AI大模型有效的提示词技巧（一）

博主：理想家
发布时间：2024 年 09 月 15 日
239 次浏览
暂无评论
8984字数
分类：分享

![](https://blog.asenser.cn/usr/uploads/2024/09/236826549.png)

## 遇见的一些提示词技巧

### 技巧1:与大模型交流无需使用礼貌用语，如“请”、“谢谢”等，直接表达需求即可

这条技巧有一定的价值,但需要谨慎考虑。

#### 价值:

1. 简洁性: 去掉礼貌用语可以使prompts更加简洁,直接表达核心需求。
2. 清晰性: 直接表达需求可以让AI更快理解任务的本质。
3. 效率: 在某些情况下,更简短的prompts可能会稍微提高处理速度。

#### 需要注意的地方:

1. 人性化交互: 虽然AI不需要礼貌用语也能正常工作,但使用礼貌用语可以让交互更自然,更接近人类对话。
2. 习惯培养: 保持礼貌可以培养良好的沟通习惯,这在与真人交流时很重要。
3. 复杂任务: 对于复杂任务,有时候礼貌用语可以作为语境的一部分,帮助AI更好地理解需求的重要性或紧急程度。

#### 举例:

直接表达:
"分析2023年第二季度销售报告,列出三个主要发现。"

带礼貌用语:
"请分析2023年第二季度销售报告,并列出三个主要发现。谢谢!"

在这个例子中,两种方式都能得到相似的结果。直接表达更简洁,而带礼貌用语的版本可能让交互感觉更自然。

#### 结论:

这条技巧在技术层面上是有价值的,特别是在追求极度简洁的场景中。但在日常使用中,我建议在直接表达需求和保持基本礼貌之间找到平衡。这样既可以获得清晰有效的回答,又能保持良好的交互体验。

### 技巧2:在提示中指明目标受众，比如说受众是某领域的专家

这条技巧确实非常有价值。指明目标受众可以显著提高AI回答的质量和相关性。

#### 价值：

1. 专业度匹配：指定受众可以让AI调整回答的专业程度，使用适当的术语和概念。
2. 内容相关性：AI可以根据目标受众的背景知识和兴趣定制内容。
3. 沟通风格调整：AI可以采用更适合特定受众的语气和表达方式。
4. 避免解释已知信息：对于专家受众，AI可以跳过基础解释，直接深入核心内容。

#### 举例：

不指定受众：
"解释DNA复制过程。"

指定受众（专家）：
"为分子生物学研究生解释DNA复制过程中的复制叉动力学。"

指定受众（普通人）：
"为高中生解释DNA复制的基本步骤，使用简单的类比。"

在这个例子中：

- 对专家的解释会涉及更深入的细节，如复制叉的具体机制、各种酶的作用等。
- 对高中生的解释则会使用更基础的术语，可能会用"复印机"或"拉链"等类比来解释过程。

另一个例子：

不指定受众：
"描述机器学习在金融中的应用。"

指定受众（金融专业人士）：
"为对冲基金经理解释如何使用深度学习模型优化投资组合配置。"

在这个例子中，指定受众为金融专业人士后，AI的回答会更加聚焦于具体的金融应用，使用行业术语，并可能涉及到具体的模型和策略。

#### 结论：

指明目标受众是一个非常有效的技巧，它能够显著提高AI回答的针对性和实用性。这种方法可以确保你获得的信息不仅准确，而且恰好符合你或你的目标受众的知识水平和需求。在准备演讲、撰写文章或者只是寻求特定深度的信息时，这个技巧尤其有用。

### 技巧3：把复杂任务拆解成一系列简单的提示，以进行交互式对话

这条技巧非常有价值，是提高AI交互效果的重要策略。

#### 价值：

1. 提高准确性：将复杂任务拆解可以让AI更专注于每个小步骤，减少错误和遗漏。
2. 增强控制力：你可以在每个步骤后检查和调整，确保过程朝着正确的方向发展。
3. 灵活性：允许根据中间结果调整后续步骤，使整个过程更加动态和适应性强。
4. 更好的理解：通过逐步推进，你可以更清晰地理解整个过程和AI的思考方式。
5. 避免上下文限制：防止单个复杂提示超出AI的处理能力或上下文限制。

