提示工程
提示工程简单来说就是向 AI 提出好的问题。提示是您带有问题或请求的输入。
提示工程意味着我们设计有针对性的问题和指令，帮助 AI 模型在聊天中给出正确答案。更好的提示带来更好的结果。
结合所选模型的规格，这是决定答案质量的关键因素。
提示（问题）的要素
为了获得更好的结果，您需要考虑以下几点：
- 目标：您具体想从语言模型获得什么？
- 角色：语言模型扮演什么角色？（例如“市场分析师”、“法律顾问”、“项目经理”）
- 上下文：请求的背景信息（例如公司目标、项目细节、市场信息）
- 风格：您希望采用什么风格？（例如正式、说服力强、简洁）
- 输出：您希望的格式是什么？（例如报告、电子邮件、演示大纲、代码片段）
目标
准确描述您问题的目标是必不可少的，不能省略。
您想知道什么？
- 可以是事实性问题，但要意识到限制（例如缺乏最新知识）
- 就像在 Google 搜索一样，您多次提问不会得到完全相同的答案
- 优势是“聊天”功能，您可以继续追问
示例：明确目标的提示：
请描述在中型企业实施新 AI 平台的主要挑战。
在中型企业实施新 AI 平台面临多种挑战。主要挑战包括：
- 变革阻力：员工习惯于现有流程和系统。新 AI 平台需要适应，可能引发阻力，尤其当对工作流程的影响不明确时。
- 数据质量与可用性：AI 平台高度依赖数据。为新平台收集、清理和结构化数据可能复杂且耗时。
- 与现有系统集成：AI 平台通常需要与其他企业应用（ERP、数据源、BI 工具）集成，可能带来技术挑战。
- 成本：除了平台许可费用，还有实施、培训、数据基础设施及可能的专业人员成本。
- 培训与采用：员工需接受新平台使用及输出解读培训。缺乏良好培训和持续支持，采用率可能低。
- 选择合适的平台和用例：市场上有许多 AI 平台和技术。选择合适的平台并定义符合企业特定需求和战略目标的用例至关重要。
- 伦理考量与合规：根据 AI 平台的应用，可能存在伦理问题和合规要求（如 GDPR），需谨慎处理。
- 项目管理：成功实施需要扎实的项目管理、明确目标和跨部门利益相关者的参与。
添加角色和上下文
添加角色和上下文能获得更好、更具体的回答。
同一问题，添加角色和上下文的示例：
作为负责为一家拥有150名员工的 B2B 服务商实施新 AI 平台以进行数据分析和流程优化的项目经理，请描述主要挑战及可能的缓解策略。
作为负责为一家拥有150名员工的 B2B 服务商实施新 AI 平台以进行数据分析和流程优化的项目经理，我认为主要挑战及可能的缓解策略如下：
- 变革阻力与用户采用：
- 挑战：员工，尤其是直接受影响的岗位，可能不愿放弃熟悉的工作方式，接受新的 AI 驱动洞察。
- 缓解：及早让关键用户参与。清晰传达优势（效率提升、更好决策、新洞察）。提供全面的基于角色的培训和持续支持。设立部门内的“AI 先锋”。
- 数据质量、治理与迁移：
- 挑战：AI 平台的有效性依赖高质量、良好管理的数据。现有系统数据常不一致、不完整或错误。
- 缓解：开展彻底的数据审计，定义数据治理框架，集成/迁移前进行数据清理。明确数据模型和流程。进行测试并仔细验证数据。
- 与现有 IT 基础设施集成：
- 挑战：需无缝且安全地连接现有数据源、ERP、CRM 和其他企业系统。
- 缓解：及早识别所有必要集成。选择具备强大 API 功能或标准连接器的 AI 平台。彻底测试集成。
- 范围蔓延与预算超支：
- 挑战：项目过程中可能出现新的 AI 应用需求，扩大范围并增加成本。
- 缓解：定义明确、有限的范围及首阶段的用例（MVP - 最小可行产品）。严格变更管理流程。保持现实的项目计划和预算，包括缓冲。
- 选择合适技术和实施合作伙伴：
- 挑战：AI 市场复杂，错误的技术选择或缺乏经验的合作伙伴可能导致项目失败。
- 缓解：深入调研适合用例的 AI 技术。选择在您行业和所选技术上有经验的合作伙伴。索取推荐信。
- 组织内缺乏 AI 知识和技能：
- 挑战：可能缺乏有效使用、维护或进一步开发 AI 平台的内部专业知识。
- 缓解：投资培训和教育。考虑招聘专业人员或与实施合作伙伴紧密合作进行知识转移。营造持续学习文化。
- 伦理考量与可解释性（Explainable AI）：
- 挑战：AI 做出的或支持的决策必须透明且可解释，尤其当影响客户或员工时。数据偏见可能导致不公平结果。
- 缓解：制定 AI 使用伦理准则。尽可能选择可解释模型。实施检测和缓解偏见的流程。对关键 AI 决策进行人工监督。
