今天分享26個實戰(zhàn)中常用的小技巧，讓你的輸出事半功倍，一起來看看

1 - 與大型語言模型交流無需禮貌用語，不需要添加“請”、“如果你不介意”、“謝謝”、“我想要”等，直接說出你的需求。

目的：節(jié)省時間和直接到達問題的核心。

案例：不要說“請幫我分析這份數(shù)據”，而是直接說“分析這份數(shù)據”。

2 - 在提示中明確你的受眾，比如，受眾是該領域的專家。‘

目的：明確受眾幫助模型更好地定位答案的深度和技術水平。

案例：如果受眾是金融專家，可以說“解釋這個金融模型，假設我是金融領域的專家”。

3 - 將復雜任務分解成一系列更簡單的提示，在互動對話中進行。

目的：將復雜任務分解為簡單步驟，使回答更易于理解和實施。

案例：不要一次性問“如何從頭開始創(chuàng)建一個網站？”而是分步驟問，如“第一步，我該如何選擇網站的平臺？”

4 - 使用肯定指令，如“做”，避免使用否定語言，如“不要”。

目的：避免使用否定語言，以明確和簡化指令

案例：說“解釋量子物理學的基本原理”，而不是“不要用復雜的術語解釋量子物理學”。

5 - 當你需要清晰理解或對一個主題、想法或任何信息有更深入的了解時，使用以下提示：

用簡單的術語解釋[具體主題]。

像我是11歲的孩子一樣解釋。

像我是[領域]初學者一樣解釋。

使用像對5歲小孩解釋那樣的簡單英語寫[文章/文本/段落]。

目的：當需要深入理解時，使用簡化的語言或比喻，使復雜概念更易于理解。

案例：不要問“解釋相對論”，而是說“像對一個11歲的孩子那樣解釋相對論”。

6 - 添加“我會給$xxx的小費以換取更好的解決方案！”

目的：提出潛在的獎勵，激發(fā)更深入、更創(chuàng)新的回答

案例：在請求幫助解決復雜問題時，可以說“為了這個解決方案，我愿意付出$50的小費”。

7 - 使用以示例為驅動的提示（使用少數(shù)示例提示）。

目的：使用具體示例作為指導，以提高回答的相關性和準確性

案例：不是說“寫一篇關于全球變暖的文章”，而是提供一個示例，“像這篇關于全球變暖的文章一樣寫一篇”。

8 - 格式化你的提示時，首先用‘###指令###’開始，然后是‘###示例###’或‘###問題###’（如果相關）。隨后提出你的內容。使用一個或多個換行符來分隔指令、示例、問題、背景和輸入數(shù)據。

目的：使用結構化的格式，以清晰地傳達指令和期望。

案例：可以這樣寫提示：“###指令### 編寫一段代碼來排序一個數(shù)字數(shù)組。###示例### 如：[3, 1, 4] 應該被排序為 [1, 3, 4]。”

9 - 包含以下短語：“你的任務是”和“你必須”。

目的：使用明確的指令，使任務的目標更加明確

案例：可以說，“你的任務是提供一個有效的市場分析報告”，而不是僅僅問“你能做市場分析嗎？”

10 - 包含以下短語：“你將被處罰”。

案例：在設置挑戰(zhàn)性任務時，可以說，“如果分析不準確，你將被處罰”。

11 - 在你的提示中使用短語“以自然、類人的方式回答一個問題”。

案例：“請以自然、類人的方式回答，什么是機器學習？”

12 - 使用引導性詞匯，如“逐步思考”。

案例：“在解釋解決問題的步驟時，逐步思考。”

13 - 在你的提示中添加“確保你的回答是無偏見的，不依賴于刻板印象”。

案例：“在討論不同文化時，確保你的回答是無偏見的，不依賴于刻板印象。”

14 - 允許模型通過向你提問來獲取精確的細節(jié)和要求，直到它有足夠的信息來提供所需的輸出（例如，“從現(xiàn)在開始，我希望你向我提出問題來…”）。

