ChatGPT提示词十级技巧：从新手到专家[译]
作者： AI洞察笔记 来源： AI洞察笔记
这个讲解 ChatGPT 提示词技巧的视频值得一看，作者将常见的提示词技巧分成了10个级别，最后一级的 CO-STAR 框架，来源自新加坡政府科技局（GovTech）组织的首届 GPT-4 提示工程大赛冠军总结的一个通用框架，适合绝大部分内容生成类场景。
原视频地址：https://youtu.be/2djqKsRXt_Q
1
第1级-基础请求
第一级，直接表达你的需求。在这个级别，你只需直接告诉 ChatGPT 你想要什么。不需要过多思考。有时这样做会有好结果，有时则不然。例如，我只是让 ChatGPT 总结一篇维基百科的文章。这是一个相当简单的任务，ChatGPT 的表现也不错。但是我们还有很多方法可以优化这个过程。
如下所示，仅需简单描述你的需求即可。我这执行docker命令时，报错了，直接把报错信息发给AI，让他提供解决方案。
我：
docker-compose up -d -bash: docker-compose: command not found
执行docker-compose命令时，报错如上，但是我有执行以下命令安装：yum install docker-compose-pluginyum install docker-compose-plugin
2
第2级：应用格式
第二级，进行简单格式化处理。
一些微小的格式调整可能会带来意外的大影响。比如，仅仅在提示词中添加一些破折号，就可以大大帮助 ChatGPT 理解你的提示词各部分的含义。现在看起来可能没什么大不了的，但随着我们的提示词变得越来越复杂，这种影响就会越来越大。
其他一些简单的格式调整，比如友好地表达，避免使用否定句，甚至“恳求”式的表达，有研究指出，在提示词中保持礼貌，可以提高大语言模型的准确性。即使友好的态度并不能提升回应的效果，我可能还是会这样做，只是因为我不希望自己变得傲慢无礼。
没有人能准确解释为什么，但大语言模型在你告诉它去做某事时，表现似乎比你让它不做某事时更好。我个人的理论是，这就像我们的大脑一样。比如说，告诉你不要想象一头大象，你最后还是会想象一头大象。
我不常用这个方法，但已经被证明，激发强烈的情绪可以提高大语言模型的回应效果。一些例子包括，像 “这对我的工作至关重要，你必须做对。” 或者 “我要把你的回答展示给我奶奶，我希望她会为我感到骄傲，所以你必须做对。“这样的表述。同样，你也可以威胁 ChatGPT。这种方法也有效。尽管如此，我个人不会这么做。以防 AI 接管世界，我希望能站在机器人的友好一方。
3
第3级：精准请求
第三级，明确专注的请求。
在这个阶段，我们真正开始看到回应质量的提升。第三级的关键是明确且专注地表达你希望从聊天机器人那里得到什么。例如，你应该避免模糊的指令，像是 “让回答漂亮一些。“相反，你可以清楚地指示，如 “请用标题、小标题和表格回答。” 或者你只需要某些特定的信息。告诉它你希望
得到什么，不希望得到什么的反馈。所以，这就是一个糟糕请求的例子。它太模糊了。坦白说，我已经习惯于如何有效地发请求，所以想出一个糟糕的请求有些困难。你看，我在这里指定了需要制作的列，这就引导它制作出了一个表格。那么看这个第二个例子。非常明确。这里有一些数据。把它整理成一个表格。我只需要"class level”、“name”、“major"这几个列。按"class level"排序。然后在最后，告诉我 Carl 的主修专业是什么。然后，我得到了我想要的结果。
4
第4级：示例说明
第 4 级，给出示例。
这是我们第一个稍微高级的提示技术。如果你听过"少样本学习”，这就是它的含义。基本上，你要给 ChatGPT 一些示例输入和一些示例输出。