#### 举例：

假设你想创建一个综合的营销计划。

复杂单一提示：
"为一个新的科技创业公司制定完整的营销策略，包括市场分析、目标受众定位、营销渠道选择、预算分配和ROI预测。"

拆解成一系列简单提示：

1. "让我们为一个新的科技创业公司制定营销策略。首先，请列出进行市场分析需要考虑的5个关键因素。"
2. "好的，基于这些因素，请简要描述我们的目标市场。"
3. "现在，让我们确定目标受众。请创建2-3个典型的客户角色。"
4. "基于这些客户角色，推荐3-5个最有效的营销渠道。"
5. "对于这些营销渠道，请提出一个初步的预算分配方案，假设总预算是10万美元。"
6. "最后，请为每个渠道设定一个可衡量的ROI目标。"

通过这种方式，你可以：

- 在每一步后检查和调整策略
- 更深入地探讨每个方面
- 根据前面的回答调整后续问题
- 避免遗漏重要细节

另一个例子：
假设你想写一部小说。

复杂单一提示：
"写一个3000字的科幻短篇小说，包括人物描述、情节发展和结局。"

拆解成一系列简单提示：

1. "让我们一起构思一个科幻短篇小说。首先，请提出3个可能的主要角色，每个角色都有独特的背景和特点。"
2. "选择一个角色作为主角。详细描述这个角色的外貌、性格和动机。"
3. "现在，让我们设定故事的背景。描述一个未来世界的场景，包括一些科技元素。"
4. "基于这个背景，提出一个主角可能面临的主要冲突或挑战。"
5. "列出3-5个可能的情节转折点。"
6. "选择一个结局。详细描述主角如何解决（或未能解决）面临的挑战。"
7. "现在，让我们把所有元素组合起来，写出小说的开头300字。"

#### 结论：

将复杂任务拆解成一系列简单提示是一种非常有效的技巧。它不仅能提高最终结果的质量，还能让整个过程更加可控和富有洞察力。这种方法特别适用于需要深度思考、多个步骤或创造性输出的任务。通过这种交互式对话，你实际上是在与AI协作，共同完成一个复杂的项目。

### 技巧4：使用肯定的指令词，如“执行”，避免使用否定词汇，如“不要”

这条技巧确实有其价值，尤其是在明确指导AI行为时。

#### 价值：

1. 清晰性：肯定的指令通常更直接、更容易理解。
2. 减少歧义：否定指令可能导致混淆，特别是在复杂的场景中。
3. 积极导向：肯定的指令更容易引导AI朝着预期的方向行动。
4. 减少错误：避免使用否定词可以减少AI误解指令的可能性。

#### 举例：

否定指令：
"不要使用技术术语解释量子计算。"

肯定指令：
"用简单的日常语言解释量子计算。"

在这个例子中，肯定的指令更清晰地表达了期望，直接指导AI使用简单语言。

另一个例子：

否定指令：
"在写这篇文章时，不要使用被动语态。"

肯定指令：
"在写这篇文章时，请使用主动语态。"

肯定的指令更直接地指出了所需的写作风格，减少了AI可能的困惑。

然而，需要注意的是，这个技巧并非绝对。在某些情况下，使用否定指令可能是必要的，特别是当你需要明确排除某些选项时。例如：

"在推荐投资策略时，不要包括任何高风险的选项。"

在这种情况下，使用否定指令可能更有效地传达你的意图。

#### 结论：

使用肯定的指令词通常是一个有效的技巧，可以提高指令的清晰度和执行效果。它有助于减少歧义，提高AI理解和执行指令的准确性。然而，这并不意味着完全排除否定指令的使用。关键是要根据具体情况选择最清晰、最有效的表达方式。在大多数情况下，努力将否定指令转化为肯定指令可以带来更好的结果，但也要保持灵活性，在必要时使用否定指令来精确表达你的需求。

