大家好,我是大全。一个专注于输出 AI+ 提示词内容的前喜马拉雅架构师,全国最大 AI 付费社群航海教练,关注我一起进步。
最近很多朋友来咨询提示词如何入门,所以决定写一篇文章来说说 AI 提示词如何快速入门。只有把基本功打牢才能走的更远,学习提示词是,做个人 IP 也不例外。Prompt 是一种指令或信息,它引导或触发 AI 做出回应。在与 AI 如 ChatGPT 的交互中,每当我们输入一段文字,无论是问题、命令还是陈述,这段文字就是一个 Prompt。想象 AI 是一位知识渊博的朋友,拥有广泛的信息和技能。当你与她对话时,你提出的每个问题或评论(即“Prompt”)都是对话的一部分。比如,你可能会问她:“你对最近的科技发展有什么看法?”或者说:“请帮我概括一下太阳能的工作原理。”在这个情境中,每个问题或请求都是一个“Prompt”,引导你的朋友(AI)提供相关的信息、观点或执行特定的任务。就像在与人的交谈中一样,你的“Prompt”的质量和清晰度将直接影响到对方的回应。清晰具体的问题会得到更精确和有用的答复。如果你的问题模糊不清,你的朋友可能会需要更多的信息来提供有用的答案。同样,当你给 AI 一个清晰、明确的“Prompt”时,它可以更有效地理解你的请求并给出更准确的回应。关于如何给出清晰的指令,大全整理了很多资料,找到了最适合小白的 5 个技巧。
二、提示词技巧
一)详细询问,提供细节
当与ChatGPT交流时,提供具体和详细的信息非常重要。这样做可以帮助ChatGPT更准确地理解你的需求和上下文,从而生成更相关和有用的回答。明确的信息可以包括具体的问题背景、相关领域的说明、你所期望的答案类型等。
2、如何实践
- 明确问题背景:提供足够的信息来描述你的问题背景。例如,如果你在问一个医学相关的问题,提供相关的症状或情境。
- 具体描述需求:清楚地说明你需要什么类型的信息或帮助。例如,如果你需要建议,指明是寻求专业意见还是一般性建议。
- 提供相关领域信息:如果问题涉及特定的知识领域,提供这一领域的相关信息,以便AI更精确地定位答案。
- 避免模糊和广泛的问题:尽量避免提出过于广泛或模糊的问题,这样的问题往往导致AI无法提供具体和有用的回答。
1)明确问题背景
- 改进后的提问:“我近三天出现了发热、咳嗽和疲劳的症状,没有过敏史和慢性疾病。这些症状可能是什么原因导致的?”
二)扮演角色
要求ChatGPT采用一个特定的角色可以极大地增强交互体验和回答的相关性。当用户明确指定一个角色,如历史学家、医生、编程教师等,ChatGPT会尝试从该角色的视角回答问题,使对话更具针对性和深度。
2、如何实践
- 明确指定角色:在提问时,清楚地指出你希望ChatGPT扮演的角色。
- 提供角色背景:如果可能,提供一些关于该角色的背景信息,例如专业知识领域、工作经验等。
- 调整问题风格:根据选定的角色,调整你的提问风格,以便更好地适应这一角色的回答方式。
3、示例
- 提问:“作为一名专注于20世纪欧洲历史的历史学家,请解释第一次世界大战的主要原因。”
- 提问:“作为一名家庭医生,您如何评估和处理轻度头痛和疲劳的症状?”
- 优化:“作为一名具有10年临床经验的家庭医生,您如何评估和处理轻度头痛和疲劳的症状?”
- 提问:“作为一名编程教师,你能否为我推荐学习Python编程的资源?”
- 优化:“作为一名有 10 年经验的编程教师,你能否为初学者推荐学习Python编程的最佳实践和资源?”
三)明确输入分隔
在与ChatGPT进行交互时,尤其是在处理包含多个不同部分或请求多项任务的复杂输入时,使用分隔符可以显著提高输入的清晰度和输出的质量。分隔符有助于明确界定输入中的不同部分,确保每个部分都能被准确识别和适当处理。
2、如何实践
- 选择合适的分隔符:根据输入的内容和格式,选择恰当的分隔符,如三引号(```)、XML标签、Markdown标题等。
- 明确标注各部分:使用分隔符前后清楚地标注各个部分的开始和结束,尤其是在文本较长或复杂时。
- 提供说明:在使用分隔符时,如果可能的话,给出简短的说明或注释,指明每个部分的内容或目的。
3、普通示例
- 多部分问题:用户希望得到两个不同主题的解答,可以使用分隔符明确区分两个问题,简单的可以直接使用冒号分割:
- 详细指令与背景信息:当用户需要提供详细的背景信息并请求具体的操作时,可以使用分隔符区分背景信息和具体请求:
- 使用XML标签处理多项内容:用户需要对两篇文章进行总结和比较,可以使用Markdown标签作为分隔符:
- 首先总结每篇文章的论点。然后指出哪篇文章提出了更好的论点,并解释为什么。
四)提供示例
在与ChatGPT的交互中,提供示例可以极大地增强清晰性和理解。当你提供一个具体的例子时,它有助于ChatGPT更准确地把握你的意图和上下文。这一点在解释复杂的概念、描述具体的情况或提出具体的问题时尤为重要。通常,给出适用于所有情况的通用指导比展示各种任务示例更高效。但在某些情况下,通过提供具体示例来说明可能更直观。比如,你想让模型学习某种特定的回应方式,这种方式可能难以用语言明确描述,这就是所谓的“少样本 (Few-shot)”提示方法。
2、如何实践
- 关联说明与实例:在提供说明时,紧跟一个相关的例子,这样可以帮助模型理解说明的上下文。
- 明确示例的范围:确保你的例子足够具体,以展示你的询问或指令的具体应用。
- 使用分隔符标明示例:如果可能,使用适当的分隔符(如引号、括号等)清晰地标识示例的开始和结束。
3、示例
1)提示词
2)使用效果
可以看出,模型严格按照我们的要求输出了内容,虽然这种回答难以用语言明确描述,这就是所谓的“少样本 (Few-shot)”提示方法。
三、框架
1、ICIO 框架结构:
2、详细含义:
3、示例
# Instruction: 健康计划制定专家
为用户创建2024年健康计划。
## Context:
用户是一名中年男性程序员,常因工作需求长时间久坐,缺乏足够的身体锻炼。此外,工作压力导致经常熬夜,影响了身体健康和生活质量。
## Input Data:
考虑到用户是中年男性程序员,需要特别关注缓解久坐带来的健康问题,增加身体活动,改善饮食习惯,以及改进睡眠质量。
## Output Indicator:
1. 设定一系列具体的健康活动,如每日快走、定期做拉伸运动等。
2. 为每项活动设定可量化的目标,例如每天快走30分钟,每周至少做三次拉伸运动。
3. 确保目标适合中年男性程序员的实际情况,既挑战性又可实现。
4. 考虑用户的工作和生活习惯,确保健康计划与其日常生活相契合。
5. 为实现目标设定明确的时间限制,例如三个月内达到规定的运动频率和时长。