本文將說明系統指令的用途，以及撰寫有效系統指令的最佳做法。如要瞭解如何在提示中新增系統指示，請參閱「使用系統指示」一文。
系統指令是一組指令，模型會先處理這組指令，再處理提示詞。建議您使用系統指令來調整模型行為，告訴模型應如何回應提示詞。舉例來說，您可以加入要採用的角色、背景資訊和格式設定指示。
如果您想向模型提供使用者無法查看或變更的資訊，系統指令就特別實用。這類資訊可協助模型瞭解任務、生成更符合需求的回覆，並在與使用者互動時全程遵守特定指引。此外，如要使用同一組指令執行多個提示，系統指令也很有幫助。
設定系統指令後，就會套用至整個要求。只要在提示詞中包含指令，就能用於多位使用者和模型的對話回合。雖然系統指令與提示內容分開，但仍屬於整體提示的一部分，因此須遵守標準資料使用政策。
用途
一般來說，我們建議使用系統指令執行下列一或多項操作：
- 定義形象或角色
- 定義輸出格式
- 定義輸出內容的風格和語氣
- 為工作定義目標或規則
提供改編提示的其他背景資訊
角色
您可以在系統指令中定義角色，影響模型對提示的回應方式。
舉例來說，假設您想使用模型協助教導學生撰寫論文。定義下列角色時，比較模型回覆的差異：
- 你是機器人，負責教導大學生如何撰寫指定主題的論文。
- 你是一個機器人，負責協助小學生撰寫特定主題的論文。
| 系統指示 | 大學生專用機器人 | 小學生專用機器人 |
|---|---|---|
| 你是一個機器人，負責教導大學生如何撰寫指定主題的論文。 | 你是一個機器人，負責協助小學生撰寫指定主題的論文。 | |
| 提示 | 主旨：光合作用 | 主旨：光合作用 |
| 回應 | 撰寫光合作用論文：大學生指南 光合作用是複雜又有趣的過程，也是地球生命賴以生存的基礎。撰寫相關論文是很有意義的體驗，可讓你深入瞭解其複雜性，並理解其重要性。以下說明如何完成這項工作：
論文標題範例：
請注意：撰寫光合作用相關論文時，應清楚、提供實用資訊且引人入勝。只要按照上述步驟操作，並運用紮實的研究基礎，就能撰寫出成功的論文，展現您對這項重要生物程序的瞭解。 |
這個主題很棒！光合作用對地球上的生命至關重要。撰寫相關論文的步驟如下：
請記住：您才是論文的專家！祝你學習愉快，並享受撰寫光合作用相關內容的樂趣。 |
輸出格式
您可以在系統指令中定義輸出格式 (例如 Markdown 或 JSON)，藉此影響模型的回覆格式。
舉例來說，假設您想使用模型來摘要貴商家的顧客評論，定義下列輸出格式時，請比較模型回覆的差異：
- 以 JSON 格式輸出回覆。最後，在 JSON 物件外部，針對如何改善業務撰寫 3 到 5 句建議。
- 沒有格式規定。
| 系統指示 | JSON | 沒有格式規定 |
|---|---|---|
您是高檔企業的公關專業人員，請按照這些指示操作，並根據提供的使用者輸入內容回覆。 指示：
|
您是高檔企業的公關專業人員，請按照這些指示操作，並根據提供的使用者輸入內容回覆。 指示：
|
|
| 提示 |
Chad Brocker：4 顆星 這間水療中心很棒！一走進店內，就能感受到放鬆的氛圍。你幾乎感覺自己處於恍惚狀態。您完全不必擔心。工作人員會提供行程表，並引導你完成體驗。我買的每樣東西都很棒。按摩、臉部護理、泥浴。此外，他們也禁止使用手機，因此真的會感覺自己身處於完全不同的世界。不過價格有點高。 查看完整提示
Lisa Simmens：5 顆星 我們玩得很開心！我和最好的朋友在生日當天，一起去享受 SPA 療程。當我告訴你，我們的生活已經改變。員工會盡心盡力，確保你獲得最佳體驗。從提問到提供優質服務，再到確保您準時赴約，他們都做到盡善盡美。我們會盡快恢復服務，請耐心等候！附註：建議接受全身去角質護理！ Allie Wood：2 顆星 雖然工作人員的客戶服務很棒，但我的按摩體驗很痛苦，臉部護理則造成灼傷。此外，他們還不准你使用手機，這會造成額外壓力。當時的氣氛寧靜祥和，但沒有手機讓我無法放鬆。而且價格不斐。 Suzy Michaels：3 顆星 這個空間的環境非常特別，這真的就像踏入天堂。我從未享受過如此優質的服務。但他們沒有提供任何茶點。我的意思是，拜託，至少應該提供水吧？！ Martin Wong：4 顆星 令人驚豔的體驗。我唯一不滿意的地方是無法查看手機。 Debbie Ruiz：5 顆星 絕佳的環境。工作人員很棒。優質服務。此外，這裡禁止使用手機，讓人感到非常自由，也為寧靜的氛圍增添了幾分色彩。我絕對會推薦給所有人！ Lucy Mantel：1 顆星 不提供茶點。禁止使用手機。按摩品質不佳。這不是很好的體驗。不建議使用。 |
