学习路径 · 用好 AI
让回答变好的 5 个提示词技巧
同一个大模型,有人用成助手,有人用成废物。差别不在模型,在提示词怎么写。下面 5 个技巧,每一个配一条坏提示词和一条好提示词——对比着看,马上能懂。
给角色
大模型没有身份感。你问它“帮我写一封招聘文案”,它输出标准模板——能用,但平庸。给它一个角色,它就入了戏。
坏:帮我写一封招聘文案。
好:你是一个资深的HR,手里有一个技术团队急招一位后端工程师。帮我写一封招聘文案,语气要专业但不死板,突出技术栈和团队氛围。
角色就是锚。锚定了,模型才知道用什么语气、什么视角说话。
给上下文
模型没有读心术。它不知道你在什么场景下提问,不知道你之前做了什么。
坏:用Python写一个爬虫。
好:我从一个电商网站的商品列表页抓取价格和库存。页面没有API,数据在HTML的<div class="product">里。帮我用Python写一个爬虫,要求处理分页和反爬机制。
上下文越具体,模型越少猜。它不需要猜的时候,准确率直接翻倍。
给格式要求
模型默认输出一段话。但一段话不是最好的组织方式。告诉它你希望看到什么格式,它就能换结构。
坏:比较Python和JavaScript的优缺点。
好:比较Python和JavaScript的优缺点,用表格输出。列名:维度、Python、JavaScript。维度至少包括:类型系统、性能、生态、学习曲线、适用场景。
表格、列表、三段式、JSON——格式就是思维框架。模型按框架填内容,比自由发挥整齐得多。
给例子(Few-shot)
只给指令,模型靠训练数据里的统计规律猜你要什么。给一个例子,它直接抄作业。这叫 Few-shot——给一两个样本,模型就明白输出风格和结构。
坏:把这段话改写成更专业的版本:这个项目进度有点慢,大家要加把劲。
好:参考这个例子改写以下文本。
原文:这个功能有点难做。
改写:该功能的开发周期超出了预期,需要调整排期。
现在改写这段:这个项目进度有点慢,大家要加把劲。
一条好例子,顶十条指令。
明确限制条件
不说限制,模型默认走最安全、最啰嗦的路线。每条输出都像免责声明。砍掉噪音的唯一办法——把负面约束写进提示词。
坏:帮我写一封会议邀请邮件。
好:帮我写一封会议邀请邮件。要求:不超过200字,不要客套话,直接写时间地点议程。不需要附件。
不说“短”说“200字”,不说“简练”说“不要客套话”。限制越可测量,模型越老实。
五个技巧,拆开看都不难。难的是养成习惯——每次写提示词前,停两秒,问自己一句:角色给了吗?上下文够吗?格式说了吗?例子放了吗?限制写了吗?
不用全用。每多用一条,输出质量就上一个台阶。
参考
- White et al. A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. arXiv:2302.11382, 2023.
- OpenAI. Prompt Engineering Guide. platform.openai.com, 2023.
- Anthropic. Prompt Engineering Overview. docs.anthropic.com, 2024.