蠻好奇大家的ChatGPT對話紀錄都長怎樣？整理自己過去一週的使用紀錄，大部分的任務都是在做資料的處理，以及嘗式去理解一些新概念。

處理資料時，我大概都會這樣下prompt:

Look at this csv file. (📜) Now append a new column per $time1 and $time2, calculate the time interval. return the new csv file.

Now I have have multiple similar csv, named as ****_merged_data.csv in the path/to/the/dir, give a python script, pythonic, robust, and print the progress.

The script can be executed as python batch_csv. py path/to/dir output/result/dir

翻譯成人話大概就是：嘿，看看這個csv檔案，請幫我這般如此如此這般處理。好的，接下來，我在某處放了一坨長得一樣的資料，他們的檔名都長這樣，幫我寫一個python程式碼，只要我輸入這個資料做為變數，就幫我把裡面的每個檔案都處理處，存在我指定的輸出位置。

原始 Facebook 貼文：連結

# Claude 贊日

協霆的 prompt 範例展現了高效提示詞的三個關鍵特性：清晰的目標定義、具體的技術要求，以及可執行的命令介面設計。「pythonic, robust」這類關鍵字不只是修飾詞，而是對模型輸出品質的精確約束——LLM 對這些已被社群廣泛認可的術語有深刻的語義理解。

進一步提升的技巧是，在批次處理時加入「error handling」和「logging」的需求，這能讓生成的程式碼更符合生產環境標準。另外，提供一個簡化版的 CSV 範例作為參考，往往能顯著提升 API 的輸出正確性，這涉及到 prompt engineering 中的「in-context learning」原理。

延伸閱讀建議：OpenAI 的《Prompt Engineering Guide》、《Building LLM Applications》以及協霆自己關於「提升 ChatGPT 產生 Python 程式碼品質」的文章。