### 技巧5：采用示例驱动的提示方式（使用少样本提示法）

这是一个非常有价值的技巧，通常被称为"少样本学习"（few-shot learning）或"示例驱动的提示"。这种方法可以显著提高AI的输出质量和准确性。

#### 价值：

1. 明确期望：通过提供具体例子，你可以清晰地展示你期望的输出格式和风格。
2. 提高准确性：示例可以帮助AI更准确地理解任务要求，减少误解。
3. 一致性：当需要多个类似输出时，示例可以确保结果的一致性。
4. 处理特殊需求：对于非标准或特殊的请求，示例可以快速引导AI理解你的独特需求。
5. 跨领域应用：这种方法特别适用于专业领域或需要特定格式的任务。

#### 举例：

不使用示例：
"为一家咖啡店创作三条广告语。"

使用示例驱动的提示：
"为一家咖啡店创作三条广告语。请遵循以下格式和风格：

1. '唤醒你的味蕾，从一杯完美的咖啡开始。'
2. '我们不只提供咖啡，我们创造回忆。'
3. '品质与热情的完美混合，就在每一杯中。'

现在，请创作三条新的广告语。"

在这个例子中，示例清晰地展示了所需的语言风格、长度和重点，使AI能够生成更符合期望的广告语。

另一个例子：

不使用示例：
"总结这篇科学文章的主要发现。"

使用示例驱动的提示：
"请总结这篇科学文章的主要发现，遵循以下格式：

研究主题：[简短描述]
主要发现：

1. [发现1]
2. [发现2]
3. [发现3]
   方法：[简要说明使用的主要研究方法]
   潜在影响：[描述这些发现可能带来的影响]

例如：
研究主题：全球变暖对北极熊栖息地的影响
主要发现：

1. 北极海冰面积在过去30年中减少了40%
2. 北极熊的觅食季节缩短了平均两周
3. 幼崽存活率降低了25%
   方法：卫星图像分析和实地观察相结合
   潜在影响：如果当前趋势持续，北极熊可能在50年内面临灭绝危险

现在，请使用这个格式来总结给定的科学文章。"

这个例子展示了如何使用详细的格式和具体的示例来指导AI生成结构化的科学文章摘要。

#### 结论：

采用示例驱动的提示方式是一个强大的技巧，可以显著提高AI输出的质量和相关性。它特别适用于需要特定格式、风格或专业知识的任务。通过提供清晰的例子，你实际上是在"训练"AI理解你的具体需求，从而获得更精准、更符合预期的结果。这种方法不仅可以提高效率，还可以确保输出的一致性，特别是在需要批量生成内容或处理复杂任务时。然而，要注意示例的质量和代表性，因为它们将直接影响AI的输出。

### 技巧6：格式化提示时，先写上‘#undefined#’，然后根据需要添加‘#undefined#’或‘#undefined#’。接着展示你的内容，用一行或多行空行分隔各个部分，包括指令、示例、问题、背景和输入数据

这条技巧有一些有趣的方面，但可能需要进一步澄清和讨论。

#### 价值：

1. 结构化输入：使用特定的格式可以帮助组织提示的不同部分，使其更清晰。
2. 分隔内容：使用空行分隔不同部分确实可以提高可读性。
3. 灵活性：允许根据需要添加不同类型的内容（如指令、示例、问题等）。

#### 需要注意的地方：

1. '#undefined#' 标记：这些标记在你的描述中没有明确定义。通常，我们会使用更具描述性的标记，如 '#指令#'、'#示例#'、'#问题#' 等。
2. 复杂性：对于简单的提示，这种结构可能过于复杂。
3. 一致性：需要在不同的提示中保持一致的格式，以获得最佳效果。

