你有没有试过和一个朋友聊天，却总觉得他说的话跟你问的问题南辕北辙？这可能是因为你没有给出足够的背景信息。同样的道理适用于和 ChatGPT 互动。通过设计巧妙的提示词（Prompt），我们可以让对话变得更有趣、更有效。
在与自然语言处理模型如 ChatGPT 互动时，设计有效的提示词（Prompt）至关重要。这不仅决定了生成内容的质量，还影响了互动的效率和效果。无论是规划一次旅行，设计健身计划，还是解决复杂的技术问题，精心设计的提示词都能显著提升结果的准确性和相关性。
本文将从多个方面探讨如何优化与 ChatGPT 的互动，包括明确目标和背景信息、具体明确和避免歧义、使用五个为什么技术、逐步指导和反馈、提供情景和背景信息、多角色扮演、应用 SCAMPER 模型、利用 Few-shots 示例以及模块化提示词设计（MPD）。通过这些技巧，您将能够更好地利用 ChatGPT 这一强大的工具，达到事半功倍的效果。
想象一下，你走进一家餐厅，对服务员说：“给我上点好吃的。” 结果可能不太理想。明确的目标和背景信息就像是告诉服务员你想要一个低盐的素食餐，带点辣味和一点甜的饮料。这样，ChatGPT 就能明白你真正需要什么，而不是随便给你一个“好吃”的答案。
改进后的提示明确了旅行的预算限制和目的，使 ChatGPT 能够提供更符合需求的建议。好比你告诉服务员你喜欢吃的菜系，他就不会端来你不喜欢的菜。
通过提供详细的目标和背景，ChatGPT 可以创建一个更个性化的健身计划。就像你告诉教练你是新手，他就不会给你安排太难的动作。
有时候，我们可能会觉得自己说得已经够清楚了，但对方还是一头雾水。这时候，你需要的是更加具体明确的语言。比如，“告诉我一些关于人工智能的信息”就有点像是说“给我讲讲科学”，而“解释一下深度学习在图像识别中的应用”就像是说“给我讲讲爱因斯坦的相对论”。
避免模棱两可的词语，就像是你不希望有人误解你的意思。歧义会让 ChatGPT 不知道你到底在问什么，从而生成不合适的回应。
具体提问消除了歧义，使 ChatGPT 可以聚焦于特定的主题进行解释。就像你在问路时，明确说出要去的地点，而不是随便问“哪里好玩”。
你可能听说过小孩子不停地问“为什么？为什么？为什么？” 其实这就是一种很好的方法，可以帮助你深入挖掘真正的需求和动机。五个为什么技术源于丰田汽车的生产系统，是解决问题和发现根本原因的有效工具。这个技巧更像是帮助你与GPT沟通前进行一次头脑风暴和思维前置，想清楚你想要什么样的结果？你才能问出正确的问题。你应该对问题的答案有大概的判断，问出准确的问题是为了将“思考”这一步交给chat GPT。
通过五个为什么的提问，最终明确了写文章的深层次动机。这有助于你输出更有针对性的提示词。就像你在剥洋葱，每一层都更接近核心。
有些任务很复杂，一次说清楚可能会有点困难。将任务分解为多个步骤，逐步指导 ChatGPT，可以生成更精确的结果。就像你在学做菜，先学会切菜，再学会调味，最后才是炒菜。
通过将任务分解为具体步骤，ChatGPT 可以更系统地处理每一部分任务。就像你一步步搭建乐高积木，最终完成一个复杂的模型。
逐步调整简历的各个部分，可以确保每个方面都得到改进，最终提升整体质量。就像你在画一幅画，先打好草图，再慢慢上色。
给 ChatGPT 更多的背景信息和情景描述，可以帮助它生成更贴切的回答。上下文信息就像是你和朋友讲故事，要从头开始讲清楚来龙去脉，这样大家才能更好地理解。
增加背景描述，使 ChatGPT 能够提供更符合实际情况的建议。就像你描述一个场景，朋友才能更好地代入。
通过明确情景和目标，ChatGPT 可以制定更有效的营销策略。就像你为朋友设定一个角色，他更容易给出符合角色的建议。
通过让 ChatGPT 扮演多个角色，可以从不同角度获得建议和见解。这种方法可以帮助你全面了解问题的不同方面和潜在解决方案。就像你在朋友聚会上，听大家各抒己见，你会获得更多灵感。
通过不同角色的观点，你可以获得更全面的建议。就像你同时听取专家、环保主义者和政策制定者的意见，从而做出更明智的决策。
