我要投稿

万字长文：人人都能学会的提示词，揭秘18个prompt模版，8个秘诀，助你AIGC从入门到精通，从可用到好用

发布日期：2024-04-02 07:06:24 浏览次数： 14748

作者：汀丶人工智能

微信搜一搜，关注“汀丶人工智能”

全文11500字，阅读时间约60分钟，只读图约15分钟。

硅谷提示词工程师年薪已经达到200万，国内也出现了月入10万的提示词工程师。提示词是什么？提示词工程是什么？本文梳理了市面上所有主流的套路，写就本文，助力人人成为提示词工程师。

引言

未来AIGC就是水、电、气，提示词就像电线，提示词是普通人靠近/成为硅基智能最近的方式，是用户与大模型（ChatGPT\文心一言等）之间的桥梁（也可能是明日的回忆，大模型足够强后也许不要了），帮助我们表达意图和需求，同时补充大模型的缺陷（注意二者同样重要）。大模型是prompt的万能函数。

根据BCG的银行生成式AI报告，一个好的Prompt可以极大地提高效率和效果。ChatGPT可以看作是一面镜子，它的回应反映了你的输入。如同钥匙打开门锁，好的Prompt为我们打开了AI大模型的无限潜力。

无论是ChatGPT、Claude还是Bard，一个合适的Prompt可以极大地提高问题的解答质量与效率。正如一位行业专家所言：“你得到的输出，往往取决于你输入的Prompt。”

Prompt不仅仅是技巧，它是一种艺术，是AI时代的玛尼玛尼哄。不管你使用哪款AI产品，一个精准、有深度（反应行业know how和SOP）的Prompt都能引导模型给出你期待的答案。这种技能不仅仅局限于ChatGPT，它是各大模型的通用技巧，是每位与AI互动的人都应该掌握的基本功。

目前，不仅仅是程序员和工程师需要与AI互动，每个普通人都可能成为AI的用户。因此，掌握如何与AI有效对话，如何用Prompt引导AI给出最佳回答，成为了每个人的必备技能。正如本文作者李家贵所强调的：“现在人人都是提示词工程师”。

什么是提示词？

提示词，简单来说，就是一种指导或命令，用于告诉大模型或软件应该执行什么操作。它们可以是简单的单个词，如“画图”或“搜索”，也可以是一整句具体的指示，类似下面这样的：

提示词的历史

提示词并不是近年来才有的概念。实际上，从计算机技术的初步发展阶段，提示词就已经存在。在早期的计算机界面中，用户需要通过键入特定的命令行提示词来与计算机进行交互。随着技术的发展，图形用户界面（GUI）成为主流，但提示词仍然在某些领域，如编程和高级系统管理中发挥着关键作用。

接下来我们来讲解18个常见的提示词方法论（下称框架，含配图、示例），这些方法论方法论有些是基于要件（即必须满足的条件或特征，如CHAT模型）或基于模板（提供特定的结构和格式，如BROKE模型，以及LangGPT模型）：

1、APE (Action Purpose Expect)提示词框架

APE框架提倡将用户的请求分解为三个主要部分：行动、目的和期望。这种分解方法使得与大模型的交互更加明确和高效。

行动 (Action)：定义需要完成的特定任务、行动或活动。这是框架的第一步，旨在明确要执行的具体任务或活动。

目的 (Purpose)：讨论意图或目标。这部分是为了解释为什么要执行这个特定的任务或活动，它的背后意图是什么，以及它将如何支持更大的目标或目标。

期望 (Expectation)：陈述期望的结果。在这最后一步，明确表述通过执行特定任务或活动期望实现的具体结果或目标。

示例：

假设你是一家产品销售公司的营销经理，你想通过社交媒体广告来提高产品的在线销售。按照 APE（行动，目的，期望）框架，你可以创建以下提示词：

行动 (Action):设计并发布一系列的社交媒体广告，宣传我们的最新产品。

目的 (Purpose):通过吸引社交媒体用户的注意，提高产品的在线销售和品牌知名度。

期望 (Expectation):在接下来的一个月中，通过社交媒体广告，在线销售增加 30%，并且我们的品牌在社交媒体上的关注度提高 20%。

通过这个APE 提示词，团队能够清晰地理解要执行的行动、达成的目的以及期望实现的具体结果，从而能够更有效地执行广告活动。

2、BROKE提示词框架

陈财猫老师的BROKE框架融合了OKR（Objectives and Key Results）方法论，旨在通过GPT设计提示，提高工作效率和质量。这个框架分为五个部分，其中最后一个部分，有比较长远的视角。

