1. 引言

大家好，我是小?，一個漂泊江湖多年的 985 非科班程序員，曾混跡于國企、互聯網大廠和創業公司的后臺開發攻城獅。

上周末在家，外面正下著雨呢，就想了解最近幾天的天氣情況。

恰巧手機在充電，于是打算問智能音箱小藝，但好巧不巧嘴瓢了一下，脫口而出的是：“小藝小藝，天氣不錯嗎？”

結果，它對我說：“無論是晴天雨天，希望你可以安好每一天！”

這就是指令（prompt）含糊導致的問題，除了我們的智能家具，目前如火如荼的 AI 大模型也是如此，它們的“聰明”程度遠遠超過了智能音箱，但同樣需要清晰的 prompt。

讓我們看看編寫 prompt 有哪些小竅門，讓 AI 不僅可以給我們報對天氣，還能給我們講個笑話。

2. 明確性與精確性

首先，指令必須明確無誤，就像是在編程時定義變量，不清晰的指令就像模糊的變量名，既難以理解又容易產生錯誤。

圖片

AI 是個知識庫

比如，當我們想和 AI 聊天時，我對它說：“給我一點水”。

它馬上回復說：“空氣濕潤，這就是一點水吧？”

朋友們，明白了嗎？AI 也許機智，但需要的一定是明確的指令。

給“直AI”一點耐心

再比如，我對它說：“講個笑話來”。它回我：“一個程序員進了酒吧，然后……出現了錯誤”。是的，AI 的邏輯是直線的，它不懂拐彎抹角。

所以，交流時必須明確到點子上，比如：“提供一個幽默故事，主角是程序員，在酒吧的逗趣遭遇”。這樣，AI 就能給出具體的結果。

善用標點符號

在對話中，我們不僅可以自定義分隔符，也可以利用 LLM 本身的標點，寫出更簡潔明了的 prompt，比如 OpenAI 中的示例文檔。

效果較差 ?：

將下面文本總結出幾個最關鍵的要點。

{text input here}

效果更好 ?：

將下面文本總結出幾個最關鍵的要點。

文本："""{text input here}"""

善用 AI 本身支持的分隔符，可以讓模型更容易理解我們的意圖。

AI 就像處在成長期的孩子，告訴它“要東西就要說清楚要什么”，不否定它的好奇心，卻也要引導它明白。

準確性不是可有可無的禮節，而是有效溝通不可或缺的基石。

3. 分步構建

如果你要 AI 渲染出蒙娜麗莎的 3D 圖像，你得分步驟來，先解釋 2D 和 3D 的區別，再說明蒙娜麗莎的特征，最后才是將這兩者結合。

和 AI 交互就像做一道復雜的菜肴，你得按部就班。

懂得太多的 AI 不一定能理解你

舉個例子，有一次我對 AI 說：“講一個宇航員在太空的故事”。結果它給我來了一串專業的航天器術語表。我恍然大悟，這就像是向一個新手解釋如何做菜，而開局直接告訴他學會分子烹飪一樣，太過前衛，而且跳步太多。