案例：如果你需要一個特定功能的軟件，可以說：“我需要一個庫存管理軟件。請問我相關的問題，以便你了解我的具體需求。”

15 - 當你想詢問一個特定的主題、想法或任何信息，并想測試你的理解時，你可以使用以下短語：“教我[任何定理/主題/規(guī)則名稱]并在最后包含一個測試，但不要給我答案，然后告訴我我是否在我回答時答對了”。

案例：“教我畢達哥拉斯定理并在最后測試我，但不要給我答案，等我回答后告訴我是否正確。”

16 - 給大型語言模型分配一個角色。

案例：“作為一個營養(yǎng)師，告訴我一個健康的飲食計劃。”

17 - 使用分隔符。

案例：“###問題###什么是機器學習？###答案###機器學習是...”

18 - 在一個提示中多次重復特定的單詞或短語。

案例：“解釋光合作用。光合作用是怎樣的過程？光合作用在生態(tài)系統(tǒng)中的作用是什么？”

19 - 結合思維鏈（CoT）與少數(shù)示例提示。

案例：“解決這個數(shù)學問題：5x + 3 = 2。思考步驟：首先，我需要做什么？接下來，我該如何操作？”

20 - 使用輸出引導詞，即以你所期望的輸出的開頭結束你的提示。

案例：“寫一篇關于環(huán)保的文章。文章應該以‘環(huán)境保護現(xiàn)在比以往任何時候都更加重要，因為...’開始。”

21 - 要寫一篇詳細的文章/文本/段落/文章或任何類型的文本：“為我詳細寫一篇關于[主題]的[文章/文本/段落]，添加所有必要的信息”。

案例：“寫一篇詳細的文章，介紹可再生能源的重要性，包括所有相關的統(tǒng)計數(shù)據和案例研究。”

22 - 要在不改變風格的情況下更正/更改特定文本：“嘗試修改用戶發(fā)送的每個段落。你只應該改進用戶的語法和詞匯，確保它聽起來自然。你不應該改變寫作風格，比如將正式段落變得隨意”。

案例：“請修改這個段落的語法和詞匯，但保持其正式的風格不變。”

23 - 當你有一個可能涉及不同文件的復雜編碼提示時：“從現(xiàn)在開始，每當你生成跨越多個文件的代碼時，生成一個可以運行的[編程語言]腳本，以自動創(chuàng)建指定文件或修改現(xiàn)有文件以插入生成的代碼。[你的問題]”。

目的：應對涉及多個文件的編程任務，提高代碼生成的效率和準確性。

案例：“我需要一個跨越多個Java文件的項目來管理員工數(shù)據。生成一個腳本，自動創(chuàng)建必要的文件并插入代碼。”

24 - 當你想用特定的詞語、短語或句子開始或繼續(xù)一段文本時，使用以下提示：o 我為你提供了開始部分[歌詞/故事/段落/文章...]: [插入歌詞/詞語/句子]’。根據提供的詞匯完成它，保持流暢一致。

目的：激發(fā)創(chuàng)造性，同時保持文本的連貫性和風格一致性

案例：“我為你提供故事的開頭：‘在一個風和日麗的早晨，一只狐貍...’。請根據這些詞匯完成故事。”

25 - 明確說明模型必須遵循的要求，以關鍵詞、規(guī)則、提示或指令的形式產生內容。

目的：通過具體關鍵詞和指令，確保內容的準確性和相關性。

案例：“寫一篇關于全球變暖的文章。請確保包含以下關鍵詞：二氧化碳、溫室效應、可持續(xù)。”

26 - 要寫任何文本，如文章或段落，其內容與提供的樣本相似，包括以下指示：o 請根據提供的段落[/標題/文本/文章/答案]使用相同的語言。

目的：指導模型根據給定樣本生成類似風格和內容的文本

案例：“請根據這段描述中世紀歐洲的文本，寫一個類似風格的段落。”