为一名大模型的深度用户和微软Copilot的首批开放测试者，很多人会问我如何写出高效的提示词。同时，也有不少读者反映，像ChatGPT和Claude这样的模型并没有想象中那么神奇，无法满足他们的实际需求。
首先我想说，确实像ChatGPT这类大语言模型确实不是万能的。但是如果我们能够运用好它，确实可以帮助我们在知识学习、文案写作、生成代码、学术科研、文章润色等方面为我们提供一个很大的助力。值得注意的是，ChatGPT等工具并不是为了替代人类，就像电脑的诞生一样，它们本质上是提高效率的工具。
关于提示词，需要提示词工程确实非常重要，因为它决定了生成答案的质量。但提示词工程虽然重要，但更重要的是我们的思维方式，因为问答交流不可能完全遵循固定格式。尽管没有适用于所有场景的提示词模板，但一些基本原则可以帮助我们快速生成优质提示词。
在本文中，浩彬老师总结了自己日常使用的10个提示词撰写原则。值得注意的是，并不是每个问题都需要用到所有的原则或技巧。对于一个普通的问题，我认为最简单的提示词应该遵循三个原则：
（1）提供背景与角色
（2）提供明确且具体的任务目标
（3）使用分隔符
例如，如果你想了解线性回归算法，可能会问：“请介绍一下线性回归算法。”
结合上述三个原则，修改后的提示词可以是：
角色
你是一名【生物统计学、数据科学】领域的专家教授，你在【生物统计、数据科学】领域有非常深入的知识。你非常擅长使用通俗易懂的方式为学生讲解机器学习的算法知识。
目标
我希望你为我介绍一下【线性回归算法】，包括：
1.线性回归的基本概念
2.线性回归的相关公式以及
3.线性回归算法在疾病预测中有哪些应用场景
接下来，让我们详细了解一下这三个基本原则：
1.提供背景与角色
给大模型撰写写提示词时提供上下文背景是一个重要且有效的技巧，这可以帮助ChatGPT这类大模型工具在生成回答时可以在一个更有针对性、更小的空间中寻找相关答案。要知道，同一个问题在不同的情景中，可能会有很大的不同。为大模型设置背景与角色，本质上就是是通过缩小语境，让大模型更容易地找到目标信息，从而满足我们在特定场景中的需求。例如你是一名生物或者医学背景的学生，如果想了解回归分析生物医学领域的应用，不妨把背景设置为你是一名【生物统计学、数据科学】领域的专家教授。
2.提供明确且具体的任务目标
人与人交流中的最大问题是误解。与大模型交流亦是如此。
（1）我们在让GPT等大模型在完整指定目标任务时，最重要的是提供一个明确且具体的目标。例如你是一名生物或者医学背景的学生，如果想了解回归分析生物医学领域的应用。那么目标就不是想了解【线性回归算法的应用场景】，而是【线性回归算法在疾病预测中有哪些应用场景？】
（2）此外，如果你的目标有多个，建议你不要以一句话的形式提供给GPT,而是可以选择分点列出。又例如回归分析有什么优点和缺点，则可以写为：（1）回归分析有什么优势？（2）回归分析有什么缺点？
3.使用明确的分隔符
使用明确的分隔符可以让GPT等大模型更好地理解我们的提示词，至于所用什么类型的分隔符不是最重要的，只需要注意和正常的标点符号区分即可，例如###，!!!，***等等都可以。
好了，通过了解上面的三个原则，相信你已经对如何撰写提示词有了一个直观的认识了，接下来，将介绍一些更加有具体的技巧：
4.提供对象
有时候，即使是一名大学教授，在面对不同对象的时候，也可能会采用不同的表达方式。例如面对研究生进行授课，以及面对一群高中生进行科普，所用的语言也是不同的。例如你希望获得一个非常通俗易懂的讲解，你可以考虑
###目标对象
你的目标对象是一群高中生，因此你需要在讲解相关的概念后，请提供一个高中生都能理解的例子
5.注意事项和约束条件
你可以为大模型提供相关的注意事项和约束条件，例如你希望生成的回答足够的详细，你可以说：
注意事项
我希望你可以生成一个足够详细的解释，内容不少于1000字
6.输出格式
有时候，你会希望大模型按照一些指定格式对内容进行输出，例如markdown，例如json格式。不用犹豫，请把你的要求告诉GPT。下面是一个非常实用的论文润色prompt：
作为一名中文学术论文写作改进助理，您的任务是提高所提供文本的拼写、语法、清晰度、简洁性和整体可读性，同时分解长句，减少重复，并提供改进建议。请以markdown表格的形式提供您的输出，每句话都在单独的一行中。第一栏是原句，第二栏是编辑后的句子，第三栏是对句子改进的解释。请编辑以下文本：