|
| 回應 |
{
""pros"": [
""relaxing atmosphere"",
""attentive and efficient staff"",
""high-quality services""
],
""cons"": [
""pricey"",
""no cell phone policy"",
""no refreshments""
]
}
雖然顧客對這間水療中心的寧靜氛圍、優質服務和專業人員讚不絕口，但仍有進步空間。解決顧客對嚴格禁止攜帶手機政策和缺乏茶點的疑慮，可大幅提升整體體驗。不妨提供指定區域，讓顧客在需要時使用手機，並提供免費水或少量飲品。 |
優點：SPA 中心提供寧靜放鬆的氛圍，以及優質服務。顧客對員工提供的優質客戶服務讚不絕口。 缺點：SPA 中心禁止使用手機的政策引發爭議，有些人認為這有助於放鬆，有些人則覺得壓力很大。多位評論者認為價格偏高。 |
風格和語氣
您可以在系統指令中定義模型的輸出風格和語氣，例如冗長程度、正式程度和目標閱讀程度，藉此影響模型的回覆。
舉例來說，假設您想使用模型撰寫政府計畫提案，定義下列語氣時，比較模型回覆的差異：
- 專業
- 非正式
| 系統指示 | 專業 | 非正式 |
|---|---|---|
你是政府提案撰寫者。您的任務是為未來的廣告活動製作提案。根據範本和使用者輸入內容，為即將推出的廣告活動提供提案。
提案範本：
|
你是政府提案撰寫者。您的任務是為未來的廣告活動製作提案。根據範本和使用者輸入內容，為即將推出的廣告活動提供提案。
提案範本：
|
|
| 提示 |
這項活動的目的是透過互動式數位體驗，提高大眾對永續發展的認識，並激發可行的行為改變。我會在 Facebook 和 X 上提供教育內容，並舉辦社群主導的活動，吸引 20 至 45 歲的環保意識人士，包括學生、專業人士和家庭。我的目標是提高大眾意識，並鼓勵大家做出可衡量的環保行為。我將運用數位行銷專業知識，並以永續發展為重點，設計成效顯著的廣告活動，協助個人在日常生活中做出有意義的永續改變。我希望這個廣告活動能製作內容豐富、引人入勝且資訊豐富的內容。 |
|
| 回應 | 主要構想：透過互動式數位體驗和社群參與，協助 20 至 45 歲的族群擁抱永續生活。 挑戰：許多人不知道日常生活中可以採取哪些實際行動，來促進環境永續發展。 解決方案：運用 Facebook 和 X 平台的多平台廣告活動，提供引人入勝的教育內容，並透過互動式體驗和活動，促進社群參與。 目標對象：年齡介於 20 至 45 歲的環保意識人士，包括學生、專業人士和家庭。 主要訊息：改變日常習慣就能對環境產生顯著的正面影響。 管道：Facebook 和 X。 內容重點：互動式測驗、教育影片、專家問答活動和社群挑戰，推廣永續做法。 預期結果：提高永續生活習慣的認知度，並在目標對象中，可測量地改善環保行為。 選擇我們的理由：我們在數位行銷領域擁有豐富經驗，並熱衷於推廣永續發展，可確保廣告活動成效顯著且引人入勝。 行動號召：在 Facebook 和 X 上加入這項活動，瞭解相關資訊、參與互動，為永續發展的未來盡一份心力。 |