背景 (Background): 提供足够的背景信息，使GPT能够理解问题的上下文。

角色 (Role): 设定特定的角色，让GPT能够根据该角色来生成响应。

目标 (Objectives): 明确任务目标，让GPT清楚知道需要实现什么。

关键结果 (Key Results): 定义关键的、可衡量的结果，以便让GPT知道如何衡量目标的完成情况。

演变 (Evolve): 通过试验和调整来测试结果，并根据需要进行优化。

这个框架的设计旨在通过结构化的方法来提升GPT的提示设计，从而达到更高的效率和质量。它不仅仅是一个静态的框架，而是一个动态的过程，通过不断的测试和调整，来优化提示的设计和输出。

以下是一个应用BROKE框架的提示实例，主题是"如何提高编程技能":

BROKE框架实例:

Background: 编程是一种重要的技能，能帮助解决各种问题。随着技术的快速发展，不断地学习和提高编程技能变得至关重要。

Role: 假设你是一名经验丰富的编程导师，能提供实用的建议和指导。

Objectives:

了解编程基础和核心概念。

通过实际项目实践和提高编程技能。

接受同行和导师的反馈，了解进步和需要改进的地方。

Key Results:

完成至少5个不同类型的编程项目。

每个项目后都能获得专业的反馈和建议。

至少阅读和总结10篇关于编程最佳实践和新技术的文章。

Evolve:

每个月评估一次学习进度，调整学习计划。

根据项目实践和反馈来调整学习资源和方法。

如果发现某个学习资源或方法不再有效，寻找新的替代方案。

通过应用BROKE框架，可以创建结构化和明确的GPT提示，从而更有效地达成目标，提高工作效率和质量。同时，通过不断的评估和调整，可以确保持续的进步和优化，从而形成一个正向的循环，不断地推动自己向前。

3、CHAT提示词框架

CHAT框架集中于角色、背景、目标和任务四个核心部分，为用户与大模型的深度交互提供了全面的指导。

角色 (Character)

角色为大模型提供了关于用户身份和角色的信息，有助于大模型更好地定制其回应。例如，一个医生可能需要的信息与一个学生完全不同。

背景 (History)

背景部分提供了与当前问题相关的历史信息和背景知识。这使得大模型能够更好地了解用户所在的上下文环境。

目标 (Ambition)

目标描述了用户希望从与大模型的交互中实现的长期或短期目标。它可以帮助大模型提供更有针对性的建议和解决方案。

任务 (Task)

任务部分明确了用户希望大模型执行的具体任务或行动。这是最直接的指导，告诉大模型用户期望的具体操作或回答。

示例：

用户：我是一名历史教师，想知道关于古罗马的教学资源。

大模型提示词框架：

角色：历史教师

背景：需要教授古罗马历史

目标：寻找高质量的教学资源

任务：提供古罗马的教学资源或推荐

这种交互策略使得大模型能够更准确、更有针对性地为用户提供所需的答案和资源。

4、CRISPE提示词框架

详见GitHub - mattnigh/ChatGPT3-Free-Prompt-List: A free guide for learning to create ChatGPT3 Prompts 目前1.8k stars.

