掌握大模型提示词技巧的23个实用方法

随着AI技术的进步，大型语言模型越来越能理解人类的自然语言，用户在使用这些模型时，得到的回答质量因为提问的不同得到的答案大相径庭。掌握有效的提示词技巧，能够显著提升我们与AI的交互效果。

以下是23个实用的提示词技巧，能帮助你更好地与大型语言模型沟通，得到你想要的结果。

一、精简指令，提高效率

1、省略礼貌用语

与大型语言模型交流时，直接陈述需求或问题更为高效。例如，询问天气时，直接说“明天杭州的天气如何？”而不是“请告诉我，如果你不介意，明天杭州的天气如何？谢谢。”

2、使用肯定指令

明确告诉模型你希望它做什么，而不是告诉它不要做什么。例如，“列出健康饮食的建议”比“不要给我垃圾食品的建议”更有效。

3、提供清晰的清单

以关键词、规则或指示的形式，明确说明必须遵循的要求。例如，“写一篇关于可持续发展的博客文章，使用关键词：循环经济、绿色能源、碳足迹。”

4、使用命令式语气

使用“你的任务是”和“你必须”来明确任务目标和必须遵循的步骤。例如，“你的任务是根据以下信息，计算明天的天气可能性。你必须使用最新的气象数据。”

二、角色扮演，调整输出风格

5、分配角色

指定模型为特定角色，如老师、顾问或故事讲述者。例如，“作为一个科学老师，解释什么是光合作用。”

6、设定目标听众

明确指出回答的预期听众，如专家、初学者或小孩。例如，“向一个没有科学背景的朋友解释量子物理。”

7、使用自然语言

要求模型以自然、人性化的方式回答问题。例如，“用最简单朴实的语言告诉我什么是机器学习。”

8、保持公正

要求模型在回答时保持客观，避免刻板印象。例如，“描述程序员的典型工作日，确保你的回答无偏见。”

三、激励与惩罚，引导模型行为

9、激励模型

加入激励性声明，鼓励模型提供更创新的解决方案。例如，“如果有更好的解决方案，我会为你充值xxx。”

10、惩罚模型

设定规则，如果模型回答错误，将受到惩罚。例如，“计算5+5的结果。如果回答错误，你将被惩罚。”

四、结构化表达，提升交互效果

11、优化指令排版

使用Markdown格式化复杂信息，分隔指令、背景和数据。例如：

##Instruction##
分析以下文本数据，并提取出所有提到的人名。
##background##
这段文本取自于一篇关于中国历史的文章。
##data##
“在明朝，有一个非常有名的皇帝，他的名字叫做朱元璋...”

12、使用分隔符

用特殊符号分隔不同部分，如步骤1：收集数据；步骤2：分析数据；步骤3：报告调查结果。

13、分解复杂任务

将复杂任务分解为一系列简单指令。例如，规划旅行时，先询问目的地建议，再询问交通和住宿选项。

五、思维引导，掌握主动权

14、使用引导性词汇

使用“一步一步地思考”引导模型按步骤解决问题。例如，“一步一步地思考如何解决这个数学问题。”

15、提供示例

提供相关示例，指导模型响应请求。例如，“像这样总结文章：[示例摘要]。现在请总结以下文章。”

16、重复重要词语

重复关键指令，提高模型的注意力。例如，“确保报告包括最新的销售数据。包括本季度的最新销售数据。”

17、引导模型提问

鼓励模型通过提问获取精确细节。例如，“从现在开始，你可以问我关于xxx的问题，以便你能够获取到足够的信息。”

18、测试理解

要求模型在解释后提供测试，验证用户的理解。例如，“教我法国大革命的时间线，并在最后测试我，但不要直接给我答案。”

19、输出内容引导

生成特定结构或格式的回应。例如，“写一封邮件给我的合作伙伴，邮件开头是‘亲爱的[合作伙伴名字]，我希望你过得很好。’”

六、实战演练，提升话术技巧

20、详细文章写作

要求模型撰写详细文章，包括所有必要信息。例如，“为我详细写一篇关于全球变暖影响的论文，包括所有必要的科学证据和统计数据。”

21、文本校对

要求模型改进语法和词汇，保持原风格。例如，“修改我发送的每一段话，只改进语法和词汇，不要改变写作风格。”

22、自动生成代码脚本

要求模型生成自动创建或修改文件的脚本。例如，“生成一个可以运行以自动创建指定文件的Python脚本。”

23、续写文本

提供开头，要求模型续写并保持风格一致。例如，“我为你提供开头‘在遥远的王国中，有一个被遗忘的湖...’，根据所提供的词语续写。”

通过掌握这些提示词技巧，你可以更有效地与大型语言模型交互，提升大模型的回答质量。