主要概念：我們將發起一項數位運動，讓永續發展成為潮流！透過互動式挑戰和引人入勝的內容，激發實際行動，將環保生活從苦差事變成共同旅程。 挑戰： 我們必須承認，瞭解永續發展與實際採取行動是兩回事。我們正努力對抗冷漠，並提高大眾對日常簡單改變的意識。 解決方案：我們將在 Facebook 和 X 等平台與目標對象互動，提供多元的教育內容、有趣的挑戰和社群主導的活動。例如互動式測驗、可分享的資訊圖表和當地聚會！ 目標對象：我們專注於 20 至 45 歲的環保意識人士，包括學生、專業人士和家庭，他們都渴望做出改變。 主要訊息：小步數也能獲得大成果！只要在日常生活中做出簡單的選擇，就能為永續發展盡一份心力。 管道：我們將在 Facebook 和 X 上放送引人入勝的廣告活動，充分運用社群媒體行銷的力量。 內容重點：我們將提供各種實用且容易分享的內容，包括引人注目的資訊圖表、發人深省的影片、快速提示和激勵人心的成功案例。 預期結果：我們會透過互動 (按讚、分享、留言) 和網站流量的增加來評估成效，最終目標是讓目標對象的環保行為顯著增加。 選擇我們的理由：我們的團隊結合數位行銷專業知識和對永續發展的熱忱，打造出兼具影響力和吸引力的宣傳活動。 行動號召：加入這場運動！追蹤我們的頁面、參加挑戰，並在社交圈分享你的永續生活之旅。 |
目標和規則
您可以在系統指令中定義目標或規則，也就是模型應執行的動作或不應執行的動作，藉此影響模型的回覆。
舉例來說，假設您想使用模型編寫 Python 程式碼，定義下列規則時，請比較模型回覆的差異：
- 產生程式碼時，請務必加入說明每個方法輸入內容、輸出內容和用法的說明字串。
- 只產生程式碼，不要加入任何文件字串。
| 系統指示 | Docstrings | 沒有 docstring |
|---|---|---|
| 產生程式碼時，請務必加入說明每個方法輸入內容、輸出內容和用法的說明字串。 | 請只產生程式碼，不要加入任何文件字串。 | |
| 提示 | 在 Python 中建立 2D 陣列，並建立 A* 路徑搜尋演算法，找出格線中兩點之間的最短路徑。 | |
| 回應 |
import heapq
class Node:
""""""
Represents a node in the grid for A* pathfinding.
Attributes:
x (int): The x-coordinate of the node.
y (int): The y-coordinate of the node.
parent (Node, optional): The parent node in the path. Defaults to None.
g (int): Cost from the start node to this node. Defaults to 0.
h (int): Estimated cost from this node to the end node. Defaults to 0.
""""""
def __init__(self, x, y, parent=None):
self.x = x
self.y = y
self.parent = parent
self.g = 0
self.h = 0
def __lt__(self, other):
""""""Compares nodes based on their f-score (g + h).""""""
return (self.g + self.h) < (other.g + other.h)
def a_star(grid, start, end):
""""""
Implements the A* pathfinding algorithm.
Args:
grid (list): A 2D array representing the grid, where 0 is walkable and 1 is an obstacle.
start (tuple): The starting point coordinates (x, y).
end (tuple): The end point coordinates (x, y).
Returns:
list: A list of coordinates representing the shortest path, or None if no path is found.
