模型学习如何回复电子邮件

[taaaaaktnnrrrmam@]

如果您不喜欢该响应，请说它是错误的或要求提供更多示例，引擎将为您重做输出。这样做可以帮助触发反馈循环，从而帮助您在未来的迭代中获得更准确的响应。分享示例 ChatGPT 保留上下文信息的能力在用于少量提示时也很出色。直接在提示中添加特定参考或示例会显示可用于生成定制响应的 AI 模式。


例如，如果您希望 可以使用以 法国 whatsApp 号码数据下模式： 电子邮件 1：[电子邮件 1 的全文] 回复：[回复 1] 电子邮件 2：[电子邮件 2 的全文] 回复：[回复 2] 电子邮件 3：[电子邮件 3复：[回复 3] 电子邮件 4：[电子邮件 4 的全文]回复：[回复 4] 电子邮件 5：[电子邮件 5 的全文] 回复：[回复 5] 电子邮件 6：[电子邮件 6 的全文] 查询：对电子邮件 6 生成礼貌且积极的回复。


提供示例电子邮件的正面示例（例如上面的示例）可以帮助指导人工智能识别您想要如何回复电子邮件。您还可以使用相同的格式提供您不喜欢的回应的负面示例。 “ChatGPT 在识别模式并根据这些模式生成输出方面做得非常出色。由于这种模式识别，有时您不需要在提示中包含说明。