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，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。
并且被搞教育科技行业的人评价为，与当前最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。
比如学学最近被 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，阻止你学习的最大的障碍就是 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 最强竞品 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，最好先让 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 也在最近一场讨论会中分享了 OpenAI 短期路线图，其中提到最高 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、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
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“微软调教 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，最终给用户输出最好的课程内容。
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、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 进行评分。
随后，仅使用最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最佳个别课程 。
上完课后，像你在表格中对计划 所做的那样，再做一次相同的评分。最后，输出你认为最好的课程以及原因。
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 电脑客服为例，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，从推特来看，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:
参考链接:
