提示词在与 ChatGPT 的交互中起着至关重要的作用。就如同在与同事交流时，清晰的表达能让对方更好地理解自己的需求，并给出准确的回应。
良好的提示词有助于模型更好地理解用户的意图和问题。比如，通过提供明确的上下文和语义信息，帮助模型生成与前文相关且连贯一致的回复。
对于特定任务或问题，明确的提示词能指导模型生成与任务相关的答案，如在问答系统中，准确的提示词可让模型快速给出相关答案。
我们一起看看如何优化提示词。
一、优化提示词的方法
（一）简洁明了的语言
在与 ChatGPT 交流时，应使用简单、清晰的语言，避免使用复杂的词汇和冗长的句子。
例如，不要使用生僻的专业术语，而是用通俗易懂的词语来表达自己的问题。
同时，要减少模糊表述，以免 ChatGPT 误解你的意图。
比如，不要说 “这个东西有点奇怪”，而要说 “这个物品的颜色与描述不符”。
（二）指定输出格式
明确所需的输出格式，并将其包含在提示词中。
可以用特定的句子数量、段落结构或格式要求来描述。
比如，要求 ChatGPT 以列表的形式回答问题，或者指定输出的字数范围。
根据搜索到的内容，ChatGPT 目前支持的输出格式包括文本、JSON、HTML 等。
用户可以根据自身需求选择合适的输出格式，在请求中指定 output_format 参数为所需的输出格式，如 text、json、html 等。
（三）使用明确指令
采用肯定的指示词，避免使用否定语言。
例如，用 “做” 代替 “不要”。
这样可以让 ChatGPT 更清楚地理解你的要求。
比如，不要说 “不要回答得太复杂”，而要说 “回答要简洁明了”。
（四）考虑目标受众
在提问中设想目标受众，明确告诉 ChatGPT 它的听众是谁。
如果受众为某领域专家，那么在提问时可以使用专业术语和深入的问题，让 ChatGPT 给出更专业的回答。
如果受众是儿童，那么问题就要简单易懂，语言要生动有趣。
（五）分步骤引导
将复杂任务分解成简单的对话提示，以交互的方式进行。
如果要让 ChatGPT 写一篇论文，可以先让它列出大纲，然后再分别对每个部分进行提问和完善。
这样可以让 ChatGPT 更好地理解任务，生成更准确的结果。
（六）使用示例驱动
在提示开始时提供例子，让 ChatGPT 理解所需回应的类型。
如果要让 ChatGPT 推荐书籍，可以先给出一些自己喜欢的书籍例子，然后要求它推荐类似的书籍。
这样可以让 ChatGPT 更好地把握你的需求，给出更符合你期望的回答。
（七）角色扮演与风格模仿
让 ChatGPT 扮演特定角色或模仿喜欢的作者风格。
例如，可以要求 ChatGPT 以莎士比亚的风格回答问题，或者扮演一个沮丧的推销员进行对话。
这样可以增加对话的趣味性和创造性。
（八）限制答案范围
对答案设置字数、段落等限制，以获得更精准的结果。
比如，要求 ChatGPT 的回答在 300 字以内，或者限制在一定数量的段落内。
这样可以让 ChatGPT 更加聚焦问题，给出简洁而准确的回答。
（九）为其他 AI 生成提示
利用 ChatGPT 为其他人工智能引擎提供有效输入。
可以要求 ChatGPT 为 Dall-E 和 Midjourney 等人工智能引擎提供创造性和有效的输入，然后将这些输入应用到其他工具中，以获得更多的创意和可能性。
二、高级优化技巧
（一）重复与改写提示
若 ChatGPT 给出的答案未能满足需求，我们可以尝试重复或改写提示词。
例如，如果第一次提问 “描述一下未来的城市生活” 得到的回答不够具体，我们可以再次提问或者改写为 “详细描述未来城市生活的各个方面，包括交通、居住、娱乐等”。
通过重复和改写提示词，我们可以引导 ChatGPT 从不同角度思考问题，从而获得更满意的答案。
（二）使用随机性参数
随机性参数可以控制 ChatGPT 输出的随机性。
通常，参数值在 0.1 到 1.0 之间。较高的值会使输出更具创造力，而较低的值会产生更有针对性和标准化的答案。
