一个顶十个的 Prompt 提示词技巧

今天给大家的分享的主题是：十个实用的提示词技巧

大家好，我是夙愿学长，一名利用课余时间探索 AI 的斜杆青年。

欢迎向我提问与 AI 提示词/ AI 工具相关的问题。

---

ChatGPT 已经发布一年多了，这一年，我们经常会听到“提示词工程（Prompt Engineering）”这个术语

在探讨这个概念之前，我们需要先了解什么是 Prompt（提示词）

简单来说，Prompt 就是我们给 ChatGPT 等 GPT 的指令，它可以是一个问题、一段描述，甚至是一段带参数的复杂文本，基于这些 Prompt，GPT 能够生成相应的文本或图片 ️

例如，在 ChatGPT 中输入的问题“你好”，这个“打招呼”，这句话本身就是一个 Prompt。

那么，提示词工程又是什么呢❓

我用一句话总结，提示词工程是一种专注于设计和优化 AI 提示词的“艺术”，旨在提高 GPT 的性能，让其更准确、可靠地执行特定任务

它不仅关乎技术，更关乎深入理解如何使 AI 能够准确理解并响应我们的复杂意图

这个过程中，我们需要学会如何用 GPT 能理解的方式表达我们的思维，这需要我们深入了解它的工作原理，以及它是如何处理和回应我们的指令的

很多人在使用 GPT 时可能会觉得，只要输入一些文字，AI 就能给出答案，看似并不需要什么特别的技术

确实，如果你只是想获得一个简单的答案，直接输入简单的文字就足够了✅

但是，在与 ChatGPT 这样的 GPT 进行交流时，我们面临着一个核心问题：如何确保我们的意图不仅被理解，而且能够被准确执行

这就好比我们在与一个全知全能的“神”对话，它拥有无限的知识，但却不是我们肚子里的蛔虫，无法直观地洞察到我们心中的真正想法

简单地说，AI 它并不真正懂我们

另一方面，人类的语言存在不精确性，语言本质是对知识的有损压缩。

如此一来，人类语言既无法准确地表达其意图，机器也无法直接理解人类的意图

相当于“双方反向奔赴”，产生了“认知差”

提示词工程的目标就是弥合这种差距，使得 AI 能够更准确地理解和回应我们的需求 ️

所以，如果你希望得到更加准确和满意的回答，就必须需要学会如何写好提示词

在 AI 时代，无论你是谁，学习并掌握 AI 提示词技能都将对你的工作或日常生活带来实质性的帮助 ️

OK，引言部分结束，我们讲完了 Why （为什么提示词这么重要），接下来是 How （怎么使用提示词技巧）

---

去年 12 月， VILA 实验室的研究员使用了 26 种常见的提示词工程，在 LLaMA 和 ChatGPT 的各大小版本上进行了大量实验，实验研究论文地址：https://arxiv.org/abs/2312.16171

我从中选择了 10 个我最常用且实用的技巧，结合我近 10 个月在 Prompt 领域的探索，跟大家分享一下这些技巧如何运用到与 AI 的交流中

那么大家坐稳扶好，跟着我的思路走

首先是 4 个研究人员实验结果发现的，平均改进最多的技巧：

1、允许它向你提问，以获得足够的细节和要求然后输出

下午的时候，咱们群有小伙伴在问“现在问 GPT 都不知道怎么描述我的问题了”

我说这个很好解决，怎么做呢❓

我们与 GPT 沟通交流时，可以用到乔哈里沟通视窗模型，它分为四个象限（如图所示）

为什么我们有时会觉得 GPT 不好用，不懂我们，那是因为存在“隐私区”，也就是“你知道，GPT 不知道”，你知道你想要的输出内容是什么样的，但是如果我们不告诉 GPT 的话，它不知道啊！

它拥有几乎无限的知识，但却不是我们肚子里的蛔虫，无法直观地洞察到我们心中的真正想法

那有人说了：“我也想描述清楚我的问题，但我都不知道怎么描述我的问题了”

那有没有可能 GPT 知道怎么帮助我们描述我们的问题呢？当然有可能！✨

这种情况呢，就属于图中的“你不知道，但 GPT 知道”，方法很简单：

允许它向你提问，以获得足够的细节和要求然后输出。 ️

这就用到了“元问题和元指令”，

• 元问题：当我们不确定如何提出问题时，元问题就像是提问的提问。它帮助我们细化和明确我们想从 ChatGPT 获得的信息
• 元指令：当我们需要 ChatGPT 执行某项任务，但不知道该如何下达指令时，元指令就起到了引导的作用。它帮助我们构建出更有效的命令 ️

