玩转AI：如何从学术论文提示词小白到专家？

AIGC时代不知不觉已经到来了快两年了，相信宝子们或多或少都已经接触过几款或数款AI工具。作为内容创作的新宠，在写作、文案方面优势明显。文字、图片甚至视频都可以直接生成。

不管宝子们使用AIGC用来卷哪个方向，不知道宝子们是不是有这种感觉，在实际的使用过程中这些工具并没有所传的那么好用啊，生成的内容与预期有一些落差。比如正儿八经的胡说八道。

其实原因在于提示词，提示词现在已经成长为一门学科了，提示词与生成内容质量是由直接关系的。

之前给宝子们分享过很多学术论文相关的提示词。这些提示词或多或少有一些局限性。今天就来跟宝子们聊聊，提示词核心的写法和注意的地方。

这些提示词策略适合于目前主流AIGC工具，如ChatGPT、Gemini、Kimi等。主要还是以学术论文为例，宝子们可以发散到工作学习中去。

1.问对问题

学术论文写作中的提示词技巧：明确性与直接性

在学术研究和论文撰写的过程中，提问是一个关键的环节。它不仅帮助研究者澄清思路，还能引导研究的深入进行。然而，许多学者在提问时往往缺乏明确性和直接性，这可能导致研究目标的模糊和研究进程的延误。

1.明确性的重要性

提问的时候明确性对于AIGC工具反馈有效信息很重要。在学术论文的背景下，明确的问题能够帮助宝子们精确地界定研究范围、目的和假设。例如宝子们想要探索某种现象的影响因素时，应直接提出具体的问题，如【哪些因素显著影响了X现象？”】而非模糊地询问【X现象的原因是什么？】。

2.直接性的重要性

直接性意味着在提问时应直截了当地表达研究意图。在学术论文中，直接提问有助于避免不必要的误解和冗余的讨论。例如，如果研究者对某个理论的应用感兴趣，应直接提问：【该理论如何应用于Y情境？】而不是绕弯子地探讨理论的各个方面。

3.提问的实践建议

1.具体化问题：确保问题尽可能具体，不要太宽泛。为什么学术论文要拆解成大纲，就应为直接产出一篇数万字的内容，一来时间很长内容不精准，二来大部分模型聊天模式不支持这么长的文本输出。

2.界定研究范围：明确问题所涉及的研究领域和背景，比如设置一个角色，设置个人背景等等。

3.明确研究目的：清楚地表述研究的目标和预期成果。

4.使用简洁语言：用简洁明了的语言提问，避免不必要的复杂性。

5.考虑可行性：提问时考虑研究的可行性和实际操作性。

遵循好这些原则，宝子们可以更有效地通过提问来推动学术研究的进展，并在论文撰写中得到自己想要的清晰和精确的表达。

2.提示词基本结构

学术论文提问的格式：提升与AI工具交互的准确性

宝子们在学术论文的撰写过程中，与AI工具的有效交互对于获取高质量的研究支持很重要。宝子们在使用AI工具时有时候因为提问格式不当，导致得到的回答与预期存在差异。为了提高提问的准确性和回答的相关性，下面是一些小编总结的针对学术论文提问格式的改进建议：

1. 使用清晰的标点和格式

在与AI工具的交互中，使用如**“###”、“===”、“>>”**等标点符号来分隔或强调问题的关键部分，有助于AI更准确地识别问题的核心。

2. 明确表达命令或情感需求

当需要AI工具执行特定任务时，直接而明确的命令语句可以提高执行的效率。比如宝子们需要AI工具对某一学术概念进行解释，可以明确指示【详细解释XX概念，并以学术论文的格式呈现】。

3. 利用角色设定提高回答质量

通过为AI工具设定特定的角色，如【你是一位经验丰富的学术研究者】，可以帮助其更好地理解问题的上下文，并提供更符合学术要求的回答。

4. 反复提问补充

在得到AI的回答后，让它进行自我检查和补充，如提问【你是否还有其他补充？】，可以促使AI重新评估其回答，以提高回答的完整性。

5. 设置背景以及偏好

明确告知AI你的专业背景和偏好，例如【作为一名专注于XX领域的研究者，我更倾向于得到简洁且深入的分析】。

通过这些提问结构，宝子们可以更有效地利用AI工具，以获取与学术论文撰写相关的高质量信息和支持。

3.紧扣主题

学术论文的精确提问：紧扣研究主题

宝子们在学术论文的撰写过程中，提问的精确性对于引导研究和获取有效信息至关重要。下面跟宝子们探讨一下如何通过精确提问紧扣研究主题，提升学术研究的质量。

1.明确研究需求

在学术研究中，宝子们需要明确表达他们希望从AI工具或其他资源中得到的结果内容。比如宝子们希望分析近年来人工智能模型的发展，他们应该提出具体的问题，如【请列出近五年内人工智能领域的主要模型，并提供它们的名称、发布年份和技术特点。】

