Prompt

作者：Amar Chetri 译者：Carl Cui 跟 AI 对话的时候，你可能试过各种不同的语气，礼貌式的、命令式的，甚至是祈求式的。但是不知道为什么，AI 给出的答复总是不能令人满意。问题可能不在于 AI，而是在于你跟它对话的方式。 我们都有过这样的经历：打开 ChatGPT、DeepSeek 或 Gemini，带着一个绝妙的想法，输入问题，按下回车，然后 AI 的回复要么是泛泛之谈，要么存在事实错误，要么完全偏离了主题。你叹了口气，觉得这个 AI 简直笨得离谱，然后关掉浏览器。 资深的 AI 用户基本都能意识到这样的真相：LLM 不是魔法，而是“镜子”，它反映了你输入的质量。如果你从 AI 那里得到的输出质量不高，那很可能是因为输入的内容需要改善。 这就是所谓的 prompt engineering，提示词工程可以把那些拿 AI 当噱头的人和那些把 AI 作为生产力工具的人区分开来。这篇文章中，我们会教你如何构建合适的 prompt，来提高 AI 生成内容的质量。 1. 黄金法则：上下文为王 在深入探讨提示技巧之前，你需要理解一个基本原则：LLM 不记得你的生活、你的项目或你的偏好，除非你告诉它们。 当你问一个模糊的问题时，AI 的回复基本上是它所读过的关于该主题所有内容的平均值。它生来就是泛泛而谈的，你需要提供上下文，以此把它庞大的知识库缩小到正好是你需要的内容。 输出的质量与输入的质量直接相关，泛泛的提示只会产生泛泛的结果。 想象一下，你不会这样问一个人类专家：“告诉我关于营销的事情”。他们不知道从哪里开始，你可能会这样问：“我经营一家小面包店，预算只有 500 美元。这个周末我可以用什么营销策略来增加客流量？”。类似地，AI 也需要这种具体性。 2. 完美提示词的结构 在分析了数千个高效提示后，研究人员和资深用户发现了一种始终有效的结构，下面我们逐一拆解。 2.1 角色：给 AI 一个身份 提示中最强大的一句话是：“扮演……” 通过给 AI 分配一个角色，能立即缩小它的回复风格和知识库范围。 不好的提示：“为咖啡杯写一个产品描述。” 好的提示：“扮演一位获奖的生活方式品牌文案作家，为咖啡杯写一个产品描述。” 两个提示之间有天壤之别。AI 给第一个提示的回复大概会列出咖啡杯的特性，例如容量、陶瓷材质；而给第二个提示的回复更能从早晨的仪式感、入手的分量、精湛的工艺这些角度去激发潜在消费者的购买欲。AI 可以生成多种风格的回复，角色则告诉它使用哪一种风格。 2.2 任务：清楚说明你的目标 要明确你想要什么，而不是让 AI 去猜。 不好的提示：“告诉我法国大革命的事情。” 好的提示：“用 10 岁孩子能理解的方式解释法国大革命的三个主要原因。” 注意到这两个提示的区别了吗？第二个提示包含了一个限制（三个主要原因）和一个受众（10 岁孩子）。这迫使 AI 优先考虑并简化，而不是给你扔出一整章教科书般的内容。 ...