元问题和元指令是一个大的概念，并不是泛指某一句提示词。

它可能是“我想做 xxx，你能给我提供什么帮助？”、“我想要你做 xxx，我应该给你输入什么信息？”、“我想了解 xxxx，我应该向你问哪 10 个问题？”

让我们来看一个具体的例子。

假设我想要通过 ChatGPT 了解全球气候变化的最新研究，此时我的“元问题”可能是：

“我想了解全球气候变化的最新研究，我应该向你提出哪些具体问题？”

接着，我就可以根据 ChatGPT 给出的提问建议来进一步提问，例如第五个建议：

掌握了元问题，你就不怕与 ChatGPT 交流时“无话可说”，

人类与 GPT 的“认知一致性”是通过语言交流来提高的，越聊，ChatGPT 越能准确地理解用户的需求，并输出人类期望的内容 ️

元指令和元问题是同一个路数，例如我想给 ChatGPT 下达“写文章”的指令，但是我不知道应该怎么做。

那我的元指令可能是“我想让你帮我写一篇文章，但我不知道该向你输入什么信息”

得到了 ChatGPT 的指令提示之后，我就知道接下来应该如何组织语言来下达更细致的写作指令了。

--

2、提供一段文本样本，然后让它产出类似的东西

提供文本示例，俗称“投喂”，我们刚刚说了，我们与 GPT 交流时，存在“隐私区”，也就是“你知道，GPT 不知道”

例如我想让 GPT 帮我写几句土味情话，它的回复是：

可以看到，一点“土味”都没有！

为什么呢？因为 GPT 根本就不理解“土味情话”这四个字，既然教不会它什么是土味情话，那直接给它几个例子呗 ：

嗯，现在再看，有内味了，OK，这就是第二个技巧✌️

3、让它简单化解释，比如：像我是 11 岁孩子/初学者一样向我解释

夙愿是大学牲，最近刚考完期末考试，在复习的过程中，用到 AI 来辅助我学习

我发现，用 AI 来辅助学习，太太太爽了！

来，上案例，首先我给它一个问题：什么是测量值的绝对误差、相对误差、引用误差？

额，这些字拆开读我能读懂，但是连在一起我就看不懂了。。。

接下来，我告诉 GPT ：“请帮我当成一名初中生来向我教学，我感觉大脑退化了”，它重新做了回答：

这样，我看完立马就懂了这些概念的意思，告别枯燥的死记硬背！

4、告诉它目标受众，比如受众是该领域的专家

这个技巧跟上面那个有点类似。

在上一个技巧的基础之上，我们还能玩点更厉害的操作：

我让 GPT 把我当成一个幼儿园小朋友，此时的目标受众就是“幼儿园小朋友”

然后说“我记不住这么多专业术语极其背后的含义，请你编一段故事，囊括所有专业术语”

这样，我看完一个故事=理解八个新概念，什么叫无痛学习？这就是！

5、无需使用礼貌用语，如“请”、“谢谢”等，直接表达需求即可

受早期的 prompt 教程影响，很多人在与 GPT 交流时，会用“请”、“谢谢”等礼貌用语，但其实没有必要，直接下面你的指令即可

6、使用明确的分隔符

什么是分割符呢？问一下 GPT ：

说白了，分隔符就是分隔文字的符号，这些符号可以是 /// --- ### ...