#### 举例：

让我们用一个更清晰的版本来展示这个技巧：

```
#指令#
创建一个简短的科幻故事，包含以下元素：时间旅行、人工智能、和道德困境。

#背景#
故事设定在2150年的地球，人类已经发明了时间机器。

#输入数据#
主角名字：Alex
主角职业：时间旅行研究员
故事长度：约300字

#示例#
这是一个类似故事的开头：
"Alex凝视着闪烁的时间机器控制台，犹豫着是否要按下那个红色按钮。作为一名时间旅行研究员，他知道改变过去可能带来的可怕后果。但是当人工智能Zeta告诉他，通过改变一个小事件可以拯救数百万生命时，他陷入了深深的道德困境..."

#问题#
请基于以上信息创作一个完整的短篇科幻故事。
```

这个例子展示了如何使用描述性标记和空行来组织提示的不同部分。它清晰地分隔了指令、背景信息、输入数据、示例和最终问题。

#### 结论：

这种格式化提示的方法确实有其优点，特别是在处理复杂的、多部分的提示时。它可以帮助组织思路，确保提供所有必要的信息。然而，对于简单的提示，这种方法可能显得过于繁琐。

改进建议：

1. 使用清晰、描述性的标记，而不是 '#undefined#'。
2. 根据提示的复杂程度灵活使用这种结构。简单的提示可能不需要这么详细的格式。
3. 保持一致性，在相似类型的提示中使用相同的结构。
4. 考虑添加一个简短的总结或目标陈述在最开始，帮助AI快速理解整个提示的目的。

总的来说，这种技巧的核心思想 - 即结构化和组织提示 - 是非常有价值的。但具体的实现方式可能需要根据实际需求和复杂度进行调整。

### 技巧7：使用这样的短语：“你的任务是”和“必须完成”

这个技巧确实有其价值，但同时也需要谨慎使用。

#### 价值：

1. 明确性：使用"你的任务是"和"必须完成"这样的短语可以清晰地表达期望和要求。
2. 重要性强调：这些短语可以突出任务的关键性和必要性。
3. 结构化指令：有助于将复杂的请求分解为明确的步骤或要求。

#### 需要注意的地方：

1. 语气：这些短语可能显得过于命令或强制，在某些情况下可能不适合。
2. 灵活性：过于严格的指令可能限制AI的创造性或灵活性。
3. 上下文适应：不是所有的任务都需要这么强烈的措辞。

#### 举例：

例1 - 适当使用：
"你的任务是分析这份财务报告。必须完成以下步骤：

1. 总结关键财务指标
2. 识别潜在的风险领域
3. 提出三个改善财务状况的建议"

这个例子中，使用这些短语有助于明确任务的范围和重要性。

例2 - 可能过于强硬：
"你的任务是写一首诗。必须完成以下要求：使用押韵，包含至少三个隐喻，长度恰好为14行。"

在这种创意任务中，如此严格的措辞可能会限制AI的创造性发挥。

改进版本：
"请创作一首诗。考虑以下建议：

- 尝试使用押韵
- 可以包含一些隐喻
- 大约14行左右的长度会很好"

这个版本保留了指导性，但给予了更多创作自由。

例3 - 平衡使用：
"你的任务是为一个新的智能手机应用创建营销策略。在制定策略时，请考虑以下几点：

1. 目标受众分析
2. 竞争对手研究
3. 推广渠道选择
4. 预算分配建议

必须完成的关键部分是目标受众分析和推广渠道选择。其他部分也请尽可能详细地阐述。"

这个例子展示了如何平衡使用强制性语言和提供灵活性。它明确了哪些部分是必须的，同时也给出了其他期望。

#### 结论：

使用"你的任务是"和"必须完成"这样的短语可以增加指令的清晰度和重要性。然而，这种技巧需要根据具体情况灵活运用。它特别适用于需要精确执行、分步骤完成的任务，或者在强调某些关键要求时使用。

对于更开放、创意性的任务，或者当你希望AI有更大发挥空间时，可以考虑使用更柔和的语言。最佳实践是根据任务的性质和上下文来调整语气，在明确性和灵活性之间找到平衡。记住，即使不使用这些特定短语，也可以通过清晰、具体的指示来有效地传达你的期望。

### 技巧8：使用引导性的词汇，比如“逐步思考”

这是一个非常有价值的技巧，特别是在处理复杂问题或需要详细解释的情况下。

#### 价值：

1. 促进结构化思维：鼓励AI以有序、逻辑的方式处理问题。
2. 提高透明度：让用户能够看到思考过程，而不仅仅是最终结果。
3. 增强准确性：通过分步骤思考，减少跳跃性结论，提高答案的准确性。
4. 教育价值：对于学习者来说，看到问题的解决过程比仅看到答案更有教育意义。
5. 便于检查：方便用户检查每个步骤，找出可能的错误或改进点。

#### 举例：

例1 - 数学问题：

不使用引导：
"计算 (3x + 2)(x - 4) 的展开式。"

使用引导：
"请逐步思考并解释 (3x + 2)(x - 4) 的展开过程。每一步都要说明你在做什么以及为什么。"

回答可能会是：

1. 首先，我们要使用分配律展开这个表达式。这意味着我们需要将第一个括号中的每一项乘以第二个括号中的每一项。
2. 让我们一步步来：
   (3x + 2)(x - 4) = 3x(x) + 3x(-4) + 2(x) + 2(-4)
3. 现在，让我们简化每一项：

- 3x(x) = 3x²
   - 3x(-4) = -12x
   - 2(x) = 2x
   - 2(-4) = -8
4. 把这些项加在一起：
   3x² - 12x + 2x - 8
5. 合并同类项：
   3x² - 10x - 8

因此，(3x + 2)(x - 4) 的展开式是 3x² - 10x - 8。

例2 - 决策分析：

不使用引导：
"我应该买电动车还是混合动力车？"

使用引导：
"请逐步思考我是否应该买电动车还是混合动力车。考虑以下因素：初始成本、长期节省、环境影响、基础设施可用性和个人使用模式。"

回答可能会是：

1. 初始成本：

- 电动车通常比混合动力车贵，但价格差距正在缩小。
   - 考虑可能的政府补贴，这可能会降低电动车的实际成本。
2. 长期节省：

- 电动车的燃料成本（电力）通常低于汽油。
   - 维护成本也可能更低，因为电动机比内燃机有更少的移动部件。
   - 混合动力车在燃料效率上优于纯汽油车，但可能不如电动车省钱。
3. 环境影响：

- 电动车在使用过程中无直接排放，但要考虑电力来源。
   - 混合动力车比纯汽油车排放少，但仍有一些排放。
4. 基础设施可用性：

- 考虑你所在地区的充电站网络是否完善。
   - 混合动力车不依赖充电站，可能更适合长途旅行。
5. 个人使用模式：

- 如果主要是短途市内行驶，电动车可能更合适。
   - 如果经常长途旅行，混合动力车可能更实用。

结论：
基于这些因素，如果你主要在城市中短途行驶，有家庭充电条件，并且重视环保，电动车可能是更好的选择。如果你经常长途旅行，或者居住在充电基础设施不完善的地区，混合动力车可能更适合。最终决定还需要根据个人具体情况和偏好来做。

这个技巧的使用使得分析过程更加透明和全面，帮助用户做出更加明智的决定。

#### 结论：

使用"逐步思考"这样的引导词确实是一个非常有效的技巧。它不仅可以提高AI回答的质量和深度，还能帮助用户更好地理解问题和解决过程。这种方法特别适用于复杂的问题、决策分析、数学计算、科学解释等需要详细推理的场景。然而，对于简单直接的问题，可能不需要这么详细的步骤。因此，关键是要根据问题的复杂性和用户的需求来灵活运用这个技巧。

## 小结

### prompt提示词的学习技巧：

1. 明确性和直接性：直接表达需求，避免不必要的礼貌用语，但保持基本礼貌。
2. 指明目标受众：明确指出内容的目标受众，以获得更相关和适当的回答。
3. 任务拆解：将复杂任务拆解成一系列简单的提示，进行交互式对话。
4. 使用肯定性语言：优先使用肯定的指令词，避免模糊的否定表述。
5. 示例驱动：使用少样本提示法，提供具体例子来说明你期望的输出格式和风格。
6. 结构化提示：使用清晰的格式和标记来组织提示的不同部分。
7. 明确任务重要性：适当使用"你的任务是"和"必须完成"等短语来强调关键要求。
8. 引导思考过程：使用"逐步思考"等引导性词汇，促进结构化和透明的问题解决过程。

### 如何甄别有价值的技巧：

1. 考虑上下文适用性：评估技巧是否适合您的具体需求和使用场景。
2. 测试和比较：尝试使用和不使用该技巧，比较结果的质量和相关性。
3. 灵活性：考虑技巧是否允许根据不同情况进行调整。
4. 效率：评估技巧是否能提高交互效率，而不是增加不必要的复杂性。
5. 一致性：检查技巧是否能在多次使用中产生一致的改进。
6. 用户反馈：如果可能，收集其他用户使用该技巧的反馈。
7. 与AI模型的兼容性：确保技巧与您使用的特定AI模型兼容。
8. 平衡简单性和复杂性：好的技巧应该在简单易用和处理复杂任务之间取得平衡。
9. 持续学习：随着AI技术的发展，保持开放态度，不断学习和调整您的提示技巧。

记住，最有价值的技巧通常是那些能够根据具体情况灵活应用，并能持续产生高质量输出的技巧。通过实践和反复试验，您将能够建立起一套适合自己需求的有效prompt策略。

最后修改：2024 年 09 月 15 日

如果觉得我的文章对你有用，请随意赞赏

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

评论 *

私密评论

名称 *

🎲

邮箱 *

地址

AI大模型有效的提示词技巧（一）

理想家 • 2024 年 09 月 15 日

![](https://blog.asenser.cn/usr/uploads/2024/09/236826549.png)

## 遇见的一些提示词技巧

### 技巧1:与大模型交流无需使用礼貌用语，如“请”、“谢谢”等，直接表达需求即可

这条技巧有一定的价值,但需要谨慎考虑。

#### 价值:

#### 需要注意的地方:

#### 举例:

直接表达:
"分析2023年第二季度销售报告,列出三个主要发现。"

带礼貌用语:
"请分析2023年第二季度销售报告,并列出三个主要发现。谢谢!"

在这个例子中,两种方式都能得到相似的结果。直接表达更简洁,而带礼貌用语的版本可能让交互感觉更自然。

#### 结论:

### 技巧2:在提示中指明目标受众，比如说受众是某领域的专家

这条技巧确实非常有价值。指明目标受众可以显著提高AI回答的质量和相关性。

#### 价值：

#### 举例：

不指定受众：
"解释DNA复制过程。"

指定受众（专家）：
"为分子生物学研究生解释DNA复制过程中的复制叉动力学。"

指定受众（普通人）：
"为高中生解释DNA复制的基本步骤，使用简单的类比。"

在这个例子中：

另一个例子：

不指定受众：
"描述机器学习在金融中的应用。"

指定受众（金融专业人士）：
"为对冲基金经理解释如何使用深度学习模型优化投资组合配置。"

在这个例子中，指定受众为金融专业人士后，AI的回答会更加聚焦于具体的金融应用，使用行业术语，并可能涉及到具体的模型和策略。

#### 结论：

### 技巧3：把复杂任务拆解成一系列简单的提示，以进行交互式对话

这条技巧非常有价值，是提高AI交互效果的重要策略。

#### 价值：

#### 举例：

假设你想创建一个综合的营销计划。

复杂单一提示：
"为一个新的科技创业公司制定完整的营销策略，包括市场分析、目标受众定位、营销渠道选择、预算分配和ROI预测。"

