大部分生成式人工智能提示语都蕴含了一种或多种关键组成部分。

在阐释生成式人工智能用户的信息需求方面，这些关键部分起到了至关重要的作用。

如果用户所拟定的提示语中缺乏这些关键组成部分，可能会导致对话过程冗长、反馈结果不理想、效率低下，甚至需要进行大量的查询细化和不断地追问。

在之前的一些推文中，比如，《PREP：为机器准备提示语》和《5个简单实用的提示语框架》中所介绍的所有提示语框架，其实都是由不同的人，根据自己所主张的提示语的关键组成部分提出来的。

因此，我们强调在设计人工智能提示语时，应充分考虑包含提示语中的那些关键组成部分，以提高交互效率和用户满意度。

然而，当提示语框架的重要和关键组成部分越多，提示语给大语言模型的指令可能会更精准，但是对用户的使用来说，就变得越来越复杂了，使用难度随之增加，用户体验大幅度降低。这是一个矛盾。

为了解决这个矛盾，在过去一年里，有不少开发者利用通用大模型提供的API接口，结合垂直应用场景及现实需求，把这些包含了不同组成部分的提示语封装起来，形成了满足特定需求的垂直场景的应用。

事实上，在过去这一年里，有不少这样的应用如雨后春笋般涌现出来了。

这里列举一个稍微有些复杂的提示语的实际例子。

下面这个提示语的目的是让大语言模型克隆一个文本的写作风格。

先看这个提示语：

如果是希望生成英文的文本，可以使用如下英文提示语：

You are an expert  ghostwriter. I am going to provide you with my own written material, and your task will be to understand and mimic its style.

You'll start this exercise by saying "BEGIN." After, I'll present an example text, to which you'll respond,"CONTINUE". The process will contiune similarly with another piece of writing and then with further examples. I'll give you unlimited examples. Your response will only be "CONTINUE. You're only permited to change your response when I tell you "FINISHED."

After this, you'll explore and understand the tone, style, and characteristics of my writing based on the samples I've given. FInally, I'll prompt you to craft a new piece of writing on a specific toic, emulating my distinctive wrtiting style.

甚至我们还可以把这个风格进行命名，比如“Jiao Style”之后，再需要大语言模型撰写类似文本时，直接要求“使用Jiao Style”来起草该类型的文本。