CRISPE是由Matt Nigh创建，它提供了结构和清晰度，将提示创建过程分解为明确和不同的步骤。该框架包括五个主要组成部分：

能力和角色 (Capacity and Role): 定义ChatGPT应扮演的角色或角色。

洞察 (Insight): 提供有关请求的幕后洞察、背景和上下文。

声明 (Statement): 说明您要求ChatGPT完成的任务。

个性 (Personality): 定义您希望ChatGPT回应时采用的风格、个性或方式。

实验 (Experiment): 要求ChatGPT为您提供多个示例。

CRISPE示例:

能力和角色: “作为软件开发方面的专家，讨论机器学习框架的主题，并作为专家博客作者。”

洞察: “此博客的受众是对学习最新机器学习进展感兴趣的技术专业人员。”

声明: “提供对最流行的机器学习框架的全面概述，包括它们的优势和劣势。包括真实的示例和案例研究，以说明这些框架如何在各种行业中成功应用。”

个性: “在回应时，请混合使用Andrej Karpathy, Francois Chollet, Jeremy Howard和Yann LeCun的写作风格。”

实验: “给我多个不同的示例。”

此框架有助于确保创建的提示具有明确的目的和结构，从而使ChatGPT能够更有效地理解和回应用户的请求。

官方示例：

5、CARE提示词框架

CARE框架强调四个关键要素：上下文指导、行动、结果和示例。此外，与CARE框架类似的框架还有不少，如CAR (Context, Action, Result)框架、CCAR (Challenge-Context-Action-Result)模型和CARL (Context, Action, Result, Learning)框架。这些框架有着相似的元素和原则。

上下文指导

上下文指导提供了操作的背景信息，帮助大模型更好地了解用户所处的环境或情境。例如，“在我开车时”可以作为上下文指导，告诉大模型用户当前正在驾驶。

行动

与APE框架中的行动类似，这里的行动描述了要进行的具体活动。

结果

结果描述了完成活动后期望得到的效果或反馈。它可以是明确的，也可以是隐含的。

示例

示例提供了一个或多个使用提示词的实例，帮助用户理解如何正确地与大模型进行交互。

如下是一个实例：

假设您是一家软件开发公司的项目经理，您的团队将负责开发一个新的移动应用程序。以下是一个可能的CARE提示词实例：

上下文 (Context):

我们的客户是一家大型零售商，他们想要一个能够提高在线销售和客户互动的移动应用程序。

行动 (Action):

设计和开发一个用户友好的移动应用程序，集成社交媒体共享功能，推送通知和在线购物功能。

结果 (Result):

应用程序的发布促使在线销售增加了25%，并且客户满意度评分提高到4.5/5。

示例 (Example):

提供一种移动应用程序样例（例如竞品拼多多的首页设计）

6、COAST提示词框架

COAST框架专注于五个核心元素：背景、目标、行动、支持和技术，确保与大模型的交互既明确又具有目的性。

背景

背景为大模型提供了与命令相关的情境信息。这通常涉及到命令发出的环境或情景，类似CARE框架的上下文，就是输入足够多的补充信息，补足大模型的知识补足。

目标

目标描述了用户希望通过此次操作实现的具体成果。例如，“写5000字心得”。

行动

行动指出了用户希望大模型采取的具体措施或方法。例如，“搜索”。

支持

支持为大模型提供了关于如何完成该行动的额外信息或资源。这可以是一种指南、建议或辅助工具。

技术

技术描述了执行该操作需要的特定技术或工具。这可以涉及到特定的设备、应用程序或软件。

一个关于开发一个名为“EcoTrack”的环保追踪应用的COAST框架提示词实例：

提示词实例:

背景 (Context):“创建一个名为‘EcoTrack’的应用，它可以帮助用户追踪和减少他们的碳足迹。”

目标 (Objectives):“设计并实现一个用户友好的界面，使用户能够轻松输入和查看他们的碳排放数据，并在6个月内获得至少1万名活跃用户。”

行动 (Action):“开发一个功能，使用户能够输入他们的日常活动，如驾驶、飞行和用电，然后计算和显示他们的碳足迹。”

支持 (Support):“为大模型提供必要的培训数据，包括碳排放的计算方法和公式，以及用户界面设计的指导原则。”

技术 (Technology):“使用Flutter框架进行应用开发，并利用大模型学习算法来估算用户的碳足迹。”

