掌握完美ChatGPT提示公式 喂饭级 纯小白

如果你已经使用并且学习过生成式AI一段时间.你肯定能觉察到，时间管理是很重要的,大家都是普通人,又是订阅,又是边查边安装软件,有的还要一点点翻译等等

但是咱们来用AI就是为了节省时间的,却反而不断受折磨,还浪费时间！

忍不住拍桌而起，大喊一声“Fxxk sb 机器人”

正因为如此，我花了数百个小时学习各种实时案例课程，并不断测试不同的可能结构，以构建一个公式，使我更接近AI（ ChatGPT、Google Bard、Claude等）的高质量回应

在本文中，我将与您分享一个好的提示应具备的6 个基本元素，如果您在下一次使用AI中包含这些元素，您将亲眼看到所存在的显着差异

6 个提示组件

我们需要了解的第一件事是，以下元素按重要性降序排列：任务、上下文、范例、角色、格式和语气。这些元素根据其重要性按降序排列

让我们看一个简单的例子

整个示例的前半部分是上下文，其余部分是任务，其中后者是最重要的（比上下文更重要）。

因此，如果我们仅将任务单独输入ChatGPT中，我们仍然会得到一些有意义的结果。让我们看下面的例子：

如果我们只向ChatGPT提供上下文，则会发生相反的情况，我们根本无法获得用于我们目的的重要信息。让我们看下面的例子：

所以现在很清楚了，每次我们发送提示时，几乎都需要包含一个任务，并且应该辅以上下文和示例。角色、格式和语气

当您发送提示时，我建议您创建一个心理清单，如下所示：

现在让我们开始详细分析这六个要素。

1. 任务

我们应该牢记的关键原则是“任务句子必须带有一个行为动词（生成、翻译、编写、分析等）并清楚地说明您的最终目标

例如，我们可以生成 3 个月的培训计划或复杂的 3 步任务（包括分析、总结和分类）。

2. 上下文

第二个要素可能是最具挑战性的问题，因为从技术上讲，您可以提供的信息是无限的。后来我发现问这3个问题很有用，也很实用。

始终记住向ChatGPT提供足够的信息，以便它能够产生高质量的结果。

现在让我们回到本文开头提到的示例，其中我提供了我的背景 ( 1 )，写下我想要实现的结果 ( 2 )，最后描述了所有这一切将发生的环境 ( 3 ) 。

确保有效使用ChatGPT和 Bard 的关键是为他们提供足够的信息来限制他们无限的潜在反应。

3. 示例

基本上，对所有主要语言模型进行的研究表明，在提示中包含示例将产生更高质量的答案。

让我们看一下下面的示例，我从简历中摘录了一段内容，现在让ChatGPT通过成就、衡量和影响（任务）的结构重写所有这些信息。我还提供了一个明确而详细的示例，以提供有关如何进行的更多信息。

现在让我们看一个工作面试的例子。根据我的简历，我可以要求ChatGPT使用STAR 方法来识别我的弱点。

提示：
根据我自己的简历，请帮助我回答面试问题：“你最大的弱点是什么？

使用 STAR 答案框架：情况、任务、行动和结果

这是我的简历供参考：
[将您的简历放在这里]

 

结果

现在，如果您想为团队中的某个职位编写工作描述，您可以首先向ChatGPT提供情况描述（上下文），然后您可以根据已准备好的描述（示例）提供参考。

在这种情况下，您可以使用 LinkedIn 角色描述，因为ChatGPT将生成模仿其格式和专业语言表达的响应，与人力资源专家的语气一致。

提示：
您是营销团队的招聘经理，负责撰写 B2B 产品营销经理职位空缺的职位描述

您的团队主要致力于提高 Netflix 广告平台的品牌知名度，目标是获得新的广告合作伙伴

请使用以下现有职位描述的格式起草职位描述：
[将职位描述放在这里]

结果

4.人物角色

您还可以指定特定的角色，但前提是它足够有名。结果会更好。

让我们看一下下面的示例，我要求ChatGPT在起草电子邮件时呈现蝙蝠侠的个性。

结果

5. 格式

闭上眼睛，在脑海中想象你想要实现的目标，个人或团体目标，找到你梦想的工作，成为一名出色的演讲者等等。所有这些都是零散的想法，但在ChatGPT的帮助下，你可以将它们组织成特定的格式，例如表格。

在本例中，我们将分析即将到来的秘鲁之旅的典型菜肴的价格，我要求它向我显示一个表格，其中包含游览地点、典型菜肴及其价格的列。

结果

然而，我们还可以获得电子邮件、项目符号、代码块等格式。这些格式对于我们的工作也很有用，例如段落和 Markdown。

让我们看一个电子邮件示例，其中我们为其提供上下文、任务，并要求ChatGPT使用标头格式。

结果

6. 语气

如果我们正确地衡量要使用的语气类型，最后一个元素就很容易理解。

现在，作为一个例子，我将向您分享一项专业技能，并告诉ChatGPT您想要的感觉。

结果

我们可以用清晰简洁的语言写下一封电子邮件。您也可以使用专业或礼貌的语气。

好与坏的提示输出

考虑到前面的例子，我们已经考虑了构建提示的几个元素，这绝对确保了ChatGPT或我们使用的任何人工智能将为我们提供高质量的答案。然而，在下图中，我们可以看到与更简单的提示的对比，这更有可能产生非常笼统或不太接近预期的答案。

在特异性和可用性方面，存在着巨大的差异！