通过主动应对这些挑战，我们能提高 AI 平台成功实施的概率，真正助力企业目标实现。
技巧
下面介绍一些您可以在更高级提示中使用的技巧。
技巧 1 - 提供示例
为了确保语言模型采用您想要的风格，提供一两个示例。
该方法称为“一次与少量示例提示”（one & few-shot prompting）
撰写一封关于即将进行的系统更新的客户通知邮件草稿。使用我们的内部客户沟通政策（插入相关政策要点）。以这份最近的新闻通讯作为风格指南，但不包含其内容：（插入新闻通讯文本）
完整提示如下：
内部客户沟通政策：
- 始终保持专业和礼貌。
- 及时更新重要变更或故障信息。
- 提供清晰简洁的信息。
- 如适用，提供解决方案或补偿。
使用此新闻通讯的风格，但不使用其内容。 尊敬的客户，
我们想通知您即将进行的系统更新，可能影响我们的服务。
更新日期和时间：[日期和时间] 预计中断时长：[时长] 涉及服务：[服务]
在此期间，我们的服务可能暂时中断。我们将尽力将影响降至最低，并尽快恢复服务。
以下是语言模型对带示例的完整提示的回答
尊敬的客户，
我们想通知您即将进行的系统更新，可能影响我们的服务。
更新日期和时间：[日期和时间] 预计中断时长：[时长] 涉及服务：[服务]
在此期间，我们的服务可能暂时中断。我们将尽力将影响降至最低，并尽快恢复服务。
如有任何疑问，请随时联系我们。
此致， [您的姓名] [您的职位] [公司名称] [联系方式]
技巧 2 - 提供模板
为了确保语言模型使用特定格式，提供模板和示例。这能让模型以特定方式组织或结构化回答。适用于多种格式，如：
- CSV 输出，便于导入 Excel 表或数据分析工具
- JSON 输出，用于 API 集成或配置文件
- 项目会议议程
示例提示： 生成针对中小企业的新 SaaS 产品的三个潜在营销渠道列表。格式如下： 渠道： 目标受众： 潜在投资回报率（ROI）： 所需资源：
例如： 渠道：LinkedIn 广告 目标受众：特定职位、行业、公司规模 潜在 ROI：高，前提是定位精准 所需资源：广告预算、内容创作、活动管理
该方法称为“输出模板”（output templates）
以下是语言模型对带输出模板提示的回答
渠道：内容营销（博客与 SEO） 目标受众：积极寻找解决方案的企业，有机流量 潜在 ROI：长期高，建立权威 所需资源：内容撰写者、SEO 专家、关键词研究及内容推广时间
渠道：Google 广告（搜索） 目标受众：积极搜索与 SaaS 产品相关关键词的企业 潜在 ROI：中到高，取决于竞争和点击成本 所需资源：广告预算、关键词研究、着陆页优化、活动管理
渠道：电子邮件营销（潜在客户培育） 目标受众：通过网站、网络研讨会或其他渠道收集的潜在客户 潜在 ROI：高，有效将潜在客户转化为客户 所需资源：电子邮件营销平台、邮件序列内容、细分技能
技巧 3 - 提供提示语
为了确保语言模型以特定方式开始和撰写，在提示末尾给出提示语。
示例提示： 你能帮我总结这份市场调研报告吗？（粘贴报告相关部分）。请以以下开头回答： 本次市场调研的主要发现是：
- 粘贴报告文本
该方法称为“线索与提示”（cues en hints） 此示例使用虚构报告。
以下是语言模型对带提示语提示的回答
本次市场调研的主要发现是：
- 中小企业对基于云的项目管理软件需求在过去两年增长了35%。
- 中小企业的主要决策因素是易用性、与现有工具的集成能力和价格。
- 竞争对手 A 占有25%市场份额，竞争对手 B 占18%。新进入者有机会针对特定细分市场或提供卓越用户体验。
- 中小企业采用新软件的最大挑战是初始投资和员工培训时间。
- 预计未来五年市场将以每年15%的速度持续增长。
技巧 4 - 分割内容与指令
有时提示因额外内容过长，语言模型无法准确理解您的意图。您可以用三引号在文本开头和结尾将内容与提示其他部分分开。
示例提示： 你能帮我总结这篇文章吗？ “”” （粘贴文章文本） “”” 请以以下开头回答： 这篇文章的主要观点是：
该方法称为“内容分割”（content splits） 此示例使用网络上的文章或报告作为素材。您可以使用政策说明、研究报告或公共信息页面。
以下是语言模型对带分割内容提示的回答。我们用三引号或三颗星号分隔问题上下文。
该来源的主要观点是：
- 报告描述了政策影响的目标群体。
- 来源指出了谨慎执行的前提条件，如隐私、可访问性和清晰沟通。
- 分析显示了需预先考虑的风险和依赖关系。