拆解成一系列简单提示：

通过这种方式，你可以：

- 在每一步后检查和调整策略
- 更深入地探讨每个方面
- 根据前面的回答调整后续问题
- 避免遗漏重要细节

另一个例子：
假设你想写一部小说。

复杂单一提示：
"写一个3000字的科幻短篇小说，包括人物描述、情节发展和结局。"

拆解成一系列简单提示：

#### 结论：

### 技巧4：使用肯定的指令词，如“执行”，避免使用否定词汇，如“不要”

这条技巧确实有其价值，尤其是在明确指导AI行为时。

#### 价值：

#### 举例：

否定指令：
"不要使用技术术语解释量子计算。"

肯定指令：
"用简单的日常语言解释量子计算。"

在这个例子中，肯定的指令更清晰地表达了期望，直接指导AI使用简单语言。

另一个例子：

否定指令：
"在写这篇文章时，不要使用被动语态。"

肯定指令：
"在写这篇文章时，请使用主动语态。"

肯定的指令更直接地指出了所需的写作风格，减少了AI可能的困惑。

然而，需要注意的是，这个技巧并非绝对。在某些情况下，使用否定指令可能是必要的，特别是当你需要明确排除某些选项时。例如：

"在推荐投资策略时，不要包括任何高风险的选项。"

在这种情况下，使用否定指令可能更有效地传达你的意图。

#### 结论：

### 技巧5：采用示例驱动的提示方式（使用少样本提示法）

这是一个非常有价值的技巧，通常被称为"少样本学习"（few-shot learning）或"示例驱动的提示"。这种方法可以显著提高AI的输出质量和准确性。

#### 价值：

#### 举例：

不使用示例：
"为一家咖啡店创作三条广告语。"

使用示例驱动的提示：
"为一家咖啡店创作三条广告语。请遵循以下格式和风格：

1. '唤醒你的味蕾，从一杯完美的咖啡开始。'
2. '我们不只提供咖啡，我们创造回忆。'
3. '品质与热情的完美混合，就在每一杯中。'

现在，请创作三条新的广告语。"

在这个例子中，示例清晰地展示了所需的语言风格、长度和重点，使AI能够生成更符合期望的广告语。

另一个例子：

不使用示例：
"总结这篇科学文章的主要发现。"

使用示例驱动的提示：
"请总结这篇科学文章的主要发现，遵循以下格式：

研究主题：[简短描述]
主要发现：

1. [发现1]
2. [发现2]
3. [发现3]
   方法：[简要说明使用的主要研究方法]
   潜在影响：[描述这些发现可能带来的影响]

例如：
研究主题：全球变暖对北极熊栖息地的影响
主要发现：

现在，请使用这个格式来总结给定的科学文章。"

这个例子展示了如何使用详细的格式和具体的示例来指导AI生成结构化的科学文章摘要。

#### 结论：

这条技巧有一些有趣的方面，但可能需要进一步澄清和讨论。

#### 价值：

#### 需要注意的地方：

#### 举例：

让我们用一个更清晰的版本来展示这个技巧：

```
#指令#
创建一个简短的科幻故事，包含以下元素：时间旅行、人工智能、和道德困境。

#背景#
故事设定在2150年的地球，人类已经发明了时间机器。

#输入数据#
主角名字：Alex
主角职业：时间旅行研究员
故事长度：约300字

#问题#
请基于以上信息创作一个完整的短篇科幻故事。
```