2.利用结构化数据

为了更直观地了解回答结果，宝子们可以要求AI工具以结构化格式（如表格）呈现结果。这不仅有助于组织信息，还能使研究者更容易地分析和比较数据。例如，研究者可以请求【请以表格形式展示各人工智能模型的关键信息，并按照推出时间降序排列】。

3.紧扣主题的提问策略

1.具体化问题：避免过于宽泛的问题，而是提出具体、针对性强的问题。

2.使用关键词：在问题中包含研究领域的关键词，以增强问题的相关性。

3.明确目的：清楚地说明提问的目的和研究的预期成果。

4.请求特定格式：要求AI工具以特定的格式（如图表、列表或段落）提供答案。

4.实例分析

假设宝子们正在探究人工智能技术在医疗诊断中的应用。一个紧扣主题的问题可能是【请提供2018年至2023年间，应用于医疗诊断的人工智能模型的发展历程，并以时间线的形式展示其主要技术突破，并以表格展示】。

通过这种方式，宝子们能够确保从AI工具得到的内容直接与研究主题相关，从而提高研究效率和质量。

4.投喂材料

学术论文撰写中的材料投喂：案例说明技巧

在学术论文的撰写过程中，“投喂材料”（提供案例或示例）是一种有效的技巧，它可以帮助研究者更清晰地阐述研究问题或假设，并引导AI更好地理解研究内容给出宝子们想要的回答。以下是几种将材料投喂应用于学术论文的方法：

1. 案例引导

在介绍研究背景或问题时，可以通过具体的案例来引入话题。这种方法可以帮助读者快速抓住研究的核心要点。

2. 示例阐释

在解释复杂概念或理论时，提供具体的示例可以帮助读者更好地理解抽象的理论。示例可以是历史事件、现实案例或模拟场景。

提供内容：

在国家形象方面，研究重点在于国家形象的概念界定及其与政治、经济和社会等方面的关系;研究关注点转向国家形象在西方媒体中的呈现及其传播效果：研究开始聚焦国家形象研究的理论建构、方法论和新媒体语境下国家形象的塑造：研究关注海外华文媒体对国家形象传播的作用、援助项目在国家形象塑造中的影响以及新形势下国家形象传播的策略。

在短视频方面，主要关注短视频的动态社交语言、媒体融合和整合传播等方面:探讨短视频的传播特点和影响因素；研究短视频在新闻传播领域的应用：研究短视频在特定领域的应用与价值;研究短视频在商业领域的应用。此外，学者们还从抖音和主流媒体等方面展开了研究。

我们这样问

关于短视频与国家形象的相关研究，学者们主要做了上述内容描述的工作。

请将我拟申报的课题**[短视频对国家形象的塑造及传播研究]**与已有研究成果进行比较，列出该课题独到的学术价值。

学术价值包括理论贡献、实证贡献、研究方法贡献、数据贡献、跨学科贡献、对话贡献、启示贡献等方面。

请综合学术价值的这些方面，但不要再出现**[理论贡献、实证贡献、研究方法贡献、数据贡献、跨学科贡献、对话贡献、启示贡献]**这些词汇，写出该课题独到的学术价值，控制在300字左右。

3. 数据支持

在分析部分，使用图表、数据表格和其他视觉辅助材料来支持论点，可以使论证更加直观和有说服力。

4. 比较分析

通过比较不同文献或数据，可以突出研究结果的重要性和创新性。这种方法有助于展示研究的独特价值。比如这个是我之前使用SCISpace对比的几篇文献。

通过这些方法，研究者可以有效地将材料投喂到学术论文中，增强论文的逻辑性、说服力和学术价值。

5.预设提示词

分享一个比较典型的使用办法：

你是一位被【某方向专家】，我需要这个方向相关的专业只是辅助我的论文撰写。你的任务是生成关于学术论文【研究方向】的内容。

提示词指令：

#使用「」来突出提示语中最重要的部分。

#提供精确、具体的【研究方向】学术术语以及解释说明。

要求：

1.将任务分解为「选择论文主题」、「文献回顾」、「数据收集和分析」等一系列相关子任务。

2.回复的内容以学术风格为主。

3.内容需要上下文关联。

AIPaperPass智能论文写作平台

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】