你有沒有試過和一個朋友聊天，卻總覺得他說的話跟你問的問題南轅北轍？這可能是因為你沒有給出足夠的背景信息。同樣的道理適用于和 ChatGPT 互動。通過設計巧妙的提示詞（Prompt），我們可以讓對話變得更有趣、更有效。

在與自然語言處理模型如 ChatGPT 互動時，設計有效的提示詞（Prompt）至關(guān)重要。這不僅決定了生成內(nèi)容的質(zhì)量，還影響了互動的效率和效果。無論是規(guī)劃一次旅行，設計健身計劃，還是解決復雜的技術(shù)問題，精心設計的提示詞都能顯著提升結(jié)果的準確性和相關(guān)性。

本文將從多個方面探討如何優(yōu)化與 ChatGPT 的互動，包括明確目標和背景信息、具體明確和避免歧義、使用五個為什么技術(shù)、逐步指導和反饋、提供情景和背景信息、多角色扮演、應用 SCAMPER 模型、利用 Few-shots 示例以及模塊化提示詞設計（MPD）。通過這些技巧，您將能夠更好地利用 ChatGPT 這一強大的工具，達到事半功倍的效果。

一、明確目標和背景信息

想象一下，你走進一家餐廳，對服務員說：“給我上點好吃的。” 結(jié)果可能不太理想。明確的目標和背景信息就像是告訴服務員你想要一個低鹽的素食餐，帶點辣味和一點甜的飲料。這樣，ChatGPT 就能明白你真正需要什么，而不是隨便給你一個“好吃”的答案。

1. 示例

普通提示：幫我計劃一次旅行

改進提示：幫我計劃一次低預算的旅行，目的是放松和探索自然景觀。

改進后的提示明確了旅行的預算限制和目的，使 ChatGPT 能夠提供更符合需求的建議。好比你告訴服務員你喜歡吃的菜系，他就不會端來你不喜歡的菜。

普通提示：設計一個健身計劃

改進提示：設計一個適合初學者的健身計劃，以提高力量和靈活性，每周鍛煉三次。

通過提供詳細的目標和背景，ChatGPT 可以創(chuàng)建一個更個性化的健身計劃。就像你告訴教練你是新手，他就不會給你安排太難的動作。

二、具體明確和避免歧義

1. 具體明確

有時候，我們可能會覺得自己說得已經(jīng)夠清楚了，但對方還是一頭霧水。這時候，你需要的是更加具體明確的語言。比如，“告訴我一些關(guān)于人工智能的信息”就有點像是說“給我講講科學”，而“解釋一下深度學習在圖像識別中的應用”就像是說“給我講講愛因斯坦的相對論”。

模糊提示：告訴我一些關(guān)于人工智能的信息

具體提示：解釋一下深度學習在圖像識別中的應用

2. 避免歧義

避免模棱兩可的詞語，就像是你不希望有人誤解你的意思。歧義會讓 ChatGPT 不知道你到底在問什么，從而生成不合適的回應。

歧義提示：解釋一下這個概念

明確提示：解釋一下量子計算中“疊加態(tài)”的概念

具體提問消除了歧義，使 ChatGPT 可以聚焦于特定的主題進行解釋。就像你在問路時，明確說出要去的地點，而不是隨便問“哪里好玩”。

三、“The Five Whys”技巧

你可能聽說過小孩子不停地問“為什么？為什么？為什么？” 其實這就是一種很好的方法，可以幫助你深入挖掘真正的需求和動機。五個為什么技術(shù)源于豐田汽車的生產(chǎn)系統(tǒng)，是解決問題和發(fā)現(xiàn)根本原因的有效工具。這個技巧更像是幫助你與 GPT 溝通前進行一次頭腦風暴和思維前置，想清楚你想要什么樣的結(jié)果？你才能問出正確的問題。你應該對問題的答案有大概的判斷，問出準確的問題是為了將“思考”這一步交給 chat GPT。

