4. 提示词撰写的最佳实践
大约 6 分钟提示词撰写提示词撰写AI提示词最佳实践
有效的提示词撰写需要精准、清晰，并且理解期望的结果。本课将探讨撰写提示词的最佳实践，帮助AI模型生成相关且高质量的响应。
第一课：从清晰和具体的指令开始
1.1 具体性的重要性
为了确保高质量的响应，提示词必须清晰且具体。模糊或不清楚的指令可能导致不完整或无关的结果。
模糊提示词的例子：
解释机器是如何工作的。- 问题：提示词太笼统——是指哪种类型的机器？在哪个背景下？
改进版本：
解释汽车中的电动发动机是如何工作的，重点比较它们与汽油发动机的能效差异。- 改进：明确了机器的类型（汽车中的电动发动机）和比较内容（能效与汽油发动机的对比）。
1.2 具体性的流程
graph TD;
A[具体提示词] --> B[明确目标];
B --> C[聚焦响应];
C --> D[提高用户满意度];1.3 关键点
- 始终清晰定义上下文、主题或任务。
- 如果需要，可以指定子话题、示例或格式。
第二课：分解复杂的提示词
2.1 简化大任务
过于复杂的提示词可能让AI无所适从，导致响应碎片化或缺乏重点。将复杂任务分解为更小、更易处理的部分，使提示词更易于跟随。
过于复杂的提示词示例：
写一篇关于人工智能历史、当前在医疗领域的应用以及未来在交通领域可能性的500字文章。- 问题：提示词范围太广，难以生成连贯的响应。
改进版本：
1. 写一篇300字的人工智能历史总结。
2. 解释两个AI在医疗领域的当前应用，200字。
3. 讨论AI在交通领域的未来潜在应用，200字。- 改进：将任务分解为独立的、聚焦的提示词，允许对每个主题进行深入探讨。
2.2 如何结构化复杂提示词
- 识别关键组成部分：根据主题、深度或格式分解任务。
- 设定明确边界：定义每部分任务应处理的内容。
graph TD;
A[过于复杂的任务] --> B[分解为子任务];
B --> C[清晰聚焦的响应];第三课：提供上下文
3.1 上下文的重要性
提供背景信息或上下文线索可以引导AI生成更准确的响应。上下文有助于模型理解更广泛的背景。
缺乏上下文的提示词示例：
解释气候变化。- 问题：没有上下文，响应可能会集中在气候变化的任何方面（科学、政治、社会），或者给出过于宽泛的观点。
提供上下文的改进版本：
解释气候变化对发展中国家农业的影响。- 改进：将重点缩小到农业和发展中国家，给模型提供了一个明确的框架。
3.2 上下文的清晰性
- 使用真实案例：将提示词与现实场景联系起来。
- 与特定领域相关：定义主题在某个特定背景中的相关性（例如，农业、教育、工业）。
graph TD;
A[缺乏上下文的提示词] --> B[泛泛的响应];
A --> C[有上下文的提示词];
C --> D[具体的响应];第四课：加入约束条件
4.1 约束的力量
约束条件，例如字数限制、语气或风格，帮助定义响应的范围。没有约束条件，AI生成的内容可能太长、太短，或者偏离主题。
缺乏约束条件的示例：
写一篇关于量子计算的总结。- 问题：模型可能生成过长、过短或与需求无关的响应。
带有约束条件的改进版本：
写一篇150字的量子计算总结，重点讲解其与经典计算的区别。- 改进：规定了长度和重点，确保生成简明且针对性的响应。
4.2 约束条件的类型
- 长度：字数或字符限制。
- 语气：正式、随意、技术性等。
- 重点：具体的子话题或问题。
graph TD;
A[无约束的提示词] --> B[缺乏重点的响应];
A --> C[有约束的提示词];
C --> D[聚焦且相关的响应];4.3 示例代码：在AI提示词中使用约束条件
以下是一个使用OpenAI API的Python代码片段，展示如何应用约束条件：
import openai
def generate_response(prompt, max_tokens=100, temperature=0.7):
response = openai.Completion.create(
engine="text-davinci-003",
prompt=prompt,
max_tokens=max_tokens, # 设置字数限制
temperature=temperature # 控制创意性
)
return response.choices[0].text.strip()
prompt_text = "写一篇100字的太阳能优点总结。"
response = generate_response(prompt_text, max_tokens=100)
print(response)4.4 关键点
- 约束条件可精炼和聚焦AI的输出，确保响应的相关性和精确性。
第五课：根据受众调整提示词
5.1 理解受众需求
不同受众有不同的期望和知识水平。根据受众的需求调整提示词，确保响应既易于理解又具有相关性。
受众不匹配的提示词示例：
详细解释区块链技术。- 问题：如果受众是初学者，可能会得到过于技术性的响应，难以理解。
针对初学者的改进版本：
为没有计算机科学背景的人解释区块链技术的基础知识。- 改进：简化了解释，适合没有技术知识的普通受众。
5.2 根据受众调整提示词：
- 初学者：使用简单的语言，避免专业术语。
- 提示词：“用简单术语解释什么是人工智能。”
- 中级水平：使用一些技术术语，并提供解释。
- 提示词：“解释神经网络是如何工作的，并举例说明它们在图像识别中的应用。”
- 专家：使用行业特定术语和高级概念。
- 提示词：“讨论强化学习算法在自动驾驶车辆中的最新进展。”
graph TD;
A[了解受众] --> B[初学者友好的语言];
A --> C[中级细节];
A --> D[专家级洞察];5.3 关键点
- 将提示词的复杂性和风格与受众的知识水平匹配，确保清晰度和参与度。
第六课：迭代和改进提示词
6.1 迭代是关键
提示词撰写是一个反复改进的过程。通过测试、优化和改进提示词，确保获得更好、更一致的响应。根据结果和反馈不断调整提示词。
6.2 示例：通过迭代改进提示词
初始提示词：
解释机器学习的用途。- 问题：响应可能过于宽泛或缺乏重点。
第一次修改：
解释机器学习在医疗领域的用途，举例说明当前的应用。- 改进：缩小了范围至医疗领域，并要求提供示例。
最终版本：
解释机器学习如何改善医疗诊断，举两个现代医院中的具体应用示例。- 进一步改进：添加了更具体的指令，生成更加聚焦且详细的响应。
6.3 如何迭代提示词：
- 测试提示词：分析输出并找出改进点。
- 调整和优化：增加更多具体性