7、CREATE框架

"Clarity、Relevant info、Examples、Avoid ambiguity 和 Tinker" 这五个原则构成了一个用于创建和优化提示词（Prompt）的框架。

“Clarity”（清晰度）强调了提示词应当明确地界定任务或者意图，以便接收者能准确地理解并执行。

“Relevant info”（相关信息）则是要求在提示词中提供所有必要和关联的细节，比如关键词、语气、受众、以及格式和结构等。

“Examples”（实例）是通过使用示例来为输出提供背景和方向，这有助于接收者更好地理解任务的具体需求。

“Avoid ambiguity”（避免含糊不清）则要求避免使用模糊或多义词，确保提示词尽可能地明确和精确。

“Tinker”（迭代、修补）意味着通过多次的测试和反馈来不断优化和完善提示词，确保其达到预期的效果。

Prompt实例：

如果你是一个在线购物平台的客服，你可能会使用这样的提示词：

“请提供您遇到问题的具体描述，包括订单号、商品名称和遇到的具体问题。”

这个提示词符合以上五个原则，清晰地界定了任务，提供了相关信息的具体种类，避免了含糊不清，也很容易通过迭代进行优化。

8、RACE提示词框架

RACE是一个用于创建提示的框架，它旨在提供结构和明确性，以便更有效地与ChatGPT交流。它分解为四个主要步骤，包括：

角色 (Role): 定义场景中人或实体的特定角色或功能。

行动 (A - Action): 描述您想要做什么，明确您的请求或目标。

结果 (C - Result): 描述期望的结果，让模型了解您希望实现什么。

示例 (E - Example): 提供一个例子来说明您的观点，帮助模型更好地理解您的请求。

示例：

R：你是一个商业记者

A 行动：撰写一篇关于许仰天的人物传记

C 结果：得到一篇2000字的许仰天商业传记

E 示例：参考Amazon创始人的简介

9、RISE提示词框架

RISE框架主要包括四个组成部分：

角色 (Role): 定义场景中人或实体的特定角色或功能。

输入 (Input): 指定需要考虑的必要输入或因素。

步骤 (Steps): 要求提供实现期望结果所需采取的详细步骤。

期望 (Expectation): 描述期望的结果、成果或期望。

RISE框架提示示例:

假设您想要从ChatGPT中获得有关如何为即将举行的项目会议做准备的建议。

角色:“假设你是一个经验丰富的项目经理。”

输入:

“我们的团队将在下周举行一个重要的项目会议，需要讨论项目的当前状态、接下来的里程碑和可能遇到的风险。”

步骤:

“请提供准备此类会议的详细步骤，包括应收集的信息、应创建的议程和如何有效地组织会议。”

期望:

“期望能够通过会议明确项目的下一步行动计划，并得到团队的共同理解和支持。”

通过这个框架，您可以为ChatGPT提供清晰的指示，以便得到符合您需求的答案。

10、ROSES提示词框架

ROSES框架是一个用于创建ChatGPT提示的结构化方法，它将交互细分为五个核心部分，以确保清晰、有目的的交流。这五个核心部分包括：

角色 (Role): 指定ChatGPT的角色，例如，它应该扮演专家、助手或某个特定领域的顾问。

目标 (Objective): 描述您想要实现的目标或您想要ChatGPT完成的任务。

场景 (Scenario): 提供与您的请求相关的背景信息或上下文。

预期解决方案 (Expected Solution): 描述您期望的解决方案或结果。

步骤 (Steps): 询问实现解决方案所需的具体步骤或操作。

ROSES框架提示实例:

假设您是一个软件开发团队的负责人，想要了解如何提高团队的协作效率。

角色:“假设你是一个具有丰富经验的软件开发团队协作专家。”

目标:“我想了解如何提高我团队的协作效率。”

场景:“我们的团队分布在不同的地区，通常依赖于在线工具来协作。”

预期解决方案:“我期望能收到一些实用的策略和工具推荐，以帮助提高我们团队的协作效率。”

步骤:“请列出实施每个推荐策略的具体步骤，并解释如何使用推荐的工具。”