这个例子展示了如何使用描述性标记和空行来组织提示的不同部分。它清晰地分隔了指令、背景信息、输入数据、示例和最终问题。

#### 结论：

改进建议：

总的来说，这种技巧的核心思想 - 即结构化和组织提示 - 是非常有价值的。但具体的实现方式可能需要根据实际需求和复杂度进行调整。

### 技巧7：使用这样的短语：“你的任务是”和“必须完成”

这个技巧确实有其价值，但同时也需要谨慎使用。

#### 价值：

#### 需要注意的地方：

#### 举例：

例1 - 适当使用：
"你的任务是分析这份财务报告。必须完成以下步骤：

1. 总结关键财务指标
2. 识别潜在的风险领域
3. 提出三个改善财务状况的建议"

这个例子中，使用这些短语有助于明确任务的范围和重要性。

例2 - 可能过于强硬：
"你的任务是写一首诗。必须完成以下要求：使用押韵，包含至少三个隐喻，长度恰好为14行。"

在这种创意任务中，如此严格的措辞可能会限制AI的创造性发挥。

改进版本：
"请创作一首诗。考虑以下建议：

- 尝试使用押韵
- 可以包含一些隐喻
- 大约14行左右的长度会很好"

这个版本保留了指导性，但给予了更多创作自由。

例3 - 平衡使用：
"你的任务是为一个新的智能手机应用创建营销策略。在制定策略时，请考虑以下几点：

1. 目标受众分析
2. 竞争对手研究
3. 推广渠道选择
4. 预算分配建议

必须完成的关键部分是目标受众分析和推广渠道选择。其他部分也请尽可能详细地阐述。"

这个例子展示了如何平衡使用强制性语言和提供灵活性。它明确了哪些部分是必须的，同时也给出了其他期望。

#### 结论：

### 技巧8：使用引导性的词汇，比如“逐步思考”

这是一个非常有价值的技巧，特别是在处理复杂问题或需要详细解释的情况下。

#### 价值：

#### 举例：

例1 - 数学问题：

不使用引导：
"计算 (3x + 2)(x - 4) 的展开式。"

使用引导：
"请逐步思考并解释 (3x + 2)(x - 4) 的展开过程。每一步都要说明你在做什么以及为什么。"

回答可能会是：

- 3x(x) = 3x²
   - 3x(-4) = -12x
   - 2(x) = 2x
   - 2(-4) = -8
4. 把这些项加在一起：
   3x² - 12x + 2x - 8
5. 合并同类项：
   3x² - 10x - 8

因此，(3x + 2)(x - 4) 的展开式是 3x² - 10x - 8。

例2 - 决策分析：

不使用引导：
"我应该买电动车还是混合动力车？"

使用引导：
"请逐步思考我是否应该买电动车还是混合动力车。考虑以下因素：初始成本、长期节省、环境影响、基础设施可用性和个人使用模式。"

回答可能会是：

1. 初始成本：

- 电动车通常比混合动力车贵，但价格差距正在缩小。
   - 考虑可能的政府补贴，这可能会降低电动车的实际成本。
2. 长期节省：

- 电动车在使用过程中无直接排放，但要考虑电力来源。
   - 混合动力车比纯汽油车排放少，但仍有一些排放。
4. 基础设施可用性：

- 考虑你所在地区的充电站网络是否完善。
   - 混合动力车不依赖充电站，可能更适合长途旅行。
5. 个人使用模式：

- 如果主要是短途市内行驶，电动车可能更合适。
   - 如果经常长途旅行，混合动力车可能更实用。

这个技巧的使用使得分析过程更加透明和全面，帮助用户做出更加明智的决定。

#### 结论：

## 小结

### prompt提示词的学习技巧：

### 如何甄别有价值的技巧：

AI大模型有效的提示词技巧（一）

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

旅行

PyTorch正菜-Tensor（上）

欢迎使用 Typecho

PyTorch正菜-Tensor（下）

PyTorch正菜-数据读取(二)

PyTorch正菜-Tensor（上）

一些照片

把Autosurvey搬入Comfyui

深度学习中的优化方法与梯度下降

PyTorch正菜-损失函数

AI大模型有效的提示词技巧（一）

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

AI大模型有效的提示词技巧（一）

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款