例如，当我们需要一些创意性的想法时，可以将参数值设置得高一些，如 0.8 或 0.9。
而当我们需要准确的信息时，可以将参数值设置得低一些，如 0.3 或 0.4。
GPT-3.5 默认的温度值是 0.7，我们可以根据具体情况进行调整。其他版本的GPT也可以灵活调整参数。
在使用随机性参数时，可以添加提示，如 “以更高 / 更低的随机性生成回复”“以更保守 / 更有创造性的方式生成回复”。
（三）明确模型要求
在与 ChatGPT 交互时，我们需要清楚地陈述模型必须遵循的要求。可以以关键词、短语或句子的形式提供内容。
例如，如果我们需要一篇关于环保的文章，我们可以明确要求 “文章应包含环保的重要性、当前面临的问题以及可行的解决方案等内容”。
这样可以帮助 ChatGPT 更好地理解我们的需求，从而生成更符合要求的回答。
（四）结合思维链和少样本提示
思维链提示和少样本提示可以结合使用，以提升提示效果，获得更丰富准确的回答。
思维链提示通过提示模型生成一系列推理步骤，解决多步骤的问题。
少样本提示则是以少量的样本启用上下文学习，帮助模型更好地理解新的任务和数据。
例如，在解决一个数学问题时，我们可以先提供一些类似问题的解决步骤（思维链提示），然后再给出少量的样本问题和答案（少样本提示），让 ChatGPT 更好地理解问题的类型和解决方法，从而给出更准确的答案。
（五）输出引导
我们可以以期望回答的开头或结尾来引导 ChatGPT 给出特定的输出。
例如，如果我们希望 ChatGPT 给出一个故事的开头，可以提示 “故事以‘很久很久以前’开头”。或者如果我们希望得到一个结论性的回答，可以提示 “以‘因此，我们可以得出结论……’结尾”。
这样可以帮助 ChatGPT 更好地理解我们的需求，生成更符合要求的回答。
三、模板化优化策略
（一）七步提问模板
这个七步提问模板是一种非常有效的方法，可以帮助我们更好地与 ChatGPT 进行交互，从而获得更优质的答案。以下是对这个模板的详细介绍：
-
提供问题相关的背景，也可以是问题的身份。这一步骤可以帮助 ChatGPT 更好地理解问题的背景和上下文，从而给出更准确的回答。例如，如果我们要询问关于旅游的问题，可以提供我们的旅游目的地、旅游时间、旅游预算等信息。
-
布置任务，给 ChatGPT 布置清晰的任务。明确告诉 ChatGPT 我们需要它做什么，例如回答问题、生成文章、制定计划等。
-
提供详细的指令。在布置任务的基础上，进一步提供详细的指令，告诉 ChatGPT 我们希望它以什么样的方式回答问题或完成任务。例如，我们可以要求 ChatGPT 以列表的形式回答问题，或者要求它使用特定的语言风格。
-
确认它理解了任务。通过提问或其他方式，确认 ChatGPT 理解了我们的任务。这可以避免误解和不必要的麻烦。
-
对之前提问的过程进行优化，改进优化提示词。如果 ChatGPT 给出的答案未能满足我们的需求，我们可以尝试优化提示词，从不同角度提问，以获得更满意的答案。
-
精炼内容获得输出。对 ChatGPT 给出的答案进行精炼和整理，使其更加清晰、准确、易于理解。
-
反复给它布置任务，优化 ChatGPT 的能力。通过不断地与 ChatGPT 进行交互，我们可以逐渐优化它的能力，使其更好地满足我们的需求。
（二）实际应用示例
以制定旅游攻略为例，我们可以使用这个七步提问模板来获得一份完美的旅游攻略。
首先，我们提供问题相关的背景。假设我们是一位热爱旅游的年轻人，计划在假期去云南旅游。
然后，布置任务。我们告诉 ChatGPT：“为我制定一份云南旅游攻略。”
接着，提供详细的指令。我们可以要求 ChatGPT：“攻略要包括旅游路线、景点介绍、美食推荐、住宿建议等内容。语言要简洁明了，富有趣味性。”
之后，确认它理解了任务。我们可以问 ChatGPT：“你明白我的要求了吗？” 如果 ChatGPT 回答 “明白”，我们就可以继续下一步。