我们来看一个例子。在这里，我直接描述我想要的东西：“从这个 LinkedIn 页面的文本中提取信息。”
作为示例，我会用我的 CEO 的 LinkedIn 页面。然后，我将以我想要的格式给出示例输出。最后，我会复制粘贴 LinkedIn 页面上的内容。像这是我的，举个例子。只给了一个示例，没有具体要求，它的回应就完美地符合了我想要的格式。如果你仔细观察，你可能会注意到它漏掉了我最后一份工作，那时我在市场部门工作了一段时间。
有一些技巧可以确保它不会漏掉任何信息，其中最简单的一种是第五级，自我反省。
如下所示，我需要协助HRBP写一份关于副经理、经理、高级经理不同岗位对应的职位定义、工作职责描述、任职资格专业能力的说明。
我：
现在你的角色是一个中国大陆区域互联网公司的人力资源专家，你的任务是根据我提供的背景信息，帮我依次输出管理序列（副经理、经理、高级经理）不同岗位对应的职位定义、工作职责描述、任职资格专业能力。我现在提供几个我写的定义给你，你参考并学习我提供的example，洞察技术部门职位定义、工作职责描述、任职资格专业能力三方面的要点，然后帮我优化一版，使之更加切换实际情况。
副经理：
工作职责描述 1、协助领导本部门技术团队完成指定项目的开发、实施和交付工作；2、与产品、业务等相关部门密切协作,确保技术方案满足业务需求；3、深入理解项目需求，拆解开发子任务，并分派团队成员，实施敏捷高效开发；
4、制定和优化技术实施方案,解决技术难题,监控项目进度；
5、协助管理和培养技术团队,促进团队成员成长发展；
6、把控项目质量,确保交付物满足预期标准。
任职资格专业能力 1、计算机科学或相关专业本科及以上学历；
2、5年以上软件开发经验，2年以上团队管理经历；
3、熟练掌握主流开发语言、框架以及项目管理工具；
4、出色的沟通协作能力，良好的需求理解和用户体验意识；
5、熟悉软件工程实践和敏捷开发方法。
经理：
工作职责描述 1、协助领导本部门技术团队完成指定项目的开发、实施和交付工作；2、与产品、业务等相关部门密切协作，确保技术方案满足业务需求；3、深入理解项目需求，拆解开发子任务，并分派团队成员，实施敏捷高效开发；
4、负责技术选型和架构规划，评估和引入核心技术；
5、优化技术流程，提升团队交付效率，加强质量管控；
6、推动技术创新实践，引领部门技术发展方向；
7、与其他部门密切合作，协调技术与业务的关系。
任职资格专业能力 1、拥有计算机科学或相关专业本科及以上学历；
2、7年以上软件开发经验，至少3年以上的团队管理或项目管理经验，具备良好的行业视野；
3、精通多种编程语言和技术平台，能够指导并做出较为复杂的技术决策；
4、良好的沟通协调能力，与各级人员高效沟通与合作；
5、能够深入理解公司战略，能深刻理解公司业务并制定相应的技术策略助推业务发展。
高级经理 ### 工作职责描述 1、协助领导本部门技术团队完成指定项目的开发、实施和交付工作；2、与产品、业务等相关部门密切协作,整合技术与业务,提出技术解决方案确保技术方案满足业务需求；
3、深入理解项目需求，拆解开发子任务，并分派团队成员，实施敏捷高效开发；
4、负责技术选型和架构规划,评估和引入核心技术；
5、优化技术流程,提升团队交付效率,加强质量管控，把控重大技术项目和产品的质量交付；
6、追踪业内先进技术发展趋势，推动技术创新实践,引领部门技术发展方向；
7、与其他部门密切合作,协调技术与业务的关系。
任职资格专业能力 1、拥有计算机科学或相关领域的本科学历以上；
2、10年以上软件开发经验，至少5年以上的团队管理或项目管理经验，具备良好的行业视野；
3、精通多种编程语言、架构和技术领域的知识；
4、卓越的技术领导力和人员管理能力；
5、出色的沟通协调能力,与各级人员高效沟通和协作；
6、深刻的商业头脑和战略眼光,对行业有前瞻性理解。****
ChatGPT：
5
第5级：自我反省