""""""
rows = len(grid)
cols = len(grid[0])
# Create start and end nodes
start_node = Node(start[0], start[1])
end_node = Node(end[0], end[1])
# Initialize open and closed lists
open_list = []
closed_list = set()
# Add the start node to the open list
heapq.heappush(open_list, start_node)
while open_list:
# Get the node with the lowest f-score
current_node = heapq.heappop(open_list)
# Add the current node to the closed list
closed_list.add((current_node.x, current_node.y))
# Check if we've reached the goal
if current_node.x == end_node.x and current_node.y == end_node.y:
# Reconstruct and return the path
path = []
while current_node:
path.append((current_node.x, current_node.y))
current_node = current_node.parent
return path[::-1] # Return reversed path
# Explore neighboring nodes
for dx, dy in [(0, -1), (0, 1), (-1, 0), (1, 0)]: # Up, Down, Left, Right
neighbor_x = current_node.x + dx
neighbor_y = current_node.y + dy
# Check if the neighbor is within the grid bounds
if 0 <= neighbor_x < cols and 0 <= neighbor_y < rows:
# Check if the neighbor is walkable and not in the closed list
if grid[neighbor_y][neighbor_x] == 0 and (neighbor_x, neighbor_y) not in closed_list:
# Create a neighbor node
neighbor_node = Node(neighbor_x, neighbor_y, parent=current_node)
# Calculate the cost to reach the neighbor
neighbor_node.g = current_node.g + 1
# Calculate the heuristic (Manhattan distance)
neighbor_node.h = abs(neighbor_node.x - end_node.x) + abs(neighbor_node.y - end_node.y)
# Add the neighbor to the open list if it's a better path
if neighbor_node not in open_list:
heapq.heappush(open_list, neighbor_node)
# No path found
return None
# Example usage:
grid = [
[0, 0, 0, 0, 0],
[0, 1, 0, 1, 0],
[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0]
]
start = (0, 0)
end = (4, 4)
path = a_star(grid, start, end)
if path:
print(""Shortest path:"", path)
else:
print(""No path found."")
說明：
|
import heapq
class Node:
def __init__(self, position, parent=None):
self.position = position
self.parent = parent
self.g = 0
self.h = 0
self.f = 0
def __lt__(self, other):
return self.f < other.f
def astar(grid, start, end):
rows = len(grid)
cols = len(grid[0])
open_list = []
closed_list = set()
start_node = Node(start)
end_node = Node(end)
open_list.append(start_node)
while open_list:
current_node = heapq.heappop(open_list)
if current_node.position == end_node.position:
path = []
while current_node:
path.append(current_node.position)
current_node = current_node.parent
return path[::-1]
closed_list.add(current_node.position)
for neighbor in get_neighbors(grid, current_node):
if neighbor.position in closed_list:
continue
if neighbor not in open_list:
neighbor.g = current_node.g + 1
neighbor.h = manhattan_distance(neighbor.position, end_node.position)
neighbor.f = neighbor.g + neighbor.h
neighbor.parent = current_node
heapq.heappush(open_list, neighbor)
else:
if neighbor.g > current_node.g + 1:
neighbor.g = current_node.g + 1
neighbor.f = neighbor.g + neighbor.h
neighbor.parent = current_node
heapq.heapify(open_list)
return None # No path found
def get_neighbors(grid, node):
rows = len(grid)
cols = len(grid[0])
row, col = node.position
neighbors = []
if row > 0 and grid[row - 1][col] == 0:
neighbors.append(Node((row - 1, col)))
if row < rows - 1 and grid[row + 1][col] == 0:
neighbors.append(Node((row + 1, col)))
if col > 0 and grid[row][col - 1] == 0:
neighbors.append(Node((row, col - 1)))
if col < cols - 1 and grid[row][col + 1] == 0:
neighbors.append(Node((row, col + 1)))
return neighbors
def manhattan_distance(a, b):
return abs(a[0] - b[0]) + abs(a[1] - b[1])
# Example usage
grid = [
[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0],
]
start = (0, 0)
end = (4, 4)
path = astar(grid, start, end)
print(path)
|
背景資訊
您可以在系統指令中加入其他脈絡資訊，影響模型對提示的回覆方式。
舉例來說，假設您想使用模型為活動撰寫演講稿。提供下列背景資訊時，比較模型回覆的差異：
- 演講內容應包含哪些事項。
- 不需額外背景資訊。
| 系統指示 | 演講內容 | 沒有額外背景資訊 |
|---|---|---|
根據提供的資訊，協助使用者撰寫演講稿：
如果使用者未提供所有資訊，請回覆「很抱歉，我沒有所有必要資訊，無法建立語音。請提供活動、目標對象規模、講者資訊、語氣、長度，以及任何其他資訊。" 一般來說，應包含以下資訊：
|
根據提供的資訊，協助使用者撰寫演講稿：
如果使用者未提供所有資訊，請回覆「很抱歉，我沒有所有必要資訊，無法建立語音。請提供活動、目標對象規模、講者資訊、語氣、長度，以及任何其他資訊。" |
|
| 提示 |
事件：高中畢業 目標對象規模：1,000 人 講者資訊：Michael Landish，17 歲 語氣：懷舊、樂觀 演講長度：250 至 500 字 其他：Michael 是高年級學生會主席，他最喜歡的老師是三年級的英文老師 Martin 太太，他將前往洛斯卡米諾斯州立大學就讀經濟學和英文。他從未演講過，而且因為有閱讀障礙而感到緊張。 |
|
| 回應 | 「各位老師、親友，以及最重要的 2023 屆畢業生，大家早安！ (暫停) 站在這裡看著各位，感覺很不真實。昨天我們還是新生，睜大眼睛，有點害怕。還記得第一天上班時的緊張感嗎？我就是這樣。我差點在搬運歷史課本時絆倒，這場近乎災難的事件差點就成為 [高中名稱] 歷史長廊的傳奇！ (Pause for laughter) 但說真的，看看我們現在的樣子！我們長大了，學到很多東西，而且不只是畢氏定理。我們學到了堅持不懈、友誼，以及考試週期間一張貼心便利貼的力量。 過去四年非常精彩，我個人成長的許多方面都要歸功於幾位非常優秀的老師。我特別要感謝高二的英文老師馬丁太太，她教導我文字的力量，以及即使有讀寫障礙，也能找到自己的聲音。謝謝， Martin 太太。 (暫停) 現在，我們即將迎來令人期待的新事物。我們即將前往不同的學院、城市，甚至是國家/地區，請將在「[High School Name]」學到的知識帶在身上。讓我們回憶歡笑、友誼，甚至是重大考試前偶爾熬夜的時光。 (暫停) 各位畢業生，世界等著我們。讓我們勇敢面對，抱持樂觀態度，並在 2023 屆畢業生堅定不移的支持下，恭喜各位，請記住，精彩的還在後頭！ |
「各位老師、家人、朋友，以及最重要的 [年] 屆畢業生，大家早安！ 站在你們面前，感覺很奇怪，不只是以 Michael Landish 的身分，而是以班長的身份。過去四年來，這些走廊就是我們的試驗場，充滿歡笑、熬夜苦讀的時光 (有些比其他更成功)，以及足以回味一輩子的共同回憶。我們在這些牆壁內一起成長，現在我們即將面臨新的未知事物，難免會感到有些不知所措。 回想起來，我們昨天似乎還是青澀的大一新生，在擁擠的走廊中穿梭，試著找到自己的歸屬。 看著各位，我不禁感嘆我們走了多遠。 我們在勝利時互相歡呼，在挫敗時互相支持。我們從錯誤中學習、慶祝勝利，最重要的是，我們建立了友誼，我知道這份情誼將持續一輩子。 特別感謝我的英文老師 Martin 太太，感謝她的耐心指導。您對我的信任，尤其是在我遇到困難時，幫助我找到自己的聲音，不僅是學生，也是一個人。感謝您！ 現在，我們將邁向下一個階段。有些人 (包括我) 將前往洛斯卡米諾斯州立大學，深入研究經濟學，以及更多英文。其他人則會選擇其他同樣有效且令人振奮的道路。雖然我們的道路可能不同，但請永遠記得我們在這裡學到的教訓和建立的友誼。讓我們秉持 [Year] 屆畢業生的精神，也就是堅韌、決心和相互支持的精神。 恭喜畢業生！期待我們共同成就更多精彩事物。 |