1. 引言

大家好，我是小，一个在江湖漂泊多年的985非科班程序员，曾在国企、互联网大厂和创业公司中担任后台开发工程师。

上周末在家，外面正下着雨呢，就想了解最近几天的天气情况。

恰巧手机在充电，于是打算问智能音箱小艺，但好巧不巧嘴瓢了一下，脱口而出的是：“小艺小艺，天气不错吗？”

结果，它对我说：“无论是晴天雨天，希望你可以安好每一天！”

这种模糊的指令问题并不局限于智能家具，如今广泛应用的AI大模型也面临类似困境。尽管这些AI拥有更高的智能水平，但它们同样需要明确的指令来确保正确的操作。

让我们看看编写 prompt 有哪些小窍门，让 AI 不仅可以给我们报对天气，还能给我们讲个笑话。

2. 明确性与精确性

首先，指令必须清晰明了，就像编程中定义变量一样重要。不明确的指令就像模糊的变量名，会导致理解困难和错误产生。

图片

AI 是个知识库

比如，当我们想和 AI 聊天时，我对它说：“给我一点水”。

它马上回复说：“空气湿润，这就是一点水吧？”

朋友们，明白了吗？AI 也许机智，但需要的一定是明确的指令。

给“直AI”一点耐心

再比如，我对它说：“讲个笑话来”。它回我：“一个程序员进了酒吧，然后……出现了错误”。是的，AI 的逻辑是直线的，它不懂拐弯抹角。

所以，交流时必须明确到点子上，比如：“提供一个幽默故事，主角是程序员，在酒吧的逗趣遭遇”。这样，AI 就能给出具体的结果。

善用标点符号

在对话中，我们不仅可以自定义分隔符，也可以利用 LLM 本身的标点，写出更简洁明了的 prompt，比如 OpenAI 中的示例文档。

效果较差 ：

将下面文本总结出几个最关键的要点。

{text input here}

效果更好 ：

将下面文本总结出几个最关键的要点。

文本："""{text input here}"""

善用 AI 本身支持的分隔符，可以让模型更容易理解我们的意图。

AI 就像处在成长期的孩子，告诉它“要东西就要说清楚要什么”，不否定它的好奇心，却也要引导它明白。

准确性不是可有可无的礼节，而是有效沟通不可或缺的基石。

3. 分步构建

如果你要 AI 渲染出蒙娜丽莎的 3D 图像，你得分步骤来，先解释 2D 和 3D 的区别，再说明蒙娜丽莎的特征，最后才是将这两者结合。

和 AI 交互就像做一道复杂的菜肴，你得按部就班。

懂得太多的 AI 不一定能理解你

举个例子，有一次我对 AI 说：“讲一个宇航员在太空的故事”。结果它给我来了一串专业的航天器术语表。我恍然大悟，这就像是向一个新手解释如何做菜，而开局直接告诉他学会分子烹饪一样，太过前卫，而且跳步太多。

后来我试着换了种说法：“我们先设定场景，一个宇航员漂浮在太空站外。第一步，描述一下他看到的地球；第二步，讲一讲他在太空走失的小故事”。

这次，它就给我叙述了一个宇航员眺望蔚蓝星球、误触喷气背包漂流的有趣而生动的故事。

分步构建的法则，不仅让 AI 更明白我们的要求，更让 AI 的答案变得有层次感，就像音乐的升级版，由单音变成了有节奏的旋律。

让 AI 逐步展现全貌，分步构建不仅是对它的指引，更是让复杂信息条理化的艺术。

4. 情景&角色模拟

利用条件模拟创造真实情景的预示，这可以帮助 AI 构建上下文，增进理解。

图片

时空旅行者的信件

举个例子，如果你需要 AI 帮你编写一封信，你可以这样指示：“假设我是个时空旅行者，我需要写一封信给 1945 年的我，告诉我明天将会下大雨” 。

这样一来，AI 不仅把握了需要编写信件的指令，同时根据你营造的时空旅行者角色，它会模拟出更具历史氛围和期望情景的内容，令整个文本更为贴近真实世界的细节。

角色扮演

同样地，你也可以给 AI 设定一个角色，比如你需要获取某些互联网大厂的面试经验，你可以在 prompt 一开始告诉它：

你是一个资深后台开发，精通......【角色背景】

现在问题是【输入问题】

你需要告诉我......【目标是什么】

要求是......【有哪些要求】。

情景和角色模拟不单是故事讲述的技巧，更是通往高效沟通的捷径。

5. 贴近实例

为 AI 提供一个具体案例，可以显著提高其执行指令的准确性。

数学问题的启示

就如向数学初学者教授难题一般，一个明确的数学实例能让理解和解决问题的过程事半功倍。

我曾经要求 AI 帮我生成一个关于市场营销的策略建议，开始时我说：“编写市场营销策略”。

结果大家肯定猜到了，AI 给出了一个非常通用的答案。

后来，我提供了一份具体的竞品分析报告，然后说：“基于这份分析报告，为一家想要增加市场份额的初创科技公司，编写一套定制的市场营销策略” 。

结果，AI 运用具体实例，输出了一份详细而创意十足的策略。

实例引导的方法，让 AI 更好地锚定于特定情况，将一般性理论应用于具体的场景。

6. 互动反馈

互动反馈是 AI 学习进步的催化剂。

培养智能的植物

就像与一棵植物沟通，我们需要不断地修剪和引导，AI 也是一样。起初，我要求 AI 给出一些关于提高工作效率的建议，它给出了一些基本的时间管理技巧。

这些虽然有用，但并不全面。

于是我开始反馈，指出想要深入了解心理层面的影响等等。随着几轮的反馈，AI 给出的建议不仅更加贴合我的需求，还融入了心理健康等多维度的考量。

互动和反馈，让 AI 能够更好地调整输出，更精准地满足用户的需求。

7. 循序渐进

近期的 AI 进展令人振奋，但我们也应该认识到，就如同人类学习，AI 也需要循序渐进。

慢慢来，进步更快

期望 AI 一次就给出完美结果，就像想让刚学走路的孩子马上跑马拉松一样不现实。

在使用 AI 时，我们可以逐渐增加任务的复杂性。比如，在用 AI 写文章时，我会先从简单的概念开始说起，然后逐渐深入到更复杂的理论，最后指向实际应用。

通过不断练习，AI 就像习惯于解决复杂问题的人类思维，让它的能力在不断的挑战中成熟。

8. 小结

讲解 prompt 的文章有很多，而文中所述的这六大原则也并非一成不变。

为了与 AI 协作提供了一个有力的出发点，我们需要始终记得，良好的交流和明确的指示是大模型呈现其强大潜能的关键。

随着大模型的越发成熟，后续可能会涌现更多精通编写 prompt 的工程师，它们的目标就是通过这些原则来打破人与 AI 之间沟通的界限，让复杂的技术表述变得亲民而富有成效。

而目前，大模型不仅可以作为开发助手，还可以修简历，写广告，写论文。而另一个相似领域的 AIGC 已经可以画出精美的图片，在上个月发布的 sora 来看，AI 还可以生成 60s 的流程视频，质量还相当不错。

这些 AI 工具的诞生，可能会让很多行业发生翻天覆地的变化。

而在与 AI 的合作中，给出一个精确、直接而且详细的 prompt，就像是在一份详尽的菜单上下达了明晰的命令，让 AI 这位大厨可以更好地理解人类的需求，为我们准备一顿丰盛的智能盛宴！