之前撰写了ChatGPT的Prompt的评判标准（Concise and Specific），内容四个部分：

1. Instruction
2. Context
3. Input Data
4. Output indicator

关于这部分内容，见065 如何撰写一份良好的ChatGPT Prompt?

Instruction很好理解，就是我们想要ChatGPT干的事情。Context和Output Indicator如何编写也进行了说明，因此这篇内容主要讲述Input Data。

What，什么是Input Data

参考见065 如何撰写一份良好的ChatGPT Prompt?中的结构图

所以，Input Data就是对希望ChatGPT进行加工的原材料。期望ChatGPT能够根据在Context的框架中，根据Instruction对Input Data进行加工，并且按照Output Indicator的要求输出内容。根据目前的总结，Input Data的内容主要分为一下两个内容来说明

• Format，格式：文本，表格，json数据等
• Content，内容：实际需要输入的内容

（后续如果有内容会进行补充）

Why，为什么要写Input Data？

如果在现实中找到一个参照物，不知道大家把ChatGPT看做是什么呢？

先说一下我的看法，在没有对ChatGPT进行详细研究的时候，我把ChatGPT看成是一个搜索引擎。但是当我仔细研究之后，我应该把ChatGPT当成是冯·诺依曼计算机系统中的CPU。

我们通过聊天给ChatGPT输入数据和指令，然后ChatGPT经过加工之后，按照Output Indicator的要求输出结果。因为ChatGPT仅仅是模型，具有很强的解决问题的能力。但是如果不输入Input Data，ChatGPT还是解决不了我们的某些现实问题。

When，什么情况下需要Input Data？

一般来说，当你需要对数据进行一系列的处理的时候，就需要用到Input Data。比如说下面几种类型：

格式转换：从一种格式转换成另外一种格式

数学问题：计算一些简单的数学问题

概念解释：一些抽象的概念需要具体的例子来帮助ChatGPT进行理解

同类问题的生成：先举三个例子，然后让ChatGPT生成相似的内容

……

如果解决问题的时候，需要初始信息的话，那就是需要Input Data的时候了。

How，如何使用Input Data？

大家能够理解上面一段的话吗？是不是有点点抽象？那就举出具体的例子来说明问题吧。

文本数据转换成结构化数据

相对于表格来说，ChatGPT更加青睐Json格式的数据。下面就进行一下数据的转换。

Prompt：

接下来我会给你一份表格，你给转成Json格式

一份表格

找出数字中的规律

ChatGPT还能够解决结构化数据中的规律。

这是我瞎编的一份表格数据。让其找出函数方程。

说实话，这个用处挺好的。如果后面有复杂的数据，也可以用这种方法。

解决数学题目中的应用题

这是直接让ChatGPT解决数学问题。

Prompt：

鸡和兔在一个笼子里，共有35个头，94只脚，那么鸡有多少只，兔有多少只？ 接下来我会给你一个数学题目，请你解答题目。

说实话，考试的时候，写这个结果，非常好了都。

文本转化成结构化数据

这是把文本内容直接转化成表格。

找了一段新闻

Prompt：

接下来我会给你一段文本，请以“日期”，“地点”，“震级”为表头，提出数据，并且列成表格。

具体而言就是1969年2月12日新疆乌什县东北发生6.3级地震。1971年3月23日新疆乌什县北部发生6级地震。1971年3月24日新疆乌什县东北部发生6.1级地震。1987年1月24日新疆乌什县发生6.4级地震。2005年2月15日新疆乌什县发生6.2级地震。

这个提取数据，可以自己填表格快多了都。

结语

可以看出，如果把ChatGPT当成冯·诺依曼计算机系统中的CPU，就可以按照我们提供的Instruction来处理数据，并且按照Output Indicator来给出最终的结果。相信大家都可以找到相关的用法的。