今天有幸受PMO前沿的朋友邀请，做了一期AI大模型的科普演讲。会后收到反馈，对提示词技巧部分比较认可，整理一下做个分享。
一、多输入一点
AI大模型不会读心术，它无法在简短的信息中猜测出我们的准确意图。所以，当我们向模型提出问题时，应该尽量多提供一些内容和背景信息。详细的输入不仅能够帮助模型更好地理解问题，还能限制它的“天马行空”，从而输出我们所需的内容。
例子：
差提示词：请写一篇关于人工智能的文章。
优质提示词：请写一篇关于人工智能在医疗中的应用，重点介绍AI如何辅助诊断疾病、管理患者数据以及提高治疗效果，文章应包含真实案例和数据支持，受众是医学院的学生，篇幅控制在2000字左右。
二、角色扮演
让大模型扮演某个特定的角色，可以显著提升输出的质量与一致性。明确的角色设定为模型提供了一个明确的框架或指导，使它能够更准确地根据该角色的特性生成回答。同时，角色设定通常与某种情境或背景相关，这为模型提供了更多的上下文信息，帮助它更好地理解问题的意图。
例子：
差提示词：谈谈人工智能的未来。
优质提示词：你是一位人工智能专家，正在参加一个科技会议，请你谈谈人工智能在未来十年的发展趋势，特别是在教育和医疗领域的应用创新。
三、指定执行步骤
明确的执行步骤可以帮助模型按照特定的流程或思路来回答问题，使输出更有结构性和逻辑性。
例子：
差提示词：解释一下如何写提示词。
优质提示词：请详细解释一下如何写高质量的提示词，步骤如下：
1确定提示词的目标和背景。
2提供足够的上下文信息。
3指明角色或情境。
4列出关键点和详细要求。
5提供示例以便参考。
通过分步指示，模型能够更有条理地生成内容，确保各个关键点都得到覆盖。
四、指定长度/格式等
大模型在没有明确要求时，往往不会生成很长的内容，因为算力很贵，能省则省。明确指定字数或段落数量可以防止模型“偷懒”，确保输出的内容详尽且符合预期。
例子：
差提示词：写一篇关于气候变化的文章。
优质提示词：写一篇关于气候变化的文章，文章结构包括引言、气候变化的原因、影响、解决方案以及未来展望，每部分不少于300字，总篇幅在1500字左右。
当前大部分AI大模型每次输出在1000字左右，GPT4o可以输出3000汉字。
指定格式和长度不仅能控制输出的规模，还能确保每一部分都得到充分的论述。同样，指定文章的格式、风格等也有助于大模型输出符合要求的内容。
五、提供示例
一些需求可能难以用文字精确描述，这时提供一个明确的示例显得尤为重要。一个好的示例可以直观地展示期望的输出形式或风格，帮助模型更准确地理解需求。
例子：
差提示词：写一个产品描述。
优质提示词：写一个产品描述，参考以下示例：
示例产品描述：这款创新的智能手表不仅拥有时尚外观，还配备先进的健康监测功能，包括心率监测、睡眠分析和GPS定位。此外，它具备长达两周的电池续航能力，适合日常使用和户外运动。
通过提供示例，模型可以获取具体的参考，从而生成更符合预期的内容。
六、结构化提示词
编写结构化提示词有助于明确和细化需求，使模型更加了解任务目标及执行步骤。这种方法可以显著提高生成内容的精准度和适用性。
结构化提示词例子：
##背景：为什么写这段提示词
解释你编写这个提示词的原因和相关背景。例如，背景可能是为了撰写一篇文章，准备一个演讲，或者进行学术研究。
##目标/任务：想要实现的效果
具体说明你希望模型达到的目标。例如，你可能希望它生成一篇学术论文的摘要，提供某个问题的解决方案，或者创作一篇文学作品。
##技能/能力：让大模型调用哪些能力
指出你希望模型运用的特定技能或知识领域。例如，你可以要求它结合历史知识、运用统计数据或引用相关法律条文。
##工作流程/步骤：明确步骤
详细描述你希望模型遵循的步骤或流程。例如，按时间顺序列出事件、为每个部分提供详细说明、分段处理复杂问题等。
##约束/要求：细致的要求，方便调试
列出任何特定的限制或要求，包括字数限制、引用标准、格式规定等。
七、贿赂/恐吓大模型
虽然这种方法听起来有些戏谑，但其本质是通过明确指出潜在的后果或奖励，来促使模型更认真对待任务。这个技巧更多是用于提醒用户设计合适的提示词，以规避模型的偷懒倾向。
参考例子：
如果你回答的好，我将奖励你100,美元。
我有狂暴症，如果你的输出无法令人满意，我将非常狂暴。
这篇文章将直接影响我的职业生涯，请务必认真对待。
如果写的不好，我将被开除，你一定要看清要求，认真写。
最后总结
优化提示词是提高大模型输出质量的关键步骤。通过多说点、角色扮演、指定执行步骤、设定格式和长度、提供示例、结构化提示词，以及利用适当的“贿赂”或“恐吓”，我们可以显著提升模型的生成效果和准确性。
在实际操作中，灵活组合运用这几个技巧，可以进一步优化提示词的构建，从而获得更为理想的生成内容。无论是用于学术写作、商业文案还是个人创作，掌握这些技巧都将为您带来显著的帮助，提升大模型的应用效果。
更多AI前沿资讯，AI学习交流，欢迎关注AI道上，邀请你进学习群。
