在我们这个技术进步的社会，人工智能（AI）平台的出现和日益增长的使用带来了有趣的机会和挑战，这涉及到有效的人机互动。人们可能会假设，AI的成功主要在于AI本身的编程。然而，我们认为，一个有效的AI对话的关键不仅仅在于AI的能力，而更在于用户如何向AI提出问题。能够为AI（如OpenAI的GPT-3或GPT-4）创建有效且具有针对性的提问，可以极大地提高生成的回答的质量，提供更符合用户意图的洞察。
本文考察了向AI提问的科学与艺术，并提出了一个全面的框架，以帮助用户改善他们与AI的对话。我们将这些策略分为三类：（1）设置交互，（2）引导对话，（3）应对障碍。
01
设置交互
与AI的交互的初步设置对于塑造后续对话至关重要。我们发现了三个关键策略：
（1）设定舞台：明确定义对话的范围和性质有助于引导AI的回应。这可能包括所需的正式程度、细节层次，或使用特定的话语风格。
- 示例：
- 效果较差： "告诉我关于气候变化的事情。"
- 改进后： "你能根据最新的研究，对气候变化的社会经济影响提供详细的总结吗?"
（2）使用明确的指示：在指示中明确、简洁和直接可以显著提高AI回答的准确性和相关性。
- 示例：
- 效果较差： "谈谈气候变化的影响。"
- 改进后： "请总结气候变化在发展中国家产生的前三大经济影响。"
（3）管理期望：指出期望的输出结构可以引导AI以更符合用户偏好的格式生成回答，使回答更易于理解和使用。
- 示例：
- 效果较差： "气候变化有什么影响?"
- 改进后： "列出气候变化对全球农业的五大关键影响。"
02
引导对话
一旦交互设定完毕，就必须有效地引导对话，以保持相关性和连贯性。这一类别中的关键策略是：
（1）引导焦点：通过突出显示关键的兴趣领域或重要内容，来引导对话。这有助于保持对话与所需主题的相关性。
- 示例：
- 效果较差："讨论气候变化。"
- 改进后："讨论气候变化对小型农场主的影响。"
（2）提供语境线索：提供背景信息或明确对话的语境可以帮助生成更微妙且准确的回应。
- 示例：
- 效果较差："我们如何应对气候变化?"
- 改进后："考虑到发展中国家的资源有限，我们如何有效地应对气候变化?"
（3）要求详细说明：这可以推动AI更深入地探讨一个主题，提供更详细和全面的回答。
示例：
- 示例：
- 效果较差："什么是巴黎协定?"
- 改进后："你能详细说明巴黎协定对全球碳排放的影响吗?"
03
应对障碍
在任何对话中，都可能出现可能使对话脱轨的障碍。可以使用以下策略：
（1）解决歧义：尽可能减少使用含糊不清的词语和短语。在无法避免歧义的情况下，提供澄清或定义可能会有所帮助。
- 示例：
- 效果较差："讨论气候变化对经济的影响。"
- 改进后："讨论气候变化对内陆国家经济的影响。"
（2）缩小宽泛的主题范围：如果一个主题太过宽泛，AI可能会提供一般性或高层次的回答。缩小主题范围可以导致更集中和详细的回答。
- 示例：
- 效果较差："什么是气候变化?"
- 改进后："气候变化在撒哈拉以南非洲地区的原因和影响是什么?"
（3）排除不需要的主题：如果有与主要主题相关但你希望避免的主题，明确指出这些排除项可以帮助获得更有针对性的回应。
- 示例：
- 效果较差："告诉我关于气候变化的事情。"
- 改进后："你能谈谈气候变化的社会经济影响，不包括直接的环境影响吗?"
04
实际应用
为了看到这些提示在实践中如何发挥作用，考虑以下示例：
典型的提示和回应：
- 用户： "告诉我关于气候变化的事情。"
-GPT： "气候变化是指温度和天气模式的长期变化。主要原因是人类活动，如燃烧化石燃料，这增加了地球大气中的温室气体水平，导致了温度升高，也就是'全球变暖'......"
改进后的提示和回应：
- 用户： "考虑到最近的研究，你能详细地说明气候变化在发展中国家可能产生的社会经济影响吗? 请不要包括直接的环境影响。"
- GPT："气候变化对发展中国家的社会经济影响是实质性的，也是复杂的......"
在这个示例中，改进后的提示应用了以下准则：
1. 设置交互：用户通过明确指定“最近的研究”，设置了一个清晰的交互环境，这表明了对更新、学术层次信息的请求。
2. 引导对话：用户通过要求详细说明一个特定的方面——“气候变化在发展中国家的社会经济影响”进一步引导了对话。这有助于将AI的关注焦点缩小到一个特定的领域。
3. 处理障碍：用户通过明确表示“不包括直接的环境影响”来处理潜在的障碍。这防止了AI偏离到相关但不同的主题区域。
通过这个框架，我们希望为用户提供策略，以增强他们与AI的交互，从而获得不仅相关，而且有洞察力和准确的回应。精通这些策略将确保AI作为一个有效的工具，用于扩大知识，催化创新和进行有意义的对话。
