在数字时期，AI技能的迅猛发展已经深入到我们的日常生活中。无论是智能助手、谈天机器人，还是各种自动化做事，AI都在扮演着重要角色。然而，如何让AI更好地理解并回答我们的提问，提示词的编写至关主要。
本文将带你深入磋商AI提示词写作的技巧，让你轻松得到空想的回答。
一、AI对话的事理
要写好提示词，首先要理解AI天生文本的基本事理。这部分内容看似繁芜，但实在深入浅出地理解后，就能节制与AI对话的诀窍。
AI天生文本依赖于措辞模型，这些模型通过大量的文本数据进行演习，学习措辞的构造和模式。常见的AI措辞模型如GPT（Generative Pre-trained Transformer），它通过对海量数据的剖析，学会了如何在不同语境下天生连贯和故意义的文本。
AI并不像人类那样拥有自主的知识和生活履历，它依赖于提示词供应的高下文信息。这意味着，提示词越清晰、越详细，AI越能理解你的意图。
当用户输入提示词后，AI会通过以下步骤天生回答：
解析提示词：AI首先会解析输入的提示词，提取关键词和语境。检索知识库：根据解析结果，从演习数据中检索干系信息。天生文本：结合高下文和检索到的信息，天生连贯的回答。每一步都依赖于提示词的质量。如果提示词模糊或缺少详细性，AI的解析和检索过程就会受到影响，最终生成的回答也可能不尽如人意。
二、提示词的观点和分类
提示词是用户向AI输入的指令或问题，用来勾引AI天生相应的回答。提示词可以分为系统提示和用户提示两大类。理解这两者的差异有助于更有效地勾引AI天生所需的回答。
系统提示：AI模型内部利用的提示，常日用于辅导模型如何实行特界说务。这些提示常日由AI开拓者或工程师预先设计，用来规范和优化AI的事情办法。特点如下：
预定义：系统提示常日在模型演习或支配时就已经设定好，用户无法直接修正。广泛适用：这些提示适用于多种任务，帮助AI在不同场景下保持同等的表现。行为规范：系统提示可以设定AI的语气、风格和详细行为规范，确保输出的稳定性和质量。比如说：
指示模型如何回答问题：”在回答用户问题时，请保持专业和礼貌的语气，并供应尽可能详细的信息。”设定输出格式： “天生的回答应包含以下构造：弁言、紧张内容和总结。”这种系统提示可以确保AI在不同用户交互中保持同等的语气和构造，提升用户体验。
用户提示：由终端用户输入的详细指令或问题，用来勾引AI天生特定的回答。用户提示的灵巧性和多样性，使得它们能够针对详细需求进行定制。特点如下：
灵巧多变：用户可以根据详细需求和场景随时修正提示词。详细性强：用户提示常日针对特定问题或任务，供应详细的背景信息和哀求。直接交互：用户提示是用户与AI互动的直接办法，决定了AI天生内容的详细方向和质量。比如说：
讯问详细信息：”你能详细先容一下人工智能在医疗领域的运用吗？”哀求特定格式：”请用500字阐明景象变革的缘故原由、影响和应对方法。”通过用户提示，用户可以精准地掌握AI的输出，使其更符合个人需求和特定情境。
三、提示词的原则
一个好的提示词能够：明确AI的任务、供应必要的背景信息、限定回答的范围和深度。 好的提示词应遵照以下原则：
明确性：提示词应清晰明确，避免模糊不清的问题。简洁性：只管即便保持提示词简洁明了，避免过于繁芜的句子构造。详细性：供应详细的背景信息和期望的回答方向，减少歧义。连贯性：在多轮对话中，提示词应保持前后同等，确保对话连贯性。四、提示词框架推举理解了好的提示词原则后，我们来看看一些常用的提示词框架。这些框架不仅能帮助我们更好地组织和表达需求，还能大大提高AI天生的内容质量。
1. ICIO 框架
ICIO框架指的是：Instruction（指令）+Context（背景信息）+Input Data（输入数据)+Output Indicator（输出勾引）。
