转眼过了一周，作为万知的C"E"O（Chief Experience Officer，首席体验官）的我又来向各位万知的“精神股东”汇报上周工作啦。

上周伊始，我们就收到了一个令人振奋的消息。在 LMSYS 盲测竞技场最新排名中，零一万物的最新千亿参数模型 Yi-Large 总榜排名世界模型第 7，中国大模型中第一，已经超过 Llama-3-70B、Claude 3 Sonnet；在中文分榜上 Yi-Large 更是与 GPT-4o 并列世界第一。

由于 LMSYS Chatbot Arena 采用了号召千万真实用户盲测评分的形式，已经成为业内公认最客观公正、最接近用户实际应用场景的大模型评测平台。

目前，LMSYS 已经是 OpenAI、Google、Anthropic 等海外大厂旗舰模型“龙争虎斗”的当红擂台，像是 OpenAI CEO Sam Altman，Google DeepMind 首席科学家 Jeff Dean 都曾经引用 LMSYS 给出的排名成绩来佐证自家模型能力。

结合大家的反馈，我们了解到，与万知对话来获取各方面的知识是大多数人的诉求。与搜索引擎相比，毫无疑问，大模型能做到的事要多得多。它具备更自然的交互方式，能提供比搜索引擎更人性化的交互体验；同时得益于深度学习和语义理解，大模型也能够输出更准确、相关性更高的结果。

面对通识类问题，具备联网功能的万知都能对答如流。即便是诸如“iPad Pro比前作好吗？”这类极度口语化的问题，万知也能够理解“iPad Pro”是指“2024年款iPad Pro”、前作是“2023年款iPad Pro”，并且给出芯片、图形显示技术、内存等核心信息。

但是，如果能在提示词上做些优化，万知就会反馈给你更加详细、更具参考价值的答案。

在向大模型提问时，应当尽量避免使用模糊不清的词汇，比如“好”、“坏”、“怎么样”等，“请”、“麻烦你”这类礼貌用语也可以省略。尽可能使用目的明确的词汇，可以多次重复关键词“iPad Pro”。这样可以减少提问中的噪音，突出重点，便于万知理解你的真实意图。

如上述原问题中“比前作好吗？”就可以改为“我想了解iPad Pro产品的用户评价，与2023年款iPad Pro做个比较”。

同时，我们可以试着将复杂问题拆解为更简单的提示，分步骤提问，一步步引导万知理解你的问题。比如，在原问题的结尾加入“从性能、显示效果、价格、电池续航等角度分析”。

结合上面的小技巧，原问题就被改写为“我想了解iPad Pro产品的用户评价，与2023年款iPad Pro做个比较，可以从性能、显示效果、价格、电池续航等角度分析”。得出的内容与原回答也大不相同，不仅内容更加详实了，与2023年款iPad Pro的对比结果也更加明确了。

总结：

1、明确问题，尽量避免使用模糊不清的词汇，避免使用复杂的句式或过多的修饰语；

2、将复杂查询任务拆解为多步骤、更简单的提示，一步一步来；

3、在一个提示中可以多次重复重点单词或短语。

我们内部筛选出了一个badcase案例，结合上面的几点，让我们试试，一起把这个badcase转变成goodcase。

由于上述问题没有进行任何拆解，只是一个笼统的请求，万知所给出的回答内容也仅限于表面。同时，问题中没有重复任何关键词，没有突出重点，让人难以抓住问题的核心。

对比来看，这次万知的回答就细致深入了很多。修改之后的问题，直接指向了“最近流行的AI技术”，避免了模糊不清的词汇；同时笼统的问题也被拆解为三个更简单的小问题，分别是技术特点、应用场景和社会影响，便于万知逐一回答；在问题中多次使用“AI技术”这个词，强调了问题的重点。

如何写好万知提示词？

大模型在训练过程中学习了大量的文本数据，这些数据中包含了各种词汇和表达方式。

你可以将大模型视作在知识的海洋里畅游的一只书虫。当你给到大模型一个清晰的词汇时，就像是给了它一个清晰的航标，它能迅速地在记忆的海洋中找到正确的航道，准确地吐出你想要的答案。但如果给它一个模糊的词汇，就像是给它一个谜语，它可能会陷入深思，甚至开始胡思乱想，给出的答案可能就像是一首抽象派的诗，让人摸不着头脑。

为了让它不至于在知识的海洋里晕头转向，我们得用重点词汇给它指明方向。在自然语言处理中，词汇的出现频率可以被视为一种信号。多次强调重点词汇增强了这些词汇的信号强度，使得模型更容易注意到它们，并将其视为重要的线索来理解问题。

换言之，这些重点词汇对于大模型而言就是知识海洋中的灯塔，告诉它“这里要重点关注！”这样一来，它就能更快地捕捉到关键信息，避免在理解时出现误会。

至于为什么要将复杂任务拆分为多步骤，则是因为，在逐步处理简单任务的过程中，模型的每一步的输出都可以作为下一步的输入，从而形成一个连贯的上下文链，这有助于模型更好地理解整个任务的上下文和目标。

另一方面，在处理复杂任务时，模型的错误可能会在生成过程中累积，导致最终输出偏离预期。通过将任务拆解为多个简单的步骤，模型可以在每一步都进行校正，从而减少错误的累积，提高最终输出的准确性。

很多人都把万知当作搜索引擎，但是其实它可以做很多有趣也很专业的事儿，它更可以当你的“AI特助”。前几天，我试着让万知用30个字写一个故事，要求写出惊悚的细节和完全想象不到的结局。结果它展现出的天马行空的想象力超出了我的预料。

我们的提示词课程也已经进行了两周，相信大家都总结出了自己的小技巧。所以，我决定向大家发出挑战书——30字微故事征集大赛！看看谁的故事更精彩！

登陆万知网页端（wanzhi.com）或进入“万知AI”微信小程序，编写专属于你的提示词，与万知一起创作出30字以内的精彩微故事。写出满意的微故事后，将你的微故事以视频评论、公众号评论及留言的形式发给我，就有机会获得签名版《AI未来进行式》及零一万物一周年限量版周边一份。

我们将选出十个优秀获奖选手，送出精美礼品，并于5月30日（本周四）《首席体验官周报》中展示获奖作品，期待你的参与！