ChatGPT 人工智能：增强 ChatGPT 进行数学计算的能力（难度：3）

CreatiCode

简介

像 ChatGPT 这样的大型语言模型非常擅长处理文本和解决问题，这使得它们看起来几乎聪明得可怕。然而，随着你使用它们越来越频繁，你会发现它们在许多其他任务上表现得很糟糕。

其中一项任务就是数学计算。例如，假设我们用一个乘法问题测试 ChatGPT：

使用任何计算器，我们都可以轻松算出 3516 乘以 357 等于 1255212。ChatGPT 犯这个错误是因为它实际上并没有计算结果。相反，它在其训练数据中见过许多类似的乘法，所以它试图猜测输出数字应该是什么样子。

由于数学计算在许多任务中都至关重要，我们必须找到一种方法来帮助 ChatGPT 正确计算。在本教程中，你将学习一个简单的解决方案。基本思想是，我们将教会 ChatGPT 在计算方面寻求帮助，我们将在代码中帮助它计算出正确的答案。

第 1 步 - 初始项目

我们将使用以下项目作为起点。请将其改编为你自己的项目，并将项目命名为“ChatGPT with Calculation Help”：

play.creaticode.com/projects/6531b7e60fdce080a4481c1d

第 2 步 - 验证问题

在我们进行任何改进之前，请尝试在这个项目中使用数学问题来验证 ChatGPT 在没有我们的帮助下无法正确计算：

第 3 步 - 序列图

在我们进行任何更改之前，让我们使用序列图来讨论这个项目的设计。

我们的项目中有 3 个实体：

用户：输入问题的用户
ChatGPT：回答用户问题的 AI 模型
系统：这是我们的代码

目前，系统只是在用户和 ChatGPT 之间转发消息，如下所示：

为了帮助 ChatGPT 进行数学计算，我们可以更改图表，以便有时 ChatGPT 可以与我们的系统对话并获得答案，如下面 2 个额外的蓝色箭头所示：

这种设计的美妙之处在于，系统和 ChatGPT 之间的新消息可以对用户隐藏，因此在用户看来，ChatGPT 正在正确回答。

第 4 步 - 更新初始提示

由于我们将编写一个相当长的提示，让我们仍然使用“注释”区域来编写提示。首先，通过右键单击绿旗块添加注释区域：

接下来，将以下提示复制到注释区域：

你是一个友好的助手。

当你需要进行数学计算时，你可以使用特殊的标签“CALC：”后跟要计算的表达式来响应系统，而不是响应用户。系统将向你提供答案，然后你可以生成对用户的响应。

现在说“你好”

此提示包含 3 个部分：

它首先介绍了上下文，其中 ChatGPT 扮演友好助手的角色。
然后，向 ChatGPT 发出特殊指令，以便在需要进行数学计算时响应系统。还指定了确切的语法。
最后，我们让 ChatGPT 说“你好”并等待用户输入。

接下来，你可以将整个提示从注释区域复制到请求块中，然后按 Enter 键确认：

现在让我们再次测试相同的问题，我们将从 ChatGPT 获得“CALC：”响应：

这是一个很大的进步：ChatGPT 承认它需要帮助！ 它没有猜测答案，而是谦虚地询问系统如何进行此计算。

第 5 步 - 控制输出格式

由于 ChatGPT 根据概率生成每个输出词，因此它有时可能会决定更改响应格式。这不好，因为我们的代码假定了一个固定的格式。

例如，如果你尝试运行该程序几次，你可能会得到如下响应：

同样，ChatGPT 可能会决定在表达式之后说些什么。

现在，你能想想如何解决这个问题吗？理想情况下，我们希望 ChatGPT 始终以“CALC：3516 * 357”的固定格式生成响应。请在查看下面的解决方案之前尝试一下。

有很多方法可以控制 ChatGPT 的响应格式，但在大多数情况下，最好的解决方案是给出一个示例。ChatGPT 在从示例中学习方面训练有素。

对于这个特定问题，我们可以给出用户、ChatGPT 和我们的系统之间的示例对话，如下所示：

你是一位友好的助手，帮助一名 K-12 学生进行一些计算。你的回答简洁明了。不要说任何不恰当的话。

当你需要进行计算时，你可以使用特殊的标签“CALC：”后跟要计算的表达式来响应系统管理员，而不是响应用户。系统管理员将向你提供该表达式的答案，然后你可以生成对用户的响应。

例如：
用户：2345 乘以 3456 是多少？
助手：CALC：2345*3456
系统：8104320
助手：2345 乘以 3456 的答案是 8104320

现在说“你好”

现在请将这个新提示复制到你的注释区域，然后将其复制到系统请求块中。

现在如果你尝试再次提出问题，它几乎总是使用正确的格式：

第 6 步 - 检查响应是否以“CALC：”开头

接下来，我们将根据 ChatGPT 的响应是否包含特殊标签“CALC：”来不同地处理 ChatGPT 的响应。只有当 ChatGPT 的响应以“CALC：”开头时，我们才会添加一些额外的步骤。

第 7 步 - 进行计算

当我们发现 ChatGPT 要求我们进行计算时，我们可以计算答案并将其存储在一个变量中。

逻辑如下：

ChatGPT 的响应以“CALC：”开头，我们只需要后面的表达式。因此，我们可以使用“substring”块来获取从第 6 个字母开始的响应的子字符串。例如，如果响应变量为“CALC：3516 * 357”，则子字符串将为“3516 * 357”。
我们可以使用“计算表达式”块来计算此表达式，这将产生一个数字，如 1255212
我们可以将该数字存储在一个名为“答案”的新变量中。

第 8 步 - 告诉 ChatGPT 答案

现在我们已经完成了计算，我们需要将其返回给 ChatGPT。请注意，我们应该使用**“系统请求”块发送答案，这使 ChatGPT 清楚地知道此答案来自系统，而不是用户**。我们仍然会要求 ChatGPT 将响应存储在“响应”变量中，这将覆盖先前的响应。

在此步骤之后，“响应”变量包含基于我们计算的新响应，我们可以继续将其追加到聊天记录中。

如果你再次测试相同的问题，你将得到正确的答案！

创意点子

在本教程中，你学习了一种非常有用的技术来增强 ChatGPT 的新能力。你能尝试一些其他方法来帮助 ChatGPT 吗？以下是一些供你参考的想法：

今天的日期：

信不信由你，如果用户询问 ChatGPT 今天的日期，它会给出一个随机且错误的日期。你可以使用“当前 [年/月/日]”块帮助获取答案。

最长公共子串：

ChatGPT 也不擅长执行算法。例如，它错误地回答了这个问题：

你可以使用“最长公共子串”块提供帮助，正确答案应该是“1357911”。