顿红袜队将 Babe Ruth 的合同卖给了纽约洋基队
边 3：Babe Ruth 为纽约洋基队效力(1920 年 -1934 年)
边 4：Babe Ruth 确立了自己作为棒球史上最伟大球员之一的地位。