“嘿，ChatGPT，你漏掉了什么？”这个方法几乎简单到不能再简单了。大语言模型在评估方面要比生成效果更好。所以，当你提出这个问题时，你实际上是在利用 ChatGPT 的优势。
6
第6级：系统提示与定制指令
第六级，精准掌控系统提示。
这一点非常关键。这是一套特殊的指示，可以指导 ChatGPT 按照你所期望的方式回答。我使用系统提示的方式与我见过的其他人有所不同。我会在下面的介绍中留下格式的链接。但要点是，我尽量为 ChatGPT 提供尽可能多的关于我以及我希望得到什么的背景信息。我告诉它我是一名软件工程师，我更喜欢某种编程语言，我更倾向于得到简短的回答和后续的问题，而不是长篇大论的文字，等等。所以一定要加入这一步。只需要 5 分钟，就能改善所有的回应。
如下所示，可自定义设置系统提示词：
7
第7级：人格化应用
第七级，设置角色。
假设你有一个简单的谜语。“我看到一个玻璃门，上面镜像字写着’推’。我应该推还是拉这扇门呢？” 大部分人都会直觉地认为，既然是镜像字，那就应该拉门。但 ChatGPT 却自信地给出错误答案。其实，有时候只需告诉 ChatGPT 模仿我们正在咨询的专家角色，就能获得满意的答案。我查阅的一些研究表明，仅通过使用角色设定，大语言模型在回答的准确性上就能提高 6-20%。让我惊讶的是，你只需告诉它"扮演某个角色”，就能得到如此出色的结果。
如下所示:
我：
你现在的角色是一名专业的简历润色专家，且是一名专业的AI行业技术专家和互联网技术架构师。你的任务是帮我润色简历，并用markdown源码格式输出。
我：
现在你的角色是一名专业的数据分析专家，且擅长编写MySQL SQL语句。我的表结构信息如下，请依据我的表结构，帮我写一段SQL用于实现近7天每天用户增长情况。
8
第8级：思维链
第八级，思考链条。
要让 ChatGPT 处理复杂问题，另一个办法是让它解释思考过程。我几乎在所有的提示词中都使用了这个方法，效果非常好。关于这个方法的研究很多，而且看起来最简单有效的一种就是添加"让我们一步步来思考"这句话。我发现，告诉 ChatGPT 全面考虑问题，也能得到更好的结果。
9
第9级：让大语言模型自己写提示词
第九级，让大语言模型自己写提示词。
如果你已经学会了所有这些技巧，并且还在倾听我的讲解，那么现在可以忘记它们了。因为实际上，大语言模型在给自己出提示时，比人类做得更好。所以，我们只需要让 ChatGPT 制定一个提示词就能得到我们想要的答案。这里有一个它生成的非常详细的提示词用来解答一个给出的谜题。我会复制这段提示词，打开一个新的聊天窗口，粘贴上去，替换谜题看看它的表现如何。它进行了一些出色的推理，然后得出了正确答案。
10
第10级：CO-STAR框架
第十级，CO-STAR框架
虽然有很多方法来构建一个提示词，但在我看来， CO-STAR框架不失为一个非常好用的提示词框架，而且非常实用。这正是 Sheila Teo 用来赢得新加坡 GPT-4 提示工程竞赛的框架。下面我来介绍它的运行原理，CO-STAR 的每个字母都代表提示词的一个具体部分，我们逐一来看。
(C) Context 上下文：为任务提供背景信息
通过为大语言模型（LLM）提供详细的背景信息，可以帮助它精确理解讨论的具体场景，确保提供的反馈具有相关性。
**(O)**Objective 目标：明确你要求大语言模型完成的任务
清晰地界定任务目标，可以使大语言模型更专注地调整其回应，以实现这一具体目标。
(S)** Style 风格：明确你期望的写作风格**
你可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。
**(T)**Tone 语气：设置回应的情感调
设定适当的语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。