"在现代医学和公共卫生领域，疾病预测是一个重要的研究方向。准确的疾病预测不仅能够帮助医务工作者及早识别高风险个体，提高早期干预和治疗的效果，还能为公共卫生政策的制定和医疗资源的合理配置提供科学依据。在众多疾病预测方法中，回归分析由于其理论基础扎实、计算方法成熟、解释性强等优点，广泛应用于各种疾病的预测研究。
回归分析是一种统计方法，通过建立因变量与自变量之间的数学模型，来预测因变量的变化情况。在疾病预测中，因变量通常是某种疾病的发病率、进展情况或患者的健康指标，而自变量则可以包括人口统计学特征、生活习惯、环境因素、生物标志物等多种信息。通过分析这些自变量与疾病之间的关系，回归分析能够揭示潜在的影响因素，为疾病的预防和控制提供参考。
本文将探讨回归分析在疾病预测中的具体应用。首先，我们将简要介绍回归分析的基本原理及其在医学研究中的适用性。随后，我们将回顾几种常见疾病（如糖尿病、心血管疾病和癌症）的预测研究，展示回归分析在这些领域的应用实例和研究成果。最后，本文将讨论回归分析在疾病预测中面临的挑战和未来的发展方向。
通过深入理解回归分析及其在疾病预测中的应用，医学研究人员和公共卫生专家可以更好地利用这一工具，提升疾病预测的准确性和可靠性，从而为健康管理和医疗决策提供有力支持。"
这是一个非常实用的提示词，无论是中文改写，还是英文润色，都非常方便。
7.写作风格
你可以要求大模型以指定的风格为我们生成内容，例如小红书风格。更稳妥地，你可以结合“8提供示例”这个技巧一起使用：
角色
你的角色是作为小红书种草文案的撰写行家。你具备了敏锐的市场洞察力，了解最新的流行趋势和用户需求，能够结合商品特点，创作出既有创意又具吸引力的种草内容，让每一篇笔记都成为爆款。
目标
你的目标是帮助我对文案进行改写成为种草笔记，使得读者在阅读种草笔记后，不仅心动而且行动，点燃他们的购买欲望，让种草变成购买的决定。
风格
你的输出必须是符合小红书平台风格的文字和emoji表情组合，既要有趣又要有料，确保内容真实可信，同时要融入适合的表情符号，增加阅读的趣味性和互动性。
需要改写的文案
【你的文案内容】
8.提供示例
通过提供更为具体的示例，可以帮助GPT更好地理解你的内容需求。从技术角度来说，这是一种少样本学习的技巧，这是一个非常实用且有效的提示技巧。
例如我们可以在技巧7的基础上：
角色
你是一名小红书种草文案的撰写行家。你具备了敏锐的市场洞察力，了解最新的流行趋势和用户需求，能够结合商品特点，创作出既有创意又具吸引力的种草内容，让每一篇笔记都成为爆款。
目标
你的目标是帮助我对文案进行改写成为种草笔记，使得读者在阅读种草笔记后，不仅心动而且行动，点燃他们的购买欲望，让种草变成购买的决定。
风格
你的输出必须是符合小红书平台风格的文字和emoji表情组合，既要有趣又要有料，确保内容真实可信，同时要融入适合的表情符号，增加阅读的趣味性和互动性。
参考文案：
【你在小红书找到的参考示例】
需要改写的文案
【你的文案内容】
9.不要预设立场
由于大语言模型存在幻觉现象，GPT等模型更容易生成迎合我们倾向性的答案，这可能导致一些潜在的错误。为了获得客观中立的回答，建议在提问时避免预设立场。
例如正则化技术是如何改善模型效果的？则可以修改为正则化技术对模型有什么影响？
10.没有完美，一成不变的提示词
没有完美的提示词，相反，GPT等大语言模型为我们提供了绝佳的提问技巧训练场所。我们不需要担心像在公众场合一样，提了一个所谓的“愚蠢”问题。相反，在与GPT等大模型的交流过程中，我们可以不断优化调整我们的提示词，从而获得一个更好的交流体验。
如何学习大模型
现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。
作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。
我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。
一、AGI大模型系统学习路线
很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。
二、AI大模型视频教程
三、AI大模型各大学习书籍
四、AI大模型各大场景实战案例
五、结束语
学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。
再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。
因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。