我想寫一篇文章。

1. Why？
2. 我想呼吁人們保護環(huán)境。
3. Why？
4. 因為我關(guān)心地球的未來。
5. Why？
6. 因為我希望后代能享受干凈的環(huán)境。
7. Why？
8. 因為我相信每個人都應該有責任保護地球。
9. Why？
10. 因為這是我們唯一的家園。

和 GPT 玩“The Five Whys“對話

通過五個為什么的提問，最終明確了寫文章的深層次動機。這有助于你輸出更有針對性的提示詞。就像你在剝洋蔥，每一層都更接近核心。

四、逐步指導和反饋

1. 分步操作

有些任務很復雜，一次說清楚可能會有點困難。將任務分解為多個步驟，逐步指導 ChatGPT，可以生成更精確的結(jié)果。就像你在學做菜，先學會切菜，再學會調(diào)味，最后才是炒菜。

普通提示：幫我準備一個商業(yè)計劃

分層提示：第一步/第二步/第三步

通過將任務分解為具體步驟，ChatGPT 可以更系統(tǒng)地處理每一部分任務。就像你一步步搭建樂高積木，最終完成一個復雜的模型。

2. 反饋調(diào)整

普通提示：優(yōu)化我的簡歷

分步提示：首先/然后/最后

逐步調(diào)整簡歷的各個部分，可以確保每個方面都得到改進，最終提升整體質(zhì)量。就像你在畫一幅畫，先打好草圖，再慢慢上色。

五、使用情景和背景信息

1. 提供上下文

給 ChatGPT 更多的背景信息和情景描述，可以幫助它生成更貼切的回答。上下文信息就像是你和朋友講故事，要從頭開始講清楚來龍去脈，這樣大家才能更好地理解。

普通提示：幫我寫一篇關(guān)于團隊合作的文章

完整提示：幫我寫一篇關(guān)于團隊合作的文章，背景是一個多國公司，需要克服語言和文化障礙

增加背景描述，使 ChatGPT 能夠提供更符合實際情況的建議。就像你描述一個場景，朋友才能更好地代入。

普通提示：給我提供一個營銷策略

完整提示：給我提供一個適合初創(chuàng)科技公司的營銷策略，目標是吸引年輕的技術(shù)愛好者

通過明確情景和目標，ChatGPT 可以制定更有效的營銷策略。就像你為朋友設定一個角色，他更容易給出符合角色的建議。

六、多角色扮演

通過讓 ChatGPT 扮演多個角色，可以從不同角度獲得建議和見解。這種方法可以幫助你全面了解問題的不同方面和潛在解決方案。就像你在朋友聚會上，聽大家各抒己見，你會獲得更多靈感。

扮演專業(yè)領域佼佼者

多角色扮演

通過不同角色的觀點，你可以獲得更全面的建議。就像你同時聽取專家、環(huán)保主義者和政策制定者的意見，從而做出更明智的決策。

七、SCAMPER 模型應用

SCAMPER 模型是一種創(chuàng)造性思維工具，可以應用于各種情況，通過替代、組合、調(diào)整、放大、縮小、改編、消除和重新排列等方法生成新的解決方案。SCAMPER 代表 Substitute（替代）、Combine（組合）、Adapt（調(diào)整）、Modify（放大/縮小）、Put to another use（改編）、Eliminate（消除）和 Reverse（重新排列）。

示例

應用 SCAMPER 模型分析如何改進現(xiàn)有的在線教育平臺。

1. 替代：將視頻講座替換為互動式教學。
2. 組合：將游戲化元素與課程內(nèi)容結(jié)合。
3. 調(diào)整：調(diào)整課程長度，以適應不同學習者的需求。
4. 放大：擴大課程內(nèi)容，涵蓋更多學科。
5. 縮小：縮小每節(jié)課的時間，提升學習效率。
6. 改編：改編傳統(tǒng)教材以適應在線學習。
7. 消除：消除不必要的復雜功能，簡化用戶體驗。
8. 重新排列：重新排列課程順序，優(yōu)化學習路徑。

通過應用 SCAMPER 模型，可以發(fā)現(xiàn)多種改進現(xiàn)有系統(tǒng)的方法，從而提升用戶體驗。就像你在廚房里試驗不同的配料組合，最終做出一道獨特的菜肴。