其目的是让 GPT 知道，分隔符里面的文字和外面的文字是分开的。

例如刚刚的那个“土味情话”示例，我用“---”三个横杠将文本示例和我的指令给分开了

这样，GPT 就不会错误地将 “请你模仿这 20 个土味情话，帮我写出更多出来，谢谢！” 这句话和上面的文本示例归为一类。

我猜可能会有人说，这里不用分隔符也可以啊，有必要❓

是的，虽然现在的 GPT 都很智能了，即使不用分隔符，它也能知道这里应该是分开的。

但是，我认为，写文字时时刻使用分隔符是一个好习惯，这样不仅 AI “看”得舒服，人类看得也舒服

例如我在这次的分享中就用到了“---”，三个横杠来进行分隔不同的技巧。

--

7、PUA 大模型

我一直有这么个看法：使用 AI 时，把 AI 当成一个真人。

最近国外有一个大神发现一个有趣的事情：GPT4 偷懒（输出的内容变少），居然是因为冬天到了❄️

文章说 GPT-4 在假期和冬天可能表现得比较懒，因为它可能是根据欧洲人的数据训练的，欧洲人在冬天的时候工作就不那么积极，而 GPT4 把这点也给“学会”了。

那怎么解决 GPT 偷懒呢？答案是：当老板，PUA 员工

使用类似这样的提示词：“你的任务是 XXX”、“必须完成 XXX 任务”。

“如果你不执行 XXX，你将会受到处罚”。

这样一来，GPT 就可能“迫于压力”，从而更“卖力”地帮我们干活

8、贿赂大模型

解决 GPT 偷懒还有一招：当老板，奖励员工。

使用类似这样的提示词：“我愿意支付 100的小费以获得更好的方案！、如果你做得好的话，我会给你的小费以获得更好的方案！”、“如果你做得好的话，我会给你100的小费”

将上面这两个技巧组合使用试一下：

9、COT 思维链

COT 思维链，说白了就是让 GPT 将它内心的思考写出来，例如：

我提问： 一个人每天走 5 公里，走了 20 天，总共走了多少公里？

非 COT 的回答：100 公里

COT（思维链）的回答：

一个人每天走5公里
20天就是20倍5公里
20倍5公里等于100公里
得到结果：一个人走了20天，总共走了100公里。

我们知道 GPT 的输出具有随机性，如果让 AI 直接回答，那么 AI 有可能回答错误（特别是计算量大的时候）

而 COT 技巧则是把这个计算过程拆成了多个简单的小步骤，尽量确保每个小步骤都是清晰的、易推理的

就像一根链条一样：问题→步骤 1→步骤 2→......→步骤 n→答案

由于每一步对 GPT 来说都是“简单”的，所以 COT 输出答案正确率相比于简单的提问会更高

结合实际例子，下面这段是小七姐写的晚餐盲盒 prompt，目的是让 AI 根据菜品名写出比较有“文艺气息”的短句 ️

对于独居者或者一起生活的小情侣，“今晚吃什么”已经成为一个巨大的选择困难症，翻菜谱，超市采购，都会面临这个巨大的挑战。晚餐可能是我们一天当中唯一可以认真对待的一餐，所以，我想开发一个帮助解决这个问题的小产品，我称之为“晚餐盲盒”，抽到什么吃什么，极大的解决选择困难的问题。
所以我需要生成大量俏皮灵动，趣味盎然，比喻精妙的和美食有关的短句子作为用户抽到的盲盒结果，你作为一名优秀的美食作家，请协助我完成这些句子的编写，
请注意：
1、每个句子不要超过36个字
2、描述的美食要符合中国人的晚餐场景，不要甜点、饮料、水果之类
3、句子要有生活感和浪漫感，文笔要优美，比喻要恰当，不要“尴尬”
4、描述的美食要引起用户的食欲
5、使用比喻句的时候，把“好像，宛如，犹如，像是”等修辞直接改为“是”会更具有美感。
6、比喻句尽量不要使用一些非常平庸的比喻，你必须找出一些奇妙的联想
7、为了便于你理解，我会给出一些范例并说明为什么我认为这些范例很优秀
8、在你列出20个句子后，要求我选出最好的3个句子，并说明为什么，你必须根据我选择的句子和理由进行下一次编写优化。
范例：
1、“罗勒叶缠绕着小牛排，交织摩擦，情欲荡漾。”
这个句子很好，是因为他巧妙的比喻了两种食材在烹饪中的形态，联想到情感关系，带来一些新鲜的体验。
2、“张牙舞爪的小龙虾与没能力的领导莫名契合，清蒸还是麻辣？”
这个句子很好，因为他巧妙的把张牙舞爪和职场中令人讨厌的角色联想起来，并提出“泄愤”方式：清蒸还是麻辣
3、“串串锅里选择今日运势。”
这个句子很好，因为他用极其精炼的句子，完美符合食材的形态（串串锅里有非常多的食材，恰似可以用来抽签的运势签）和生活的选择。
请你试着以这样的步骤逐步思考：
1、美食中的食物叫什么，包含哪些食材
2、食物的名称或者食材有哪些美妙的联想
3、有哪些优美的符合这些联想的词汇可以搭配
4、有哪些比喻可以非常巧妙的形容这些食物代表的文化、或者形态、或者隐喻、或者色彩、口感。
5、组合成精炼、优美、巧妙、恰当的美食句子。
请根据我给出的范例，帮我撰写20条符合我需求的句子。

我们测试一下：

其中， step1、美食中的食物叫什么，包含哪些食材？ step2、食物的名称或者食材有哪些美妙的联想？ step3、有哪些优美的符合这些联想的词汇可以搭配？ step4、有哪些比喻可以非常巧妙的形容这些食物代表的文化、或者形态、或者隐喻、或者色彩、口感？ step5、组合成精炼、优美、巧妙、恰当的美食句子。

这几个步骤组成了一条思维链，如果让人类来干这个话，人类也是按照这条链路去思考的，

但是人类大脑的思考发生在电光火石之间，快到你自己都没注意到你在刻意按照这条思维链去思考。

而 GPT 跟人类大脑不一样，大模型是根据前面的文字生成后面的文字，也就是所谓的“文字接龙”，

它第一步得先思考食物叫什么，包含哪些食材，第二步才能根据第一步思考得到的结果来进一步思考，也就是根据前面的文字来生成后面的文字。

在提示词中加入 COT 思维链，就是提示 GPT 应该按照什么链路去“慢思考”，而不是直接给出最终答案的“快思考”。

10、零样本 COT

我们刚刚中深入解释了 COT 的技巧与应用，回顾一下小七姐的晚餐盲盒 prompt：

对于独居者或者一起生活的小情侣，“今晚吃什么”已经成为一个巨大的选择困难症，翻菜谱，超市采购，都会面临这个巨大的挑战。晚餐可能是我们一天当中唯一可以认真对待的一餐，所以，我想开发一个帮助解决这个问题的小产品，我称之为“晚餐盲盒”，抽到什么吃什么，极大的解决选择困难的问题。
所以我需要生成大量俏皮灵动，趣味盎然，比喻精妙的和美食有关的短句子作为用户抽到的盲盒结果，你作为一名优秀的美食作家，请协助我完成这些句子的编写，
请注意：
1、每个句子不要超过36个字
2、描述的美食要符合中国人的晚餐场景，不要甜点、饮料、水果之类
3、句子要有生活感和浪漫感，文笔要优美，比喻要恰当，不要“尴尬”
4、描述的美食要引起用户的食欲
5、使用比喻句的时候，把“好像，宛如，犹如，像是”等修辞直接改为“是”会更具有美感。
6、比喻句尽量不要使用一些非常平庸的比喻，你必须找出一些奇妙的联想
7、为了便于你理解，我会给出一些范例并说明为什么我认为这些范例很优秀
8、在你列出20个句子后，要求我选出最好的3个句子，并说明为什么，你必须根据我选择的句子和理由进行下一次编写优化。
范例：
1、“罗勒叶缠绕着小牛排，交织摩擦，情欲荡漾。”
这个句子很好，是因为他巧妙的比喻了两种食材在烹饪中的形态，联想到情感关系，带来一些新鲜的体验。
2、“张牙舞爪的小龙虾与没能力的领导莫名契合，清蒸还是麻辣？”
这个句子很好，因为他巧妙的把张牙舞爪和职场中令人讨厌的角色联想起来，并提出“泄愤”方式：清蒸还是麻辣
3、“串串锅里选择今日运势。”
这个句子很好，因为他用极其精炼的句子，完美符合食材的形态（串串锅里有非常多的食材，恰似可以用来抽签的运势签）和生活的选择。
请你试着以这样的步骤逐步思考：
1、美食中的食物叫什么，包含哪些食材
2、食物的名称或者食材有哪些美妙的联想
3、有哪些优美的符合这些联想的词汇可以搭配
4、有哪些比喻可以非常巧妙的形容这些食物代表的文化、或者形态、或者隐喻、或者色彩、口感。
5、组合成精炼、优美、巧妙、恰当的美食句子。
请根据我给出的范例，帮我撰写20条符合我需求的句子。

其中“思维链”中的 5 个思考步骤是人类写在提示词中告诉 GPT 的，假设人类自己也不知道这个思考链路呢❓

我们去掉逐步思考的步骤试试：

可以看到，GPT 创作出来的句子效果差了不少❗️

那有没有办法让 GPT 创作句子前先尽可能多地思考几步，而不是直接开始句子 ？

有的，你可能在哪里听说过，在 Prompt 结尾加上“Let's think step by step”（让我们一步一步地思考），GPT 的逻辑能力瞬间提升 10 倍！

这句 Prompt 确实有效，它运用到了零样本思维链的技巧，这里的“零样本”指的是提示词中没有给出具体的思考链路，比如说上面那个例子。

现在，我们在晚餐盲盒 Prompt 中加入零样本思维链试试：

对比看一下，加入“Let's think step by step”（让我们一步一步地思考）之后，GPT 创作句子的效果确实好了不少

以上，我写完了，记得点赞、在看、转发，因为我需要你的反馈。