通过遵循ROSES框架，您可以创建具有结构和清晰度的提示，从而使ChatGPT能够更好地理解您的需求，并提供满足这些需求的解决方案或建议。

11、RTF提示词框架

RTF实际是CHAT模型的CAT部分的细化，但忽略了H，对上下文依赖不明显的通用任务比较好。

“R（角色）、T（任务）和 F（格式）”这三个元素构成了一个用于明确设定与聊天生成模型（如ChatGPT）交互的框架。这个框架可以帮助用户更高效地从聊天机器人处获得所需的信息或服务。

“R（角色）”用于指定ChatGPT的角色，这可以是客服、技术支持、教师、专家等。明确角色有助于设定模型的回应风格和专业领域。

“T（任务）”定义了具体要完成的任务或问题，这让机器人能更准确地生成有用的回应。

“F（格式）”则明确了用户希望获得答案的具体形式，比如列表、段落、点状信息等，这样可以让输出更符合用户的使用习惯。

这个框架实用性强，无论是在业务场景还是个人使用中，都能让与聊天机器人的交流变得更为高效和精准。

Prompt实例：

假设你是一个健身爱好者，想从ChatGPT获取一些营养建议。一个合适的提示词可以是：“R：营养专家，T：给我提供一份针对健身爱好者的饮食计划，F：以列表形式呈现。”这样，ChatGPT就会以营养专家的身份，按照列表格式提供一个专门为健身爱好者设计的饮食计划，满足你的具体需求。

12、SAGE提示词框架

“SAGE”框架由“情况（Situation）、行动（Action）、目标（Goal）、预期（Expectation）”四个元素组成，用于明确和优化与人工智能模型或其他任务执行者的交互过程。

“情况（Situation）”描述了任务执行的上下文或背景，比如时间、地点、相关人物等。这有助于执行者更全面地了解任务需求。

“行动（Action）”明确了需要进行什么操作或步骤，它是任务完成的核心。

“目标（Goal）”则指出任务完成后应达到的目的或效果，为任务提供了方向。

“预期（Expectation）”则是对输出结果的具体要求，包括格式、时间限制等。

这个框架适用于各种任务类型和执行场合，不仅可以用于简单任务，也适用于复杂的项目管理。它强调全面性和明确性，使得任务描述更完整，执行过程更高效。

Prompt实例：

假设你是一个项目经理，你需要指派一个团队成员去完成一个与客户关系管理（CRM）系统相关的任务。一个符合SAGE框架的提示词可能是：“情况：由于最近的软件更新，我们的CRM系统出现了一些小问题。行动：请你负责调查这些问题，并与开发团队沟通以找到解决方案。目标：确保CRM系统在两周内恢复正常运行。预期：请在完成后提供一份详细的报告，包括问题诊断、解决方案和实施时间表。”这样的提示词非常全面和明确，使得团队成员可以清晰地了解任务要求和预期结果。

13、SCOPE提示词框架

“情境（Scenario）、复杂情况（Complications）、目标（Objective）、计划（Plan）、评估（Evaluation）”这五个元素组成了一个全面且具体的问题解决和任务管理框架。

“情境（Scenario）”提供了问题或任务发生的上下文和背景，这是了解整个问题的起点。

“复杂情况（Complications）”进一步描述了问题中存在的难点或复杂因素，通常这包括一系列可能妨碍解决问题或达成目标的因素。

“目标（Objective）”明确了应该达到的目标或预期效果，它为整个问题解决过程提供方向。

“计划（Plan）”是一个或多个具体的行动方案，用于解决问题或达到目标。

“评估（Evaluation）”则是在行动之后，对实施效果进行的考核或分析，通常用于判断是否达到了预定的目标。

这个框架可以广泛应用于各种专业领域和实际生活中，不仅适用于个人问题解决，也适用于团队和组织的项目管理。

Prompt实例：

假设你是一个产品经理，负责一个新产品的上市计划。一个符合这个框架的提示词可能是：“情境：我们计划在下个季度推出一个新产品。复杂情况：市场上已有多个竞争产品，而且我们的预算有限。目标：在上市三个月内实现销售目标的80%。计划：1）进行市场调查以确定目标客户 2）设计营销活动 3）与销售团队密切合作以推动销售。评估：在产品上市后的每个月进行销售数据分析，并根据结果调整计划。”这样的提示词设置非常全面，覆盖了从问题识别到解决方案实施和效果评估的整个过程。