后來我試著換了種說法：“我們先設定場景，一個宇航員漂浮在太空站外。第一步，描述一下他看到的地球；第二步，講一講他在太空走失的小故事”。

這次，它就給我敘述了一個宇航員眺望蔚藍星球、誤觸噴氣背包漂流的有趣而生動的故事。

分步構建的法則，不僅讓 AI 更明白我們的要求，更讓 AI 的答案變得有層次感，就像音樂的升級版，由單音變成了有節奏的旋律。

讓 AI 逐步展現全貌，分步構建不僅是對它的指引，更是讓復雜信息條理化的藝術。

4. 情景&角色模擬

利用條件模擬創造真實情景的預示，這可以幫助 AI 構建上下文，增進理解。

圖片

時空旅行者的信件

舉個例子，如果你需要 AI 幫你編寫一封信，你可以這樣指示：“假設我是個時空旅行者，我需要寫一封信給 1945 年的我，告訴我明天將會下大雨” 。

這樣一來，AI 不僅把握了需要編寫信件的指令，同時根據你營造的時空旅行者角色，它會模擬出更具歷史氛圍和期望情景的內容，令整個文本更為貼近真實世界的細節。

角色扮演

同樣地，你也可以給 AI 設定一個角色，比如你需要獲取某些互聯網大廠的面試經驗，你可以在 prompt 一開始告訴它：

你是一個資深后臺開發，精通......【角色背景】

現在問題是【輸入問題】

你需要告訴我......【目標是什么】

要求是......【有哪些要求】。

情景和角色模擬不單是故事講述的技巧，更是通往高效溝通的捷徑。

5. 貼近實例

為 AI 提供一個具體案例，可以顯著提高其執行指令的準確性。

數學問題的啟示

就如向數學初學者教授難題一般，一個明確的數學實例能讓理解和解決問題的過程事半功倍。

我曾經要求 AI 幫我生成一個關于市場營銷的策略建議，開始時我說：“編寫市場營銷策略”。

結果大家肯定猜到了，AI 給出了一個非常通用的答案。

后來，我提供了一份具體的競品分析報告，然后說：“基于這份分析報告，為一家想要增加市場份額的初創科技公司，編寫一套定制的市場營銷策略” 。

結果，AI 運用具體實例，輸出了一份詳細而創意十足的策略。

實例引導的方法，讓 AI 更好地錨定于特定情況，將一般性理論應用于具體的場景。

6. 互動反饋

互動反饋是 AI 學習進步的催化劑。

培養智能的植物

就像與一棵植物溝通，我們需要不斷地修剪和引導，AI 也是一樣。起初，我要求 AI 給出一些關于提高工作效率的建議，它給出了一些基本的時間管理技巧。

這些雖然有用，但并不全面。

于是我開始反饋，指出想要深入了解心理層面的影響等等。隨著幾輪的反饋，AI 給出的建議不僅更加貼合我的需求，還融入了心理健康等多維度的考量。

互動和反饋，讓 AI 能夠更好地調整輸出，更精準地滿足用戶的需求。

7. 循序漸進

近期的 AI 進展令人振奮，但我們也應該認識到，就如同人類學習，AI 也需要循序漸進。

慢慢來，進步更快

期望 AI 一次就給出完美結果，就像想讓剛學走路的孩子馬上跑馬拉松一樣不現實。

在使用 AI 時，我們可以逐漸增加任務的復雜性。比如，在用 AI 寫文章時，我會先從簡單的概念開始說起，然后逐漸深入到更復雜的理論，最后指向實際應用。

通過不斷練習，AI 就像習慣于解決復雜問題的人類思維，讓它的能力在不斷的挑戰中成熟。

8. 小結

講解 prompt 的文章有很多，而文中所述的這六大原則也并非一成不變。

為了與 AI 協作提供了一個有力的出發點，我們需要始終記得，良好的交流和明確的指示是大模型呈現其強大潛能的關鍵。

隨著大模型的越發成熟，后續可能會涌現更多精通編寫 prompt 的工程師，它們的目標就是通過這些原則來打破人與 AI 之間溝通的界限，讓復雜的技術表述變得親民而富有成效。

而目前，大模型不僅可以作為開發助手，還可以修簡歷，寫廣告，寫論文。而另一個相似領域的 AIGC 已經可以畫出精美的圖片，在上個月發布的 sora 來看，AI 還可以生成 60s 的流程視頻，質量還相當不錯。

這些 AI 工具的誕生，可能會讓很多行業發生翻天覆地的變化。

而在與 AI 的合作中，給出一個精確、直接而且詳細的 prompt，就像是在一份詳盡的菜單上下達了明晰的命令，讓 AI 這位大廚可以更好地理解人類的需求，為我們準備一頓豐盛的智能盛宴！