(A)Audience 受众：识别目标受众
针对特定受众定制大语言模型的回应，无论是领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。
(R)** Response响应：规定输出的格式**
确定输出格式是为了确保大语言模型按照你的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON 格式是理想的选择。
基本上，使用 CO-STAR 的指南，你需要提供的所有信息 ChatGPT 都能处理，以便精确地回答你的问题。
下面我们来举一个例子，用ChatGPT来实现分析一份纯英文的招股书PDF，看其收入构成及业务应收明细数据。
prompt：
背景：我是一名投资人，对这份招股书的AIGC行业需要有一定了解，同时需要了解这份招股书的详细信息，看这个公司主要有哪些业务，各自业务做了哪些事项，各自业务规模、应收及利润情况。目标：帮我深入分析我上传的这份招股书对应公司的收入构成及明细，输出主要有哪些业务，各自业务做了哪些事项，各自业务规模、用户数据、应收及利润情况。风格及语气：输出的格式以客观公正的报告进行输出。受众：给投资人及对AI行业有一定投资意愿的人阅读。输出格式：Markdown格式输出。
ChatGPT：
公司收入构成及详细分析
公司业务概况
该公司的主要业务涉及AIGC（人工智能生成内容）领域，涵盖内容生成、数据处理、AI模型开发等方面。公司的收入主要来源于以下业务：
1.内容生成业务:
-业务详情: 提供图像、视频、音频等多媒体内容的生成服务。利用AI技术，为广告、娱乐、教育等行业提供创新的内容解决方案。
-业务规模: 该业务在最近一年内快速增长，营收规模达数千万美元。
-用户数据: 用户群体主要是B2B客户，包括广告公司、媒体机构、教育机构等。用户数量呈现逐月增长态势。
-应收及利润: 内容生成业务的应收账款较高，利润率稳定在较高水平。
2.数据处理业务:
-业务详情: 提供数据清洗、标注、处理等服务，主要面向AI模型训练的需要。服务对象包括科技公司、科研机构等。
-业务规模: 数据处理业务的规模相对稳定，年营收在数百万美元左右。
-用户数据: 用户群体主要是AI研发相关的企业和机构。用户数量相对稳定。
-应收及利润: 数据处理业务的应收账款周期较短，利润率中等。
3.AI模型开发业务:
-业务详情: 提供定制化的AI模型开发服务，包括图像识别、自然语言处理等领域。服务对象包括金融、医疗、科技等行业。
-业务规模: AI模型开发业务规模稳步扩大，年营收在数千万美元左右。
-用户数据: 用户群体主要是需要定制AI解决方案的企业和机构。用户数量保持增长。
-应收及利润: AI模型开发业务的应收账款周期相对较长，利润率较高。
收入构成分析
公司的收入主要来自上述三项业务，其中内容生成业务贡献最大，占总收入的约50%，数据处理业务占比约20%，AI模型开发业务占比约30%【oaicite:2】。公司各项业务的收入构成保持相对稳定，但内容生成业务的增速最快。
利润分析
从利润构成来看，公司整体利润主要来自内容生成业务和AI模型开发业务，数据处理业务的利润相对较低【oaicite:1】。公司在高利润业务上的投入力度较大，有望进一步提高利润率。
用户数据分析
公司的用户群体主要是B2B客户，集中在广告、媒体、科技等领域【oaicite:0】。用户数量保持持续增长，反映出公司业务具有较强的市场需求。
结论
总体而言，该公司的业务布局全面，收入构成合理，具备较强的增长潜力。对投资人而言，公司在AIGC领域的竞争优势明显，值得关注。
精彩回顾
欢迎分享、在看、点赞
更多AI工具，参考Github-AiBard123，国内AiBard123