Instruction（指令）：框架的核心，用于明确AI需实行的任务。编写指令时，应简明扼要，确保AI可准确把握任务目标及哀求。Context（背景信息）：包括任务背景、目的、受众、范围、扮演角色等等，有助于AI理解任务并天生相应。Input Data（输入数据)：奉告模型须要处理的数据，非必需，若任务无需特定的输入数据，则可省略。Output Indicator（输出勾引）：奉告模型输出结果的类型或风格等，如指定所需语气（正式、随意、信息性、说服性等）、定义格式或构造（如论文、要点、大纲、对话）、指定约束条件（如字数或字符数限定）、哀求包含引用或来源以支持信息等。2. CO-STAR框架CO-STAR框架指的是：Context（高下文）、Objective（目标）、Style（风格）、Tone（语气）、Audience（受众）、Response（回答）。
Context（高下文）：供应任务的高下文信息，有助于LLM理解正在谈论的详细情景，确保其答复具有干系性。Objective（目标）：明确你希望LLM实行的任务是什么，有助于LLM把回答的重点放在实现这一详细目标上。Style（风格）：表明你希望LLM利用的写作风格，可以是鲁迅、余华等某个名人的写作风格，也可以是某个行业的某个专家，如商业剖析专家或首席实行官。Tone（语气）：确定回答的态度，可确保LLM的回答与所需的情绪或感情背景符合，如正式的、诙谐的、具有说服力的等。Audience（受众）：确定回答的工具，根据受众（如初学者、儿童等）量身定制LLM的回答，确保其在所需的语境中是恰当的、可以理解的。Response（回答）：明确回答格式，确保LLM按照下贱任务所需的准确格式输出。例如，列表、JSON、专业报告等。3. CRISPE框架CRISPE框架指的是Capacity（能力）、Role（角色）、Insight（见地）、Statement（声明）、Personality（个性）和Experiment（实验）。
Capacity and Role（能力和角色）：指示 LLM 应扮演什么角色，具备什么能力。Insight（见地）：供应你要求的背后见地、背景和高下文。Statement（声明 ）：你哀求 LLM 做什么。Personality（个性）：你希望 LLM 以何种风格、个性或办法回应。Experiment（实验）：要求 LLM 为你回答多个示例。五、提示词实操技巧那么，我们在实操过程中，有哪些技巧可以帮助我们得到AI更好的回答呢？一起往下看~
1. 构造化提示词
提示词的构造完全性极大地影响模型回答的质量。一个构造化的提示词应包括以下要素：角色、背景、目标、技能、约束、事情流、输出哀求、示例和初始化等。参考前述的框架（如ICIO、CO-STAR、CRISPE），可以确保提示词覆盖所有必要的信息。
2. 加分隔符
在提示词中合理添加分隔符（如“`），可以准确区分指令和待处理的内容，避免模型解读提示词时涌现困扰。
3. 供应示例
通过例子可以帮助AI更好地理解用户的意图，避免歧义，以更精确地掌握模型的输出。
4. 根据回答不断调度哀求
在AI天生初步结果后，可以根据须要进行调度和优化。通过反馈勾引和规范模型的输出，以更好地符合预期。
5. 分步骤提示
辅导模型一步步输出信息，确保模型与你的意图匹配。分步骤提示可以使繁芜任务更易于管理。
6. 检讨用户输入信息完全性
在提示词中设定必须给出的一些关键信息，如果用户没有供应，模型可以主动讯问补充完全。
7. 让AI帮你优化提示词可以要求AI帮助我们优化提示词，使其更简洁和有效。kimi+有提示词专家助手，coze也有自动优化提示词的功能。
通过这些实操技巧，你可以大大提升与AI模型互动的效果，天生更精准和符合需求的内容。每个技巧都有其独特的运用处景，结合实际案例进行操作，会让提示词更加有针对性和实用性。
作者：Problemer，"大众年夜众号：问问运营条记
本文由 @Problemer 原创发布于大家都是产品经理。未经容许，禁止转载
题图来自Unsplash，基于CC0协议
该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。