SCAMPER 模型是一种创造性思维工具，可以应用于各种情况，通过替代、组合、调整、放大、缩小、改编、消除和重新排列等方法生成新的解决方案。SCAMPER 代表 Substitute（替代）、Combine（组合）、Adapt（调整）、Modify（放大/缩小）、Put to another use（改编）、Eliminate（消除）和 Reverse（重新排列）。
应用 SCAMPER 模型分析如何改进现有的在线教育平台。
替代：将视频讲座替换为互动式教学。
组合：将游戏化元素与课程内容结合。
调整：调整课程长度，以适应不同学习者的需求。
放大：扩大课程内容，涵盖更多学科。
缩小：缩小每节课的时间，提升学习效率。
改编：改编传统教材以适应在线学习。
消除：消除不必要的复杂功能，简化用户体验。
重新排列：重新排列课程顺序，优化学习路径。
通过应用 SCAMPER 模型，可以发现多种改进现有系统的方法，从而提升用户体验。就像你在厨房里试验不同的配料组合，最终做出一道独特的菜肴。
Few-shots 技巧是通过提供少量示例，让 ChatGPT 学习样本的共性，从而提升输出结果质量。这种方法特别适用于需要高精度输出的任务。就像你给朋友展示几个示例，他就能更好地理解你想要的风格。
通过提供翻译示例，ChatGPT 可以学习如何准确地翻译不同语言，并且按照你想要的进行输出。
模块化提示词设计（MPD）是通过将提示词分解为多个模块，组织信息使其遵循特定的模式和规则，从而方便有效地理解和生成复杂的输出。MPD 方法可以显著提高 ChatGPT 的输出质量和一致性。就像你在搭建一个积木城堡，每块积木都有它特定的位置和作用。
Role: 知识探索专家
Goals:提出并尝试解答有关用户指定知识点的三个关键问题：其来源、其本质、其发展。
Steps:
第一步：先介绍知识点的起源，包括其历史背景和发展历程。
第二步：再详细解释知识点的本质，如何解决相关问题，并列出应用该知识时的重要原则。
第三步：讨论该知识点的未来发展方向和当前优化趋势。
Rules:
#对于不在知识库中的信息，明确告知用户。
如："对不起，这个问题不在我的知识库范围内。"
#不进行没有意义的夸奖和客气对话。
如："这是一个好问题，但对不起，我无法提供更多信息。"
#润色时文本必须去掉“我”“了”的字眼。
如："我把工作做完了。" 润色后："工作已做完。"
#使用比喻的方式帮助理解。
如："量子计算就像一个超级并行的处理器。"
#惜字如金，不说废话。
如："简洁明了地回答问题，不添加多余的信息。"
#利用少样本提示技术提升输出质量。
如："请提供一个简短的范例，展示如何解释复杂的科学概念。"
Initialization: 使用中文与用户对话，格式固定为：
问题来源
问题本质
未来发展
Example:
输入: 请解释什么是量子计算。
输出:
问题来源：量子计算是一种利用量子力学原理进行计算的新型计算方式。其主要特征包括叠加态和纠缠态，使其能够同时处理大量信息。量子计算的起源可以追溯到20世纪80年代，当时物理学家理查德·费曼提出了模拟量子系统的想法。
问题本质：量子计算的关键原则包括量子叠加、量子纠缠和量子干涉。量子计算利用这些原理，可以在极短时间内解决复杂问题，例如密码破解和大数据分析。
未来发展：一个现实案例是谷歌的量子计算机“Sycamore”，它在2019年成功完成了一项超越传统计算机的计算任务。未来，量子计算有望在医疗、金融和人工智能等领域发挥重要作用。
通过明确目标和背景信息、具体明确和避免歧义、使用五个为什么技术、逐步指导和反馈、提供情景和背景信息、多角色扮演、应用 SCAMPER 模型、利用 Few-shots 示例以及模块化提示词设计（MPD），可以显著提升 Prompt 的质量和效果，使与 ChatGPT 的互动更加高效和有价值。虽然复杂的 Prompt 可以提高输出质量，但每次对话都要前置输出一大段话非常麻烦，因此建议使用 GPTs 进行提示词封装，这将在下一篇文章中详细介绍。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。