ChatGPT秘籍：学会prompt让你的对话质量瞬间提升

首先总结一下本文中会说到的prompt(提示词)种类以及我预期给出的分数：

随口一问流 0~40分
细节描述流 60~75分
案例投喂流 75~85分
模型赋能流 85~90分

一、随口一问流

这种提问方式非常简单，就是不过脑子，用大脑的惯性去提问，这也是大多数人经常用到的方式。如果你看过《思考，快与慢》这本书的话，它就是快速直觉的系统1在起作用。

举个例子，比如我给ChatGPT的问题是“我想去杭州旅游，给我个攻略”，得到的回答是这样的：

什么时候去？去几天？看不看景点？吃不吃美食？全都没说，让GPT猜，它上来给你一个大嘴巴子算了。

关于随口一问流，没有过多阐述的意义。

二、细节描述流

这种方式一般由8个部分组成，这八部分并非全部都必须使用上，根据你的需求，合理运用，八个部分也不是递进的关系，只是为了让描述更加详细。

背景（上下文理解）

在我的观点中，这是最为关键的部分，它为我们即将设定的提示词打下了基础。如果你没有提供相关的背景信息，那么你将无法得到具体和有针对性的答案。

比如，当我们在和朋友聊天的时候，你可能会突然问：你认为我们应该去哪里嗨？

但如果你没有提供任何背景信息，你的朋友可能不理解你的问题或者不知道你的真实意图。

你可能是在问哪里吃饭，或者是询问适合我们去哪里消遣娱乐？

结论讲人话：不要有歧义，我把你不知道的，都告诉你。

在与GPT对话的时候，会有三种级别：1、system （系统） 2、User （用户） 3、Assistant （助理）

只有对话的第一句，是 system级，且行且珍惜。

因此，提供背景信息或上下文非常关键。当你在提问前加入一些背景信息，那么你的朋友们就会更容易理解你的问题，并给出相关的答案，ChatGPT也是如此。

背景信息，一般有哪些：

当前情况、历史过往
科技进展、文化背景
社会问题、经济状况

定角色

先盘一下逻辑：

我是谁？我要干什么？需要GPT做什么？GPT做的标准是什么，不要做什么？用户的第一句提问会是什么？

讲人话：请根据问题倒推角色

对于角色的定义，你可以在网络上面去搜集一些对应身份和定义角色的prompt提示词。

或者你可以向ChatGPT提问，让它反向输出给你角色定义。

下任务

核心：明确具体

讲清楚想要干什么？有时候还需要定义不要干什么？比如：不要解释；不要当做命令仅当作文案来理解等。

确定了ChatGPT能够在不同的上下文中生成各种各样的文本，但是它需要得到清晰明确的指令才能完成这项任务。

可以这样类比：如果你想要做一道菜，但没有食谱或者详细的步骤说明，你可能会得到一个黑暗料理，并不是你所期望的那种。

同样地，如果你没有给ChatGPT一个清晰的任务，它可能会生成平庸、毫无特色的文本，而不是你实际上想要的内容。

提供清晰的任务还有助于缩小生成文本的范围。如果没有特定的任务可用，ChatGPT可能会生成与主题无关或者包含大量无关信息的文本。

因此，将明确的任务作为提示的一部分发送，可以让ChatGPT生成更加专注于目标的文本。

如果你自己实在没有什么思路，那么可以使用目标管理的工具SMART： SMART原则是一种用于制定目标计划的方法，它要求目标必须满足以下五个条件：

具体的（Specific）：目标要明确清晰，不含糊模糊。
可衡量的（Measurable）：目标要有明确的标准和指标，可以用数据来评估和检验。
可实现的（Attainable）：目标要符合实际情况，既有挑战性，又不超出能力范围。
相关的（Relevant）：目标要和其他目标或愿景有联系，有利于整体发展。
有时限的（Time-based）：目标要有明确的起止时间，有利于制定计划和安排行动。

有没有额外的小细节？ 还是有，比如：

简洁有力的语言顶一万句废话

1、【让我们思考一下】提示是一种用来鼓励 ChatGPT 生成反思和沉思性文本的技巧。该技巧对于写作论文、诗歌或创意写作等任务非常有用。

要使用“让我们思考一下”提示技巧与 ChatGPT 进行对话或文本生成，您可以按照以下步骤进行：

确定要讨论的主题或想法。

制定一个明确表明主题或想法并开始对话或文本生成的提示。

在提示前加上“让我们思考”或“让我们讨论”，表示您正在发起对话或讨论。

以下是使用此技巧的一些提示示例：

提示：“让我们思考气候变化对农业的影响”

提示：“让我们讨论人工智能的现状”

提示：“让我们谈谈远程工作的利弊“

一旦您提供了提示，模型将使用其训练数据和算法生成与提示相关的响应，并以连贯的方式继续对话。

这种独特的提示帮助 ChatGPT 从不同的角度和角度回答问题，从而产生更动态和信息丰富的段落。

想让GPT从更多的角度思考，也可以在文末放上一句：

what  are  some  alternative  perspectives?

