一、核心原则
-
明确需求
- 清晰定义任务目标（如生成代码、总结内容、创作故事等）。
- 避免模糊描述，用具体关键词（如“用Python写一个快速排序算法”“以学术风格总结以下段落”）。
-
结构化表达
- 分步骤、分点描述任务（例如：“第一步…；第二步…”）。
- 使用分隔符（如括号、引号）标出输入内容与具体要求。
-
角色设定
- 为模型赋予特定身份（如“你是一名资深算法工程师”“作为文学评论家”），引导其输出专业化内容。
二、进阶技巧
-
示例引导
- 提供输入输出样例，明确格式或逻辑要求。
- 示例：
输入：苹果、香蕉、葡萄 输出：我喜欢的水果有： 1. 苹果 2. 香蕉 3. 葡萄
-
约束条件
- 限制输出长度（如“100字以内”“分3点说明”）。
- 指定格式（如Markdown表格、JSON、代码块）。
-
分阶段提问
- 复杂任务拆解为多轮对话，逐步细化要求。
- 例如：
- 第一轮：“我需要一个关于环保的短视频脚本大纲。”
- 第二轮：“为大纲中的高潮部分添加具体对话场景。”
-
调整输出风格
- 指定语气（正式、口语化、幽默等）或受众（儿童、专业人士）。
- 示例：“用通俗易懂的语言向小学生解释光合作用”。
三、场景化技巧
-
代码相关
- 明确编程语言、功能需求、输入输出格式。
- 示例：“用Python写一个函数，输入列表，返回去重后的升序排列列表，禁止使用set()。”
-
内容创作
- 提供背景信息（如人物设定、世界观、情节走向）。
- 示例：“写一个科幻短篇，主角是AI科学家，发现机器人有自我意识，要求结局反转。”
-
信息处理
- 提取、总结或翻译时，标注关键信息点。
- 示例：“将以下英文论文摘要翻译为中文，保留术语（如neural network），并列出3个核心观点。”
-
调试与修正
- 针对错误输出，提供反馈并明确修改方向。
- 示例：“这段代码报错‘IndexError’，请分析原因并给出优化版本。”
四、常见误区
- ❌ 过于简略：如“写个故事” → 缺乏方向导致输出随机。
- ❌ 矛盾要求：如“简短但详细” → 需平衡明确性。
- ❌ 过度堆砌：提示词过长可能干扰模型理解。
五、优化公式
“角色 + 任务 + 示例 + 约束”
示例：
“作为营养师，针对高血压患者设计一份一日三餐食谱（早餐、午餐、晚餐），要求低盐低脂，以表格形式呈现，并标注卡路里。”
通过以上技巧，您可以更精准地引导模型生成高质量内容。根据实际反馈调整提示词，逐步迭代优化效果最佳。