- 文件包含可转化为团队或部门具体行动的建议。
- 决策时需明确假设、不确定性和后续步骤。
技巧 5 - 先提问额外信息
您可以指示模型先提出补充问题，再生成答案。这样模型能帮助您细化请求，更具体。
示例提示： “我想为开发一款内部通讯新移动应用拟定项目提案。该应用需包含新闻更新、员工花名册和即时消息功能。写提案前，你能先问我一些补充问题以完善提案吗？”
该方法称为“先问后答提示”（ask before answer prompting）
以下是语言模型对带补充信息请求提示的回答
当然！以下是我可以提出的一些问题，以帮助完善项目提案： 内部通讯应用的主要目标是什么？（例如提升参与度、改善信息传播、促进协作） 公司内的具体目标用户是谁？（例如所有员工、特定部门、现场员工） 应用需集成哪些现有系统或平台？（例如内网、人力资源系统、Active Directory） 开发和实施的预算及时间表如何？ 应用需满足哪些安全或合规要求？（例如 GDPR、数据保留政策） 将用哪些关键绩效指标（KPI）衡量应用成功？ 是否已有设计或品牌构想？需符合组织形象吗？ 偏好开发平台是什么？（iOS、Android、跨平台）
有了这些补充信息，我们能更好地了解范围和需求，从而制定更强有力的项目提案。
技巧 6 - 情感提示
您可以指示调整文本语气以匹配潜在情绪，或引发特定情感反应。适用于客户服务、内部沟通或营销。
示例提示： “我需要给一位对最近服务中断不满的客户写邮件。客户写道：‘’’……‘’’（粘贴客户文本）我希望邮件富有同理心，承认客户的挫折感，并提供建设性解决方案。”
该方法称为“情感提示”（emotional prompting） 此示例使用虚构投诉。
完整提示如下：
我需要给一位对最近服务中断不满的客户写邮件。客户写道： """尊敬的先生/女士，
我对昨天下午的意外服务中断非常失望。这严重影响了我们的业务运营，导致生产力下降。我们依赖您的服务，这类事件不可接受。我期待明确的解释和适当的赔偿。"""
我希望邮件富有同理心，承认客户的挫折感，并提供建设性解决方案。
以下是我们从语言模型获得的回答
尊敬的[客户姓名]，
感谢您的来信，并对您昨天下午经历的服务中断表示诚挚歉意。我完全理解您的挫折感及其对您业务运营的影响。我们非常遗憾未能达到您的期望和我们的服务标准。
此次中断是由[简短明确的原因说明，例如数据中心的意外技术故障]引起的。我们已立即采取措施，技术人员正努力尽快恢复服务。服务自[时间]起已全面恢复。
我们非常重视此事件，正在评估原因以防止未来再次发生。
为补偿您的不便，我们愿意提供[具体方案，例如下一账单折扣/一个月免费升级/服务积分]。我们的客户经理将在24小时内与您联系，亲自讨论此事并解答您的任何疑问。
再次为给您带来的不便致歉。我们珍视您的支持，致力于未来为您提供可靠的服务。
此致，
[您的姓名/公司名称]
技巧 7 - 请求多个版本
您可以请求多个版本的回答，以便有选择余地。例如，您希望模型帮忙生成新产品的多条营销口号。角度多样，您希望获得多个选项。此技巧可与为模型设定特定角色和系统提示结合使用。
您可以在相关文章中了解更多关于角色的内容。该文章底部有多个版本示例，这里不再重复。
技巧 8 - 结合系统提示
系统提示可向 AI 模型下达指令，明确任务或模型行为。您可以指定期望的输出类型。这是一种引导模型，避免其给出无关或不合适回答的方式。
一些简单通用的系统提示示例：
“我希望你成为一位友好且乐于助人的助理。”
“始终保持专业和尊重的语言。”
“专注于给出具体、直截了当的回答，避免冗余细节。”
系统提示为您与 AI 模型的特定对话或任务设定了基调和期望。
您也可以为特定任务设计更高级的系统提示，例如文本摘要： “仔细分析给定文本，简明但信息丰富地总结主要要点。识别核心信息和关键细节。”
系统提示对不同 AI 模型的影响不同。chatGPT 影响较强，Claude 也明显，其他模型影响较小。值得尝试，看看哪个模型对您的输入效果最佳。
您可以在偏好设置中设定通用系统提示，但最好针对每个自动化任务设计专门的系统提示，我们称之为角色。
您可以在相关文章中了解更多关于角色的内容。
标注段落
在完整的聊天消息中选择文本，点击标注。在弹窗中写入问题或修改指令，例如“仅简化此句”，然后点击保存。您可以标注多个段落。发送时不需要额外提示，但可以添加。标注会随评论保存，即使切换窗口也保留。发送前可删除标注。手机端长按文本进行选择。