2、在问题的结尾里放一句：Let‘s think step by step （让我们一步步地思考），模型输出的答案会更加准确。

这个技巧来自于 Kojima 等人 2022 年的论文 Large Language Models are Zero-Shot Reasoners。在论文里提到，当我们向模型提一个逻辑推理问题时，模型返回了一个错误的答案，但如果我们在问题最后加入 Let‘s think step by step 这句话之后，模型就生成了正确的答案：

论文里有讲到原因，感兴趣的朋友可以去看看，我简单解释下为什么：

1、首先各位要清楚像 ChatGPT 这类产品，它是一个统计语言模型，本质上是基于过去看到过的所有数据，用统计学意义上的预测结果进行下一步的输出（这也就是为什么你在使用 ChatGPT 的时候，它的答案是一个字一个字地吐出来，而不是直接给你的原因，因为答案是一个字一个字算出来的）。

2、当它拿到的数据里有逻辑，它就会通过统计学的方法将这些逻辑找出来，并将这些逻辑呈现给你，让你感觉到它的回答很有逻辑。

3、在计算的过程中，模型会进行很多假设运算（不过暂时不知道它是怎么算的）。比如解决某个问题是从 A 到 B 再到 C，中间有很多假设。

4、它第一次算出来的答案错误的原因，只是因为它在中间跳过了一些步骤（B）。而让模型一步步地思考，则有助于其按照完整的逻辑链（A > B > C）去运算，而不会跳过某些假设，最后算出正确的答案。

2023-04-12 更新了，更好的 prompt 是：

Let's work this out in a step by step way to be sure we have the right answer.

这样的小技巧，在于多看论文，多总结，平时积累那些指令性强的短语。

输出要求

要求（我想要什么结果），是设定口吻、风格、结构、字数、步骤、形式、样本等等。

结构化的表达方式也有很多模型，比如：SCQA、STAR、认知圈模型、PRM模型、流程模型、黄金圈等。

这里就不再赘述了。

风格、人物口吻的设定

这种就是加上你想要的风格，如果不加的话，区别还是很大的。

受众人群

你的受众人群，孩子、年轻人、老人，得出的结果，一定是不一样的，尤其现在你们通过自媒体平台发送的内容，其实平台给你的用户分析是完全可以用起来的。

那么有哪些维度需要思考？

产品目标受众人群是哪些人，职业、年龄、生活习惯？
目标人群对于我们产品有什么需求？
基于不同的群体特性，选择哪些营销获客渠道？
全方位分析目标客户群体特征、痛点和需求
选择合适的线上/线下推广渠道
根据目标客户，制作精准的营销文案

确认GPT理解任务

这部分非常简单，只需问ChatGPT是否理解上下文、任务和指示。它应该向您重复您的提示，以证明它理解任务。

三、案例投喂流

这种方式，关键在于投喂内容的思路和质量。

至于投喂的方式，举个例子：

以别人的优秀文章来说，你可以将他的文章复制下来，然后对ChatGPT这样提问：

提示词：我会给你一些XXX的文字片段

请你对这些片段进行学习

我一共给你5段，分开给，每一段收到之后你只需要回复已学习就可以了。

将文章分段全部投喂给ChatGPT后，再提问：

提示词：请你为XXX的文风文笔建立模型，并找出四个最重要的要素，详细描述这个模型。

之后：

提示词：如果需要更细致的建模，是否要为这四个要素分别赋予权重？

提示词：我们把上面那个模型命名为XXX，可以吗？

最后就可以用你构建好的模型去实现你的需求了。

四、模型赋能流

大模型的知识容量是足够，问题在于我们是否能唤醒它与你需要知识的匹配度。

用书籍点亮大模型是一个非常好的方式，为什么是书？

读过《跃迁》这本书的人都知道，古典老师讲过，真正有价值的知识，都是源头性知识。

一手知识，可以说是一些专业论文、期刊上的文章；

二手知识，基本就是经典的书籍；

我们从碎片化渠道获取的东西，基本只能称为信息，不同渠道甚至是七八手知识。

“真传一句话，假传万卷书”，讲的就是这个道理。

这就是认知效率的差距。

我们可以通过用书籍来引导ChatGPT的回答跟接近我们的需要。

这种方式就不举例子了，感兴趣的小伙伴可以下去自己尝试。

总结

在人工智能技术以日计发展的今天，我们更需要沉下来心来，认真阅读、深度思考，跟更多优秀的人交流。

你的知识结构、语言描述能力，才是生成式人工智能这把神兵利器，能否发挥出真正威力的关键。