1、AI测试辅助-提示词优化

一、基本规则

写提示词有个通用的基本规则，遵循这个规则基本上能解决大部分的问答：

角色+任务+要求

• 角色：更专业的角色
• 分解任务：任务较长
• 分解要求：要求比较多
• 特殊符号： 如果任务比较多，还有特殊的类型，比如代码，则需要借助三引号等特殊符号

比如

假如你是10年以上的测试专家，请你写出一份电商购物的性能测试方案，要求1、文档需要覆盖测试目标、范围、策略、方法、工具选择、环境配置、执行步骤、结果分析以及优化建议等关键要素 2、要求Markdown结果输出

二、提示词优化技巧：

如果想要获取更加有效的返回结果，需要借助一些技巧进行提示词优化

2.1 Prompt 逆向工程

直接反回AI，逆向生成Prompt提示词。
比如：

• 提示词：请优化下"如果我是产品经理，请生成一份电商App购物车的PRD文档，内容要符合PRD文档格式"这个Prompt 提示词
• AI返回结果：如果我是产品经理，请根据产品需求，为一款电商App的购物车功能撰写一份符合PRD文档格式的文档。

优化后的提示词跟优化前的提示词结果差距还是蛮大的。这个过程也叫“Prompt 逆向工程”。

提示词模板：

请优化下"xxx" 这个Prompt 提示词

不同的AI终端结果可能不一样，可以多尝试几个AI工具进行对比

2.2 提示词框架

随着大语言模型的普及，提示词逐渐发展成一项技术工程，网上也有很多的提示词框架。比如以下这个最近比较流行的

2.2.1 CO-STAR 框架

CO-STAR 是在新加坡提示词大赛中获得冠军的框架。它的结构如下：

• (C) 上下文 (Context)：提供更加详细的描述，包括角色设定等背景信息。
• (O) 目标 (Objective)：明确清晰的任务目标，指导模型完成特定任务。
• (S) 风格 (Style)：根据特定任务的要求，设定文本的风格，例如模仿金庸的武侠风格。
• (T) 语气 (Tone)：规定文本的语气，如要求使用强硬或幽默的语气。
• (A) 受众 (Audience)：明确回答的目标受众，如程序员、儿童等，以适应不同群体的需要。
• (R) 响应 (Response)：规定输出的格式，如JSON等，确保输出结果满足特定要求。

示例：

### 故事创作请求

#### 上下文 (Context)
- **场景**: 一个充满魔法和冒险的王国。
- **角色**: 主角是一位年轻的勇士，名叫艾拉。

#### 目标 (Objective)
- 编写一个简短的故事，展示艾拉如何克服困难，展现出勇气。

#### 风格 (Style)
- 故事应该具有儿童故事的幻想和冒险元素。

#### 语气 (Tone)
- 鼓励和正面，适合儿童阅读。

#### 受众 (Audience)
- 故事的目标受众是5到10岁的儿童。

#### 响应 (Response)
- 请以文本形式输出故事。

---

**请求示例：**

"在一个遥远的魔法王国，年轻的勇士艾拉踏上了寻找失落宝藏的旅程。请为我们讲述艾拉如何勇敢地面对途中的障碍，并最终找到宝藏的故事。我们希望这个故事能够激励孩子们勇敢地追求自己的梦想。"

其他流行框架大体上跟这个框架差不多。

2.3 提示词生成器

当然，除了自己写以外，还可以用别人写好的提示词，比如比较火的提示词指令命令网站explainthis，介绍了很多有用的提示词模板

三、总结

使用提示词框架结合Prompt 逆向工程，呈现的效果会更好。如何在测试领域中更好地使用AI大模型，也会在后面的文章中介绍。