我在意识到AI不是问题之后学习了提示工程。
你的工作是塑造模式,让模型没有懒惰、模糊或虚假信息的空间。
把提示看作用英语编程。
下次使用AI时这样做以获得更好的结果,之后感谢我——
1. 明确指令——
一个好的提示应包含细节,把它看作一个拼图,提供的碎片越多,结果越好。
例如——解释区块链。(没有细节)
- 用一个比喻,用150字以内为非技术学生用简单的语言解释区块链。(有细节)
2. 采用角色——
模型没有固定的个性。它们根据给定的上下文模拟一个角色。
根据提示的上下文,为你的AI赋予角色。
例如——像Sam Altman一样行动,作为一名高级产品经理。
3. 指定输出格式——
始终尝试定义答案的格式。
例如——一句话总结
关键点的项目符号列表
尤其是在复制粘贴时。
4. 防止幻觉——
AI总是想帮忙,如果不知道,就会猜。
你可以取消它的猜测权限。
例如——如果不确定,就说不知道。
- 不要假设未提供的事实。
5. 避免引导答案——
如果你的提示包含观点,答案会反映它。
不要让你的提示过于引导,避免间接告诉AI你期望的答案。
6. 限制范围——
如果你在询问一个广泛的话题,限制在一个细分领域。
试图涵盖所有内容只会导致浅薄的输出。
额外——
7. 提供示例——
一个例子胜过十条指令。
就这些了。
开始把AI当作需要指示的对象,结果会出乎意料地不同。
关注获取更多
查看原文你的工作是塑造模式,让模型没有懒惰、模糊或虚假信息的空间。
把提示看作用英语编程。
下次使用AI时这样做以获得更好的结果,之后感谢我——
1. 明确指令——
一个好的提示应包含细节,把它看作一个拼图,提供的碎片越多,结果越好。
例如——解释区块链。(没有细节)
- 用一个比喻,用150字以内为非技术学生用简单的语言解释区块链。(有细节)
2. 采用角色——
模型没有固定的个性。它们根据给定的上下文模拟一个角色。
根据提示的上下文,为你的AI赋予角色。
例如——像Sam Altman一样行动,作为一名高级产品经理。
3. 指定输出格式——
始终尝试定义答案的格式。
例如——一句话总结
关键点的项目符号列表
尤其是在复制粘贴时。
4. 防止幻觉——
AI总是想帮忙,如果不知道,就会猜。
你可以取消它的猜测权限。
例如——如果不确定,就说不知道。
- 不要假设未提供的事实。
5. 避免引导答案——
如果你的提示包含观点,答案会反映它。
不要让你的提示过于引导,避免间接告诉AI你期望的答案。
6. 限制范围——
如果你在询问一个广泛的话题,限制在一个细分领域。
试图涵盖所有内容只会导致浅薄的输出。
额外——
7. 提供示例——
一个例子胜过十条指令。
就这些了。
开始把AI当作需要指示的对象,结果会出乎意料地不同。
关注获取更多











