相信大家多多少少都已经上手使用过几款或数款AI工具。
不知道有没