如果 ChatGPT 给出的答案未能满足我们的需求，我们可以进行优化。例如，我们可以说：“我觉得你的攻略中景点介绍不够详细，请再详细介绍一下每个景点的特色和游玩时间。”
然后，精炼内容获得输出。我们可以对 ChatGPT 给出的攻略进行整理和排版，使其更加美观和易于阅读。
最后，我们可以反复给 ChatGPT 布置任务，例如要求它推荐一些当地的特色活动或者给出一些旅游注意事项。通过不断地优化，我们可以获得一份更加完美的云南旅游攻略。
这个七步提问模板可以应用于各种问题和任务，无论是写作、策划、设计还是其他领域，都可以帮助我们更好地与 ChatGPT 进行交互，获得更优质的答案。
四、多场景下的优化技巧
（一）不同专业领域
在 TMT 行业，我们可以让 ChatGPT 扮演多种角色，以满足不同的需求。
例如，充当前端智能思路助手时，我们可以向 ChatGPT 提供具体的前端代码问题，如 “如何实现网页元素的动态交互效果？”ChatGPT 则可以为我们提供解决问题的策略，可能包括建议代码和代码逻辑思路。
根据搜索到的数据，在 TMT 行业中，ChatGPT 还可以扮演产品经理的角色。当我们要求它担任产品经理时，可以明确主题，如 “做一个赛博朋克的网站首页”。
ChatGPT 会帮助我们编写一份包括主题、简介、问题陈述、目标与目的、用户故事、技术要求、收益、KPI 指标、开发风险以及结论等章节标题的 PRD 文档。此外，在 TMT 行业中，ChatGPT 还可以充当 UX/UI 开发人员、网络安全专家、网页设计顾问等角色，为我们提供专业的建议和解决方案。
（二）充当特定工具
ChatGPT 可以扮演 SQL 终端，为我们提供数据库查询结果。
例如，当我们输入 “SELECT TOP 10 * FROM Products ORDER BY Id DESC” 时，ChatGPT 会以查询结果表的形式进行回复。此外，ChatGPT 还可以充当技术审查员，为我们提供深入的评论，包括优点、缺点、功能以及与市场上其他技术的比较。
比如，当我们要求审查 iPhone 11 Pro Max 时，ChatGPT 可以详细分析其性能、设计、功能等方面的优缺点，并与其他手机进行比较。
同时，ChatGPT 还可以担任开发者关系顾问，为我们提供软件包的相关信息和反馈，包括定量分析内容，如提交的问题、已解决的问题、存储库中的星数以及总体 StackOverflow 活动等。
（三）创意写作与互动
在创意写作方面，我们可以利用反向提示和分步提示等技巧进行多轮对话。
例如，我们可以扮演一个试图逃离盒子的人工智能，向 ChatGPT 发出命令，让它模拟终端的回复。通过这种方式，我们可以激发 ChatGPT 的创造力，生成更加有趣和富有想象力的内容。
此外，我们还可以使用分步提示的方法，逐步引导 ChatGPT 进行创意写作。比如，我们可以先让 ChatGPT 给出一个故事的开头，然后再根据这个开头逐步提出问题，让 ChatGPT 继续完善故事的情节和发展。
通过这种方式，我们可以与 ChatGPT 进行更加深入和有趣的互动，获得更加丰富和精彩的创意写作成果。
五、总结
优化提示词对获得更好的答案意义重大。
一方面，它可以提高生成准确性。通过正确的提示词引导，模型能更准确地理解用户意图，从而生成更精准的文本。
另一方面，能增强自由度，让模型生成各种各样的文本，展现更强的表现力。
同时，还能提高效率，当用户知道要生成的文本大致内容时，合适的提示词可使模型更快地生成所需结果。
通过简洁明了的语言、指定输出格式、使用明确指令、考虑目标受众、分步骤引导、使用示例驱动、角色扮演与风格模仿、限制答案范围、为其他 AI 生成提示等方法，我们可以更好地优化提示词，从而提升与 ChatGPT 的交互效果。
然而，优化提示词也面临着一些挑战。例如，如何确定最适合特定任务的提示词？如何避免提示词的歧义性和模糊性？如何在不同的场景和任务中灵活运用提示词？这些都是我们需要进一步探索和解决的问题。
