梦晨 萧箫 发自 凹非寺

量子位 | 公众号 QbitAI

只需一段提示词，让GPT-4变成你的“梦中情导”，在GitHub上揽星上万。

学习的内容、难度可任意指定，从小学教到博士，甚至可以改变AI导师的教学风格和说话语气：

终于不用为了一个搞不懂的疑（ruo）难（zhi）问题去找导师了！

现在，一个AI就能帮你学习任何主题，还是24小时待命且从来不会失去耐心。

比如用来学习一门新的编程语言Rust，并告诉AI你会C语言，AI在教你的时候就会跳过数据类型、函数等基础知识了。

甚至Github上还有因为受到很大帮助，主动要求赞助作者开发资金的。

一位搞出海电商、经常需要了解不同行业产品和不同国家市场的朋友，体验后评价到：隔行再也不隔山了。

实现这个AI导师Mr. Ranedeer（驯鹿先生），不需要AI模型的训练或微调，甚至不需要写代码，完全靠给AI写提示词就能搞定。

并且被搞教育科技（Edtech）行业的人评价为，与当前先进的教育科技同等水平。

Mr. Ranedeer版本还在快速迭代中，当前提示词已经复杂到离谱，足足7839个字符，在GPT-4上要消耗3721个token。

可以算是目前大模型提示词的“天花板”级别。

而开发这段提示词的作者年仅17岁，还是一位高中生……

专属导师，从小学教到博士

请AI来当专属导师的方法很简单，直接把完整提示词复制到GPT-4里，或点击作者提供的ChatGPT分享链接，选择“继续这个对话”都行。

下一步，当然是先让老师改说中文啦。

接下来AI导师会提醒你调整基本设置，先打“/congfig”然后把你的选择敲进去就行。

支持的选项非常丰富，各种花色各种款式任你选择，总有一款能满足你需求。

其中“视觉”学习风格需要开启插件，让GPT-4调用Wolfram等功能画图才能实现。

如果你实在不确定如何选，还可以让AI解释一下各个选项的含义。

这里告诉大家一个隐藏功能，除了深度是在提示词中定义的，其他风格类选项都是AI自己理解的，你想选一个没有列出的风格其实也可以。

甚至可以只指定深度，其他让AI随机挑一种，每次上课都是不一样的感觉。

确定好想学的主题后，通过“/plan”输入，AI导师就会为你量身制定一个学习计划了。

比如学学近被ChatGPT带火的向量数据库。

可以看到，AI导师会先写下一行“自我提醒”以免把配置给忘了，接下来根据深度假设一些你已经知道的基础知识。

接下来的每一节课开始时，AI导师都会重复一遍这样的“自我提醒”，来确保不偏离课程计划。

课程开始后，AI导师会先进行一段讲解，可以看出确实是按照配置用了“类比”的方式来教学，把向量数据库类比成图书馆。

等学完了就可以输入“/test”，进入随堂小测验环节。

AI导师会判断你的回答是否正确，做出点评，并根据你掌握的情况判断是否可以进入下一节课。

而且AI还会适当的夸夸你，如果喜欢这种，可以把语气风格设置为“鼓励”让AI更频繁的夸夸。

如果你有其他问题，也可以随时“举手”提问。

都问好以后，输入“/continue”就会进入下一课。

到第二课的测试环节发现太难，临时让AI导师给降降难度也是可以的。

降过难度后再来一次随堂测试，可以看出难度确实降低了。

就这样不知不觉间，我已经把GPT-4每3小时25条的额度用完了。

没错，阻止你学习的大的障碍就是GPT-4使用额度和上下文长度了。

而且作者特别强调了“不推荐使用GPT-3.5”，并且由于提示词太复杂，调用GPT-4 API的话会非常贵。

其他大语言模型同样可用

好消息是，这套AI导师提示词可以用到OpenAI之外的其他大模型。

作者测试了隔壁的ChatGPT强竞品Claude，也可以顺利完成一个课程，但有些细微区别。

比如Claude在教诗歌分析时不如GPT-4。

不过Claude教数学时效果会更好，并且在全部课程结束后还会建议继续学习的方向，而GPT-4只是告诉你已经学完了。

看来AI导师也分擅长教文科的和擅长教理科的？

另外，不论是用哪个大模型，AI一本正经胡说八道的情况仍然存在。

训练数据中存在的经典知识还好，要是想学点偏门或前沿的，好先让AI阅读一段靠谱的学习材料再教你。

这时候，支持10万token上下文的Claude-100k就成了很好的选择。

另外Sam Altman也在近一场讨论会中分享了OpenAI短期路线图，其中提到高100万token的上下文窗口在2023年是有可能做到的。

在更强大的大模型降临之前，除了先把AI导师用起来之外，背后这段非常复杂的提示词同样值得学习。

17岁高中生打造

这个名叫“驯鹿先生”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*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，终给用户输出好的课程内容。

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。后，输出你认为好的课程以及原因。

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*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/JushВJJ/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

— 完 —

量子位 QbitAI · 头条号签约