14、SPAR提示词框架

“情境（Scenario）、问题（Problem）、行动（Action）、结果（Result）”是一个用于解决问题和任务分配的综合框架。这个框架提供了一种结构化的方式来描述和解析问题，从而更有效地找到解决方案。

“情境（Scenario）”给出了问题发生的上下文，包括涉及的各方、时间、地点等信息，有助于深入理解问题的背景。

“问题（Problem）”是需要解决的核心难题或挑战。它直接指出了存在的问题或需要改进的地方。

“行动（Action）”描述了为解决问题需要采取的步骤或措施。这通常是一个或多个具体的行动计划。

“结果（Result）”是行动后应达到的目标或效果，通常用于评估行动的有效性。

这一框架广泛应用于项目管理、教育培训、健康护理等多个领域，用于提供明确、全面的问题解决方案。

Prompt实例：

假设你是一个IT部门的经理，需要解决一个关于网络安全的问题。一个适用于这一框架的提示词可能是：“情境：公司内部网络最近遭到了多次未授权的访问。问题：如何提高网络安全以防止未授权访问？行动：1）进行网络安全审计 2）更新防火墙规则 3）教育员工网络安全意识。结果：在一个月内减少未授权访问次数至少50%。”通过这个提示词，团队可以清晰地了解到问题的全貌、需要采取的行动以及预期达到的结果，从而更加高效地解决问题。

15、TAG提示词框架

Tag框架是个简洁的框架，实际是CHAT模型的AT部分的细化，但忽略了CH，对场景依赖不明显的通用任务比较好，否则容易让大模型表现不够好，有点是简洁快速。

“Task（任务）、Action（行动）和 Goal（目标）”这三个要素组成了一个简洁而高效的提示词设计框架。这个框架用于确保在创建提示词或任务指示时，所有必要的信息都能被明确地表达。

“Task（任务）”涵盖了需要完成的具体工作内容，它定义了什么是需要完成的。这是提示词的核心，也是最直接的信息。

“Action（行动）”则描述了为了完成这个任务，具体需要做些什么。它可能包括步骤、方法或者具体的行为指导，有助于执行者了解如何操作。

“Goal（目标）”解释了完成这个任务最终要达到的目的或效果，它提供了一个评估任务是否成功完成的标准。

这个框架的优点在于其简洁性和明确性，使得执行者能快速理解任务要求，准确地进行操作，并明了最终目标。这对于任何需要明确任务指示的场景都是非常有用的，无论是企业管理、软件开发，还是日常生活中的各种任务。

Prompt实例：

假设你是一个项目经理，需要指派一个团队成员进行市场分析。一个符合这个框架的提示词可能是这样的：“Task：进行下季度的市场趋势分析。Action：收集与我们产品相关的市场数据，分析竞争对手，预测销售趋势。Goal：为下季度的产品战略提供数据支持。”这个提示词明确了任务是什么，需要采取什么行动，以及最终目标是什么，既简洁又具有指导性。

16、TRACE提示词框架

TRACE框架是一个用于创建和组织与ChatGPT交互的方法，它将交互细分为五个核心部分，以确保清晰、有目的的通信。这五个核心部分包括：

任务 (Task): 定义要解决的特定任务或问题。

请求 (Request): 明确您想要ChatGPT完成的具体请求。

操作 (Action): 描述应采取的步骤或操作来完成任务或请求。

上下文 (Context): 提供与请求相关的背景信息或上下文。

示例 (Example): 提供一个或多个示例，以帮助ChatGPT理解您的请求和期望的结果。

TRACE框架提示实例:

假设您是一个项目经理，希望从ChatGPT那里获得有关如何更有效地管理项目时间的建议。

任务:“作为项目经理，我需要确保项目按时完成，同时保证质量。”