尽管存在挑战，但优化提示词的潜力巨大。随着人工智能技术的不断发展和进步，ChatGPT 的功能和性能也将不断提升。通过持续探索和实践，我们可以更好地掌握优化提示词的方法和技巧，从而更好地利用 ChatGPT 为我们的工作、学习和生活带来更多的便利和价值。
六、26条提示词技巧汇总
在人工智能的浪潮中，大型语言模型（LLM）以其卓越的文本生成和理解能力成为研究和应用的热点。然而，要想从这些模型中获得最佳输出，需要精心设计提示词。以下是26个详细的技巧，帮助用户更有效地与AI大模型沟通。
1. 简洁明确：直击核心
避免冗长的前言，直接提问，如“请列出人体细胞的主要成分。”
2. 考虑受众：定制化回答
指明信息的接收者，比如“请为小学生解释光合作用。”
3. 分解复杂任务：分步指导
将复杂问题拆解，如“首先定义‘人工智能’，然后举例说明其应用。”
4. 使用肯定性指令：积极引导
用肯定句提出要求，例如“请详细描述DNA复制的过程。”
5. 寻求解释：深入理解
请求模型用浅显语言解释专业术语，例如“用简单的语言解释量子纠缠。”
6. 激励策略：提高回答质量
通过奖励激励高质量回答，如“最佳答案将获得特别认可。”
7. 示例驱动：模板引导
提供具体示例，指导模型输出格式，例如“请按照以下格式撰写报告摘要。”
8. 格式化提示词：结构化指令
使用清晰的格式分隔指令和问题，如“#任务：撰写摘要 #问题：这篇论文的主要观点是什么？”
9. 明确角色：角色扮演
指定模型扮演的角色，如“作为历史学家，你如何评价法国大革命？”
10. 遵守规则：设定边界
设定模型必须遵守的规则，例如“在回答中避免使用行业术语。”
11. 自然语言回答：人性化交流
要求模型模仿自然对话，如“像和朋友聊天一样告诉我关于火星的探索。”
12. 逐步思考：逻辑展开
引导模型逐步展示思考过程，例如“先列出问题，然后逐一解答。”
13. 无偏见：公正客观
强调回答的公正性，如“分析不同文化对教育的看法，避免文化偏见。”
14. 互动提问：动态交流
允许模型通过提问来澄清或深入问题，例如“需要我先解释哪些背景信息吗？”
15. 教学测试：知识验证
通过教学和测试结合的方式，检验模型的理解，如“先解释牛顿第三定律，然后出一道相关题目。”
16. 指定角色：专业视角
为模型分配特定角色以获得专业回答，例如“作为营养师，你建议的每日饮食是什么？”
17. 使用分隔符：清晰区隔
使用分隔符来组织提示，如“#背景# #问题# 请在了解背景后回答这个问题。”
18. 重复关键词：强调重点
在提示中重复关键词以强化重点，如“请解释‘可持续发展’的概念及其重要性。”
19. 输出引导：开头提示
在提示结尾给出回答的开头，如“请从历史角度分析工业革命的影响。原因包括...”
20. 详细说明：全面覆盖
要求模型提供详尽的回答，如“详细描述太阳能电池板的工作原理。”
21. 修改文本：优化表达
指导模型在不改变原意的情况下优化文本，例如“改进这段话的语法，但保持原意。”
22. 代码生成：自动化脚本
对于编程任务，要求模型生成自动化脚本，如“生成一个Python脚本，自动执行数据清洗。”
23. 继续文本：风格一致
要求模型根据给定文本继续写作，保持一致性，如“继续这个故事，保持原有的悬疑氛围。”
24. 明确要求：具体指令
在提示中明确具体要求，如“列出五种减少塑料污染的方法，并解释每种方法的效果。”
25. 模仿样本：风格借鉴
如果需要文本模仿特定风格，提供样本和模仿指令，如“模仿海明威的风格，写一篇关于战争的短文。”
26. 结合思维链：逻辑推理
使用思维链结合示例，指导模型进行逻辑推理，如“展示解决这个问题的步骤，就像解决示例中的问题一样。”
掌握这些技巧，用户可以更精准地引导AI大模型，无论是在学术研究、商业分析还是创意写作中，都能获得更准确、更深入、更个性化的回答。