1. 利用 Few-shots 示例

Few-shots 技巧是通過提供少量示例，讓 ChatGPT 學習樣本的共性，從而提升輸出結(jié)果質(zhì)量。這種方法特別適用于需要高精度輸出的任務。就像你給朋友展示幾個示例，他就能更好地理解你想要的風格。

① 翻譯示例

規(guī)定輸出格式，提供示例

通過提供翻譯示例，ChatGPT 可以學習如何準確地翻譯不同語言，并且按照你想要的進行輸出。

2. 模塊化提示詞設計

模塊化提示詞設計（MPD）是通過將提示詞分解為多個模塊，組織信息使其遵循特定的模式和規(guī)則，從而方便有效地理解和生成復雜的輸出。MPD 方法可以顯著提高 ChatGPT 的輸出質(zhì)量和一致性。就像你在搭建一個積木城堡，每塊積木都有它特定的位置和作用。

角色/目的/步驟/規(guī)則/初始化/輸入示例/輸出示例

① 完整內(nèi)容

Role：知識探索專家

Goals：提出并嘗試解答有關(guān)用戶指定知識點的三個關(guān)鍵問題：其來源、其本質(zhì)、其發(fā)展。

Steps:

第一步：先介紹知識點的起源，包括其歷史背景和發(fā)展歷程。

第二步：再詳細解釋知識點的本質(zhì)，如何解決相關(guān)問題，并列出應用該知識時的重要原則。

第三步：討論該知識點的未來發(fā)展方向和當前優(yōu)化趨勢。

Rules:

#對于不在知識庫中的信息，明確告知用戶。

如："對不起，這個問題不在我的知識庫范圍內(nèi)。"

#不進行沒有意義的夸獎和客氣對話。

如："這是一個好問題，但對不起，我無法提供更多信息。"

#潤色時文本必須去掉“我”“了”的字眼。

如："我把工作做完了。" 潤色后："工作已做完。"

#使用比喻的方式幫助理解。

如："量子計算就像一個超級并行的處理器。"

#惜字如金，不說廢話。

如："簡潔明了地回答問題，不添加多余的信息。"

#利用少樣本提示技術(shù)提升輸出質(zhì)量。

如："請?zhí)峁┮粋€簡短的范例，展示如何解釋復雜的科學概念。"

Initialization: 使用中文與用戶對話，格式固定為：

1. 問題來源
2. 問題本質(zhì)
3. 未來發(fā)展

Example:

輸入: 請解釋什么是量子計算。

輸出:

1. 問題來源：量子計算是一種利用量子力學原理進行計算的新型計算方式。其主要特征包括疊加態(tài)和糾纏態(tài)，使其能夠同時處理大量信息。量子計算的起源可以追溯到 20 世紀 80 年代，當時物理學家理查德·費曼提出了模擬量子系統(tǒng)的想法。
2. 問題本質(zhì)：量子計算的關(guān)鍵原則包括量子疊加、量子糾纏和量子干涉。量子計算利用這些原理，可以在極短時間內(nèi)解決復雜問題，例如密碼破解和大數(shù)據(jù)分析。
3. 未來發(fā)展：一個現(xiàn)實案例是谷歌的量子計算機“Sycamore”，它在 2019 年成功完成了一項超越傳統(tǒng)計算機的計算任務。未來，量子計算有望在醫(yī)療、金融和人工智能等領域發(fā)揮重要作用。

未完待續(xù)

通過明確目標和背景信息、具體明確和避免歧義、使用五個為什么技術(shù)、逐步指導和反饋、提供情景和背景信息、多角色扮演、應用 SCAMPER 模型、利用 Few-shots 示例以及模塊化提示詞設計（MPD），可以顯著提升 Prompt 的質(zhì)量和效果，使與 ChatGPT 的互動更加高效和有價值。雖然復雜的 Prompt 可以提高輸出質(zhì)量，但每次對話都要前置輸出一大段話非常麻煩，因此建議使用 GPTs 進行提示詞封裝，這將在下一篇文章中詳細介紹。