01

—

【01 -勤用符号 】

比如引号把重点突出出来，破折号说明句子关系，有助于把句子结构让大模型理解。比如，我在编程调试bug时，我会把错误提示后面加上两个破折号，在说什么情况下出现了这个错误提示，提交给Kimi，就可以大大帮助大模型理解我要干什么，实测有效。

序号，缩进等格式符号对于大模式理解是有帮助的，能用就用吧，反正不吃亏。

【02 - 明确具体带上下文】

例如，直接让大模型“帮我做一个成都的旅游攻略”，“写一个公众号爆款文案”，对于这类不明确的问题，大模型的回答也是模糊空洞的。但是如果说，“我十一要去成都玩3天，打卡地点要有文化古迹，交通方便，请做一个旅游攻略”，这样就容易得到满意的攻略了。

其实上下文context也可以算这个部分，美国专家把“上下文”和这个分开了，其实上下文就是表达准确的基础。

【03 - 角色扮演】

“你是一个AI专家，正在给一个AI小白科普Self-Attention机制”，大模型扮演专家，你扮演小白听众，这个效果很不错。

进阶：启发和强化

【04- 给出样本example】
这是我们第一个稍微高级的提示技术。如果你听过"少样本学习（Few-shot learning）"，这就是它的含义。基本上，你要给Kimi 一些示例输入和一些示例输出，即便没有提更多具体要求，它看着例子，也能模仿出来，完美地回应符合了我想要的格式。

【05- 自我反省】

“你刚才的回答漏掉了什么？”这个方法几乎简单到不能再简单了，但往往可以让你得到好几倍的结果。大语言模型在评估方面要比生成效果更好。所以，当你提出这个问题时，你实际上是在利用 大模型的评估优势。大模型后诞生的AI相比于之前的AI质的提升，它有非常好的上下文理解能力和自我反思能力，通过多步的迭代式问答，让结果变得更符合预期。

【06 - 思维链】

提问者指出通过提供给大模型思维链（CoT），可以大幅提升模型的推理能力和回答准确性，刚刚推出的划时代的具有推理能力的o1就是利用了CoT的原理进行强化学习，只是让大模型可以自己生成思维链数据进行学习。

思维链本质上就是让模型通过一步步推理，给出答案。这一点和人的思考方式也很像，当我们做一个复杂问题时，如果把问题拆解，一步步解答往往比直接回答问题得到的结果更好。我发现，告诉大模型“全面考虑”问题，也能得到更好的结果。

如果没有用CoT甚至只是简单的加一句“step by step”，中文是“一步一步”就可以让模型准确率提升明显。这个是可以在Kimi上验证

strawberry里面有几个r，直接问，回答就是2个

如果加上“一步一步，写出计算过程”，答案就是3个

冠军用的结构化提示词：CO-STAR 

【07  CO-STAR 框架】

 CO-STAR，是一个深受推崇的结构化提示词，这正是 Sheila Teo 用来赢得新加坡 GPT-4 提示词工程竞赛的框架。CO-STAR的每个字母都代表提示词的一个具体部分：

• "C"代表“Context（上下文）” 你可以在这里给出任何相关的背景信息比如你自己或是你希望它完成的任务的信息。

• "O"代表“Objective（目标）” 在这里，你需要给出非常明确的指示告诉 ChatGPT 你希望它做什么。

• "S"代表“Style（风格）” 在这一部分，我们需要告诉 大模型 我们想要的写作风格可以是有趣的，比如我们希望它以 鲁迅 的风格来写作或者像莫言那样的风格。

• "T"代表“Tone（语调）” 你希望回答的语调是什么？幽默的？冷静的？有威胁性？情绪化的？

• "A"代表"Audience"，即我们要告诉 大模型的听众是谁。比如说讲法律，如果目标听众是幼儿园的孩子，那么结果会截然不同于目标听众是法学院学生的情况。

• 最后一个字母"R"，代表"Response"——我们想要的回应类型。我们需要一份详细的研究报告吗？或者需要一个表格？我们需要一个复杂的编程格式，比如 JSON 吗？或者只是一大堆文字？

基本上，使用 CO-STAR 的指南，你需要提供的所有信息大模型都能处理，以便精确地回答你的问题。

最神奇的模式：懒人模式

【08 - 懒人模式，让大语言模型自己写提示词】
如果你很懒，不想思考提示词怎么写，嫌CO-STAR太麻烦，不妨试试让大模型自己写提示词。因为实际上，大语言模型是比人类更善用写提示词的。所以，我们只需要告诉大模型，我们要做什么，让大模型自己设计一个提示词可以了。

在豆包上试了一下：

我问：

“帮我写一篇关于人工智能的论文，请问我要提供什么信息给你”。

************豆包的回答开始***********

为了帮你写一篇人工智能的论文，你可以提供以下信息：

一、论文的具体要求

1. 论文的主题方向或具体题目，例如 “人工智能在医疗领域的应用”“人工智能对未来就业的影响” 等。

2. 论文的字数要求。

3. 特定的格式要求，比如是否需要特定的引用格式（APA、MLA 等）。

4. 是否有特定的结构要求，比如是否需要明确的引言、正文和结论部分，或者是否需要加入案例分析等特定章节。

二、你的观点和立场

1. 你对人工智能的总体看法，是积极的、消极的还是中立的？

2. 对于特定的人工智能应用领域，你的观点和态度是怎样的？

三、相关的研究和经验

1. 你是否有过与人工智能相关的研究经历或项目经验？如果有，可以提供一些具体的细节和成果。

2. 你是否了解一些特定的人工智能技术或算法？可以提供一些相关的名称和简要介绍。

3. 你是否阅读过一些与人工智能相关的文献、书籍或报告？可以提供一些参考文献的信息，以便我在论文中进行引用和讨论。

四、案例和数据需求

1. 如果你希望论文中包含特定的人工智能应用案例，可以提供案例的相关信息，包括应用领域、技术实现、效果等。

2. 如果你需要特定的数据来支持论文中的观点，可以提供数据的来源或需求方向，以便我进行数据收集和分析。

五、目标读者和用途

1. 论文的目标读者是谁？是专业的学术研究者、行业从业者还是普通大众？

2. 论文的用途是什么？是用于学术研究、课堂作业、工作汇报还是其他目的？这将影响论文的语言风格和内容深度。

************豆包的回答结束***********

哈哈，这招真是好用啊！！要不是专家的提醒我真是不知道啊！！！

最后总结：

最基本的——提问清晰具体：勤用表达格式的符号，问题明确具体有上下文，角色扮演有帮助。

进阶的——给模型样本，提醒模型反省，提示模型CoT

冠军之选—— 结构化的CO-Star

懒人可用——大模型自己写提示词

还有一个重要的“心法”大家要记住，就是“把AI当人看”，你再回头看上面的这些不同层级的交流方式，或者像给一个下属布置任务，或者像请一个专家帮忙，其实你在现实中怎么和他们沟通，和AI也要用同样的方式。像CoT，Step by Step很符合人类心理学特征，看来大模型的数字神经网络和人类大脑的神经网络结构上的相似导致了行为上也相似，牢记这一点非常有用。