掌握这招，Prompt提示词技巧让你以一敌十

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：arxiv.org/abs/2312.16…

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。

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。

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

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。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。

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】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