尝试用 Chat GPT逆向推导文章，让文章成为你自己的写做风格，希望大家可以在南风大佬的提供的平台上多多交流新得，感谢。

本篇内容，几乎适用于所有，你能用到的文章、文案领域。

为了方便大家记忆，我给它取名「逆向推导法则」，即：

用3步推导过程，总计6篇文章/文案，最终生成1个可以让 Chat GPT批量生成爆款文章的「通用指令」。

这套方法主打：

√ 高质量；
√ 10倍效率；
√ 可套用，可复制！用南风的话说也就是赋予角色定位→＞投喂相关数据—＞设定工作要求—＞测试模型效果＞发布最终模型—＞持续维护模型
用「逆向推导法则」：

可以，批量化生成「指定风格的」爆款内容；还可以，帮其他企业代运营、代写，爆款内容。

对于想要从事自媒体、正在做自媒体，以及想要批量化生成优质内容的公司、团队来说，绝对「价值百万」。

接下来，我们以公众号10w+爆款文章为例，给大家演示一下这套方法。
一、找对标账号，找6篇参考文章  

如果你已经找到对标账号，直接略过。如果不知道去哪里找，可以参考下面几个入口：

1）微信站内直接搜索
2）搜狗微信
3）新榜
4）清博指数

去上面几个渠道，找对标账号。

再从对标账号中，找到6篇爆款，或者你认为最好的文章。

PS：参考文章数量最好，介于3-6之间（少于3个，一般很难推导出符合对标账号风格调性的标准化指令；大于6个，后面更多是重复操作，不会给标准化指令提供太多价值信息，反倒浪费你的时间）。

文章找好之后，就到了最关键的3步核心推导过程了。

核心步骤1：抓取爆款内容，初步拆解

我们以知名公众号为例，给大家演示一下。

首先，要让 ChatGPT能够读取到我们选择的爆款文章，这里有3种方法：

第一种：用 ChatGPT+Plugins插件

我们从 ChatGPT插件商店800多个插件里，筛选出所有可以抓取 URL链接的18个插件。

在经过逐个测试之后，最终找到2个可以直接读取微信链接的插件，分别是：WebPilot 和 Scraper。

这种抓取方法特别简单，你只需要去微信搜索对标账号，然后点击上面的「复制网址」，就可以了。

接下来，把网址放到第一个指令中，ChatGPT+WebPilot插件就可以进行初步拆解。

第二种：用 ChatGPT代码解释器，上传文章

GPT-4 的代码解释器（code interpreter）是支持上传文件的，所以你也可以将对标账号的文章，这样上传：

1）先复制粘贴到 Word、txt文档里；
2）然后，上传给 ChatGPT代码解释器。

给它第一个关键 Prompt之后，你会发现：

相比于 ChatGPT+WebPilot插件，代码解释器（code interpreter）会基于我们的指令，反复调取文章信息，去优化它的回答。

直到它认为给到一个“相对满意”的回馈，才会停下来。

第三种：通过对话框，把文章投喂给 ChatGPT

在测试中我们发现，目前 GPT-4 单次可发送字数总量十分有限，稍微长一点（1000字以上）的文章，发送给 GPT-4就会遇到系统报错。

这里有两个解决办法：

1）稍微修改一下指令，让 GPT-4分批次接收你的文章；
2）也可以用普通版本的 GPT-3.5，目前 GPT-3.5最大支持32k的 token量（大约是 15000-30000个汉字）。可以参考南风的文章

核心步骤2：用逆向工程，让GPT生成「毛坯指令」

之所以叫「毛坯指令」，是因为基于单个爆款文章反向生成的指令，并不具备通用性。

想要生成一个优质的爆文，需要在多个「毛坯指令」的基础上进行合并、优化、微调。

接下来，给 ChatGPT第二个 Prompt——逆向指令，我们看一下它给到的结果。

看起来还是很不错的，非常细致地把第一个爆款文章，进行 Prompt逆向推导。

感兴趣的朋友，可以用上面的指令试一下，能不能生成一篇优秀的文章。

然后，重复上面的操作，把每一个爆款文章，都逆向生成一个「毛坯指令」。

√ 毛坯指令 1
√ 毛坯指令 2
√ 毛坯指令 3
√ 毛坯指令 4

PS：因为篇幅限制，不给大家一一展示了。

核心步骤3：合成，并调教「通用指令」
第一步，合成上面的「毛坯指令」
合成时，遵的核心逻辑是：

√ 把4个「毛坯指令」中相同、相近的部分，叠加合并；
√ 把里面不同的部分，保留关键性描述，去掉具体的案例、关键词。

这里，你可以手动操作，也可以交给 Chat GPT，让它一键优化。

比如给它这样一个指令：

“请读取上面文章中的内容，将4个指令合成一个「通用类指令」，要求：

1）保留里面相同相近的内容；
2）将有区别的地方，尤其是有案例描述的地方，叠加到一起。”

这样，你就得到一个粗略版「通用指令」。

第二步，优化上面的「通用指令」
到了这一步，我们测试过多个 Prompt，发现：相比如让 Chat GPT优化，还是手动优化的速度，会更快一些。

通用指令第一版（部分截取）：

有了「通用指令」，接下来我可以测试了，测试分为两种：

1）基于主题，让 ChatGPT结合「通用指令」直接创作；
2）给 ChatGPT一篇文章，让它结合「通用指令」进行改写（或者说洗稿）。

测试1：用「通用指令」直接创作

我们给它一个主题：《相比于社交，我更爱自己一个人》。看一下 ChatGPT能创作出什么样的内容。

最后，给「通用指令」增加限定设置，让它更完美

ChatGPT 官方给到的演示中，Prompt有一种被称为「限定设置」的结构，比如：

√ 限定字数
√ 限定输出格式
√ 限定输出的温度值（template）
……

在经过多次测试之后，生成文章类的指令，字数限定在800-1500之间，ChatGPT结果输出的质量比较稳定；

里面的 temperature（温度值）建议限定在 0.8-1.4 之间，可以适当调整。

非常干的干货，必须实践一下！

指令是哪个？

马克