Docker相关的网络环境问题一直是困扰开发者的难题，尤其是近半年以来，拉取 Docker 官方镜像仓库的镜像都变得非常麻烦，运气好的话，超时十来次之后你也许能拉取下来，运气不好的话，你一晚上都下载不完一个镜像。

本文介绍如何通过设置代理的方式，解决 Docker 使用过程遇到的各种网络问题。

这一讲，我们讲讲如何使用 ChatGPT 进行对话式学习。

自从有了 ChatGPT 之后，我基本很少用传统的搜索引擎了，考虑到 ChatGPT 最新的模型 GPT-4 的训练数据也只是截止到 2021 年 9 月，在调研一些最新的研究报告的时候我会用一下 Bing Chat。其他的搜索问题我都基本用 ChatGPT 来解决，我实在是太喜欢 ChatGPT 这种直指问题本质的回答了。

# 一、学习原本的样子

OpenAI的CEO山姆·阿尔特曼（Sam Altman）在一次访谈中提到，他现在宁可通过ChatGPT——而不是读书——学习一个东西。对此我深有启发，ChatGPT 是一个强大的自然语言处理工具，能够理解和生成各种类型的文本。既然这样，那我们为什么不让 ChatGPT 先帮我们去帮我们把书读一遍，然我再通过向 ChatGPT 提问来获得我想要的书中的知识。事实上在古代书籍没有大量普及之前，人们就是通过这种对话式的方式学习的，比如孔子和苏格拉底他们就是通过这种问答式的对话方式把知识传递给学生的。也许这才是[学习]原本的样子。

上一讲我们们已经快速地了解了 AI 生成的文本的基本原理，我们还一起学习了一个跟 AI 沟通的万能公式：

角色设定 + 背景信息 + 任务目标 + 任务描述

有了这个万能公式我们已经能确保 AI 的生成质量基本在可控的范围之类，不会提供一个太差的答案。 但是【不太差】并不是我们的目标，我们的目标是让 AI 生成符合我们预期甚至超出我们预期的答案。这一讲我们来继续探讨如何进一步提升 AI 的生成质量。

今天我们会介绍 4 种提高 AI 输出质量的方法，分别是：添加参照示例，提供输出模板，融入个人见解，引导 AI 思辨。

今天课程的主要内容，我们来学习一些 ChatGPT 的初级技巧。首先我会带大家认识 ChatGPT。然后会通过一些例子来告诉大家一个合格的 ChatGPT Prompt（提示词）应该包含哪几个要素。

你好，从今天开始我将连载一门 ChatGPT 入门小课程。这门课程脱胎于我今年在公司开设的内部培训课程《AI助力工作学习》内部课程。 这里我将部分课程做了数据脱敏处理，免费分享给大家。