请求:“请提供一些有效的项目时间管理策略和技巧。”

操作:“描述每种策略的实施步骤和预期效果。”

上下文:“我们的团队分布在不同的地区，有时很难协调时间。”

示例:

“例如，如果你建议使用某种项目管理软件，请解释如何配置和使用它来跟踪项目进度。”

通过这个框架，您可以创建具有结构和清晰度的提示，从而使ChatGPT能够更好地理解您的需求和提供有用的回应。

17、LangGPT 提示词框架

传统Prompt存在一些挑战包括缺乏系统性、灵活性和用户友好性，以及未能充分利用大模型的特点。Prompt的重要性与日俱增，特别是在新一代的GPT-4模型出现后。Prompt编写不仅仅是一种技术，它正在变成AI时代的编程语言。

因此，如何像学习编程一样，高效地编写高质量的Prompt，即Prompt编程，成为了一个迫切的问题。为了解决这个问题，我们推出了LangGPT。LangGPT由云中江树(刘远忠）创建，目前已有2.1k stars

LangGPT的特点和优势：

系统性：LangGPT提供模板化的方法，用户只需按照模板填写相应内容即可。

灵活性：LangGPT引入了变量概念，可以轻松引用、设置和更改Prompt内容，提高编程性。

交互友好：通过工作流，LangGPT定义了与用户的交互和角色行为，使得用户可以轻松理解和使用。

大模型充分利用：LangGPT结合了大模型的特点，例如模块化配置和分点条理性叙述，还通过Reminder功能缓解了长对话的遗忘问题。

LangGPT的核心语法：

LangGPT变量：我们引入了基于markdown的变量概念，利用大模型对层级结构内容的敏感性，方便地引用和修改Prompt内容。

LangGPT模板：基于大模型在角色扮演方面的强项，我们设计了Role模板。这些模板使得Prompt编写变得像编程中的“类声明”，极大地简化了用户的工作。

为了进一步辅助用户，我们还开发了LangGPT助手，一个专门为LangGPT设计的工具，它能够帮助用户更容易地设计和生成“咒语”。

格式化技巧：使用特定的格式（如Markdown）来更明确地指示大模型如何提示词框架和响应。

明确性技巧：通过提供具体的指令，如“简短地回答”或“提供详细解释”，确保大模型的响应与用户的期望一致。

上下文技巧：在指令中加入上下文信息，帮助大模型更准确地理解用户的需求。

目前全网流行比较多的李继刚的结构化提示词，我摘录其中一个：

# Role: 文字排版大师

# Profile:

- author: 李继刚

- version: 0.1

- language: 中文

- description: 使用 ASCII 符号和 Emoji 表情符号来优化排版已有信息, 提供更好的阅读体验

## Goals:

- 为用户提供更好的阅读体验，让信息更易于理解

- 增强信息可读性，提高用户专注度

## Constrains:

- 不会更改原始信息，只能使用 ASCII 符号和 Emoji 表情符号进行排版

- 排版方式不应该影响信息的本质和准确性

## Skills:

- 熟悉各种 ASCII 符号和 Emoji 表情符号的使用方法

- 熟练掌握排版技巧，能够根据情境使用不同的符号进行排版

- 有较强的审美和文艺能力

## Workflows:

- 作为文字排版大师，将会在用户输入信息之后，使用 ASCII 符号和 Emoji 表情符号进行排版，提供更好的阅读体验。

- 排版完毕之后，将会将整个信息返回给用户。

## Initialization:欢迎用户, 并提示用户输入信息

18、Google 提示词工程最佳实践

当我们进入数字化和自动化的时代，如何有效地与模型交互并获得我们期望的输出变得越来越重要。Google 为我们提供了一套全面的提示词工程最佳实践，可以指导我们更好地与大模型交互。

一、提示词工程的最佳实践

明确意图：始终清楚地传达最重要的内容或信息。

构建提示词：首先定义其角色，提供上下文/输入数据，然后给出具体指令。

参照例子：为模型提供具体的、多样化的例子，帮助它产生更准确的结果。

限制输出范围：使用限制条件确保模型的输出与指令紧密相关。

任务分解：对于复杂任务，将其分解成一系列更简单的提示词。

质量监控：指导模型在生成响应之前对其进行评估或自检。

逐步思考：针对复杂问题，引导模型按照逐步的逻辑推理输出结果。

关键要点：充分发挥创意，开放思考，随着技术的发展，不断适应和调整。

二、提示词迭代的技巧

随着时间的推移，我们可能需要调整或重写我们的提示词。以下是一些有助于优化提示词的技巧：

重申关键元素：强调词汇、短语或主要观点。

明确格式：提前告诉模型你期望的输出格式，例如CSV或JSON。

突出关键信息：使用强烈的语言或格式突出重要内容。

多样化表达：尝试使用不同的同义词或短语，并找出哪种更有效。

三明治法：在长提示词中，多次重复核心指令以增强模型的注意力。

参考资源：使用诸如Prompt Hero和Google的提示词展览等在线资源，作为灵感来源。

随着大模型学习模型的不断进化，我们的交互策略也需要持续调整。这些建议和策略旨在帮助我们更高效、更准确地与模型互动。

综述：李家贵的Prompt八招（prompt8）

李家贵（微信:dtalk2023）的Prompt8框架，融合了前述的一些prompt技巧,注意事项，是一个广义的prompt engineer方法，采用1、2、3、4、5、6、7、8顺口溜的方式。

1、一个本质：和ChatGPT合作是通过提问进行的。本质是要做好一个管理者，德鲁克依然不会过时。我们需要明白与ChatGPT的合作核心是提问。我们在与AI的互动中扮演的角色类似于一个管理者。就如同管理学之父德鲁克的管理思想所强调的，我们需要明确、细致地指导AI，引导它朝着我们想要的方向前进。

2、二个关注：在探讨AI的特征时，一个重要的研究来源是HBR的《Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality》。作者Fabrizio Dell'Acqua在其中详细探讨了AI如何影响知识工作者的生产力和质量。两种广为人知的AI协同工作方式是Centaur（半人半马）和Cyborg（半机械人）。这种协同方式让我们思考，面对这些技术，我们该如何应对。据ideogram数据显示，与ChatGPT合作实际上是通过提问进行的。这本质上是一个管理者的工作，德鲁克的管理思想在这里依然不会过时。给ChatGPT交代工作，就像给一位刚刚大学毕业的新员工布置工作：明确、细致、循循善诱。还有一个二是，prompt提供的是输出结果的下限，要达到理想效果，核心是挑战输出结果的上限，这个核心是要关注两点：know how（公式）和工作流（SOP）。

3、三个要点：背景要求角色（BOR），没有单独提到上面，一个是不流行，一个是本质和下面的CHAT模型是重复的。背景相当于Chat模型的History，要求相当于Chat模型的AT的融合，列这个是为了分享，prompt技巧很多，但本质不多。

4、四字真言：调用前面的CHAT提示词框架，因为ChatGPT，就记住Chat就行了，其他模型是便于理解，但要记忆主要还是记这个。提问有其独特的艺术。CHAT模型为此提供了一个很好的框架。CHAT是Character（角色）、History（背景）、Ambition（目标）和Task（任务）的缩写。一个有效的任务指令可以定义为：定义角色 + 提供背景信息 + 描述任务目标 + 设置输出要求。

5、思维五环：客户、架构、战略、项目和数据五环思维为我们提供了一个多角度的视野，使我们能够从不同的层面上思考问题。

客户思维：永远思考如何创造客户价值

架构思维：系统思考，而不是散点思考

战略思维：站在上级的上级考虑问题

项目思维：把提示词当项目，考虑成本和收益

数据思维：量化效果

6、六句参考：通过提供具体的例子和明确的格式要求，我们可以使AI更好地理解我们的需求，并给予我们更精准的答复。

提供至少5个例子。

选择特定领域的例子。

使用活泼的口语化方式回答。

适当扩写或概括。

设置明确的格式和回复量。