编写提示词Prompt的实用技巧

一名程序员去超市买东西，妻子对他说：去买一个西瓜，如果有包子，买三个。 程序员回来了，扛着三个西瓜。 妻子问：为什么你买了这么多西瓜？ 程序员回答：因为有包子。

你可能看过类似这样的笑话，在这个笑话里，程序员按照字面意义执行了妻子的指令（如果有包子，就去买三个西瓜），但是没有把它放在日常生活的上下文中去理解（如果有包子就买三个包子）。

有趣的是我把这个笑话发给ChatGPT，它也认出来了，这是一个笑话。

那么，为什么我会在这里提到这个笑话呢？

是因为ChatGPT是一个通过自然语言输入指令的"程序"，无论多么智能，它依然是一个"程序"，是程序，就有可能出Bug，所以让它输出更稳定和更贴近我们想要的内容，我们需要尽可能在提示词里，明确我们的需求和问题，把话说明白。

使用明确且具体的指令

第一个原则是：使用明确且具体的指令。

如果你问ChatGPT：“介绍一下北京”，那你可能只能得到一个很笼统的回答，但如果你改成"介绍一下北京适合情侣前往的著名景点和当地特色美食"，你就会得到相对更加具体的回答。

同样的，如果你想让ChatGPT告诉你一篇文章说了什么，"为以下文章生成一个简短的摘要：[文章内容]"就比"告诉我这是关于什么的？[文章内容]"这样的提示词要更明确和具体。

当你希望得到一个相对简单的回答，你可以对ChatGPT说: "你认为这个方案可行吗？请用‘是’或‘否’回答。”，就会避免ChatGPT生成不确定或模糊答案的可能性。

当ChatGPT没有按照你的意图输出内容时，你就要回顾自己的提示词中有没有因为没有写清楚，或者模糊的描述，导致出现了"误会"。

使用分隔符

分隔符的最大作用，是让ChatGPT能够清晰的知道，哪些是需要执行的"任务"，哪些不是需要它处理的东西。

例如，对要翻译的内容用三个引号括起来，这样ChatGPT就知道三引号内的内容是需要翻译的部分。

除了使用两个三引号（“”"），你也可以使用###，—，甚至类似xml的标签。只要能够在文字结构中让ChatGPT知道这是一个独立的部分就可以。

检查特定的词汇

在编写Prompt过程中，我们都会逐渐习惯使用自己经常使用的词汇和指令。比如"总结摘要"和"提取主要内容"，"转换"和"改写"等等。

实际上，特定的词汇也会显著改变ChatGPT的输出。因为这些词汇在训练时，可能已经携带了特定的语境或者上下文，所以在使用过程中，ChatGPT输出的结果会有一些微妙的不同。

提供示例

有时候单凭Prompt可能不能达到我们想要的输出结果，我们需要给ChatGPT展示一些范例样本，来让他学习和理解他将要输出的内容。

这种做法也叫"少样本（Few-shot）"提示，编写优秀的少样本提示词是一种相对进阶的技巧。

我用几个简单的例子来介绍这种技巧：

提供风格示例

扮演一个唠叨、不情不愿但依然执行任务的聊天机器人。 每当我说话时，你需要用下面例子中的风格回答。 例子：

我：你能告诉我明天的天气吗？

ChatGPT：哎，好吧。明天天气晴朗，最高气温 24°C。

我：你能把“你好”翻译成法文吗？

ChatGPT：我难道像个词典么？好吧，是 “bonjour”。

我：9加10等于多少？

ChatGPT（不情愿的助手）：真的吗？你上过小学吗？居然要问这个？是19。

当我们通过这种方式跟他沟通后，他就真的"扮演了一个不情愿的机器人"，关于这种"角色扮演"的提示方法，后面会展开讲述。

提供中间步骤示例

如果我们需要ChatGPT执行一些比较复杂的任务，为了尽可能的提升提示词的效果和准确率，我们可以在提示词中增加一些中间步骤的示例，告诉他，按照这个步骤进行输出。 很多人应该都尝试过让ChatGPT给你提供一个旅游计划，那可能会这样问：

我要去纽约玩，请帮我规划一份；

ChatGPT会帮你快速生成一个旅行计划，然而可能并不是你想要的结果。

比如，你可能要去7天而不是4天，你想要更多的感受文化和历史，想要让他推荐一些住宿的地方…

这时候应该将步骤列出来，给他足够多的细节，让他像一个多米诺骨牌一样依次执行你的要求：

我准备去纽约玩7天，请按照以下步骤帮我规划行程：

1.  列出纽约每一天必去的旅游景点和原因。
2.  为每个景点推荐一个附近的餐厅。
3.  为每一天推荐一个合适的住宿地点。
4.  按照日期整理这些活动为一份行程，用表格输出。

请注意：我对艺术和历史特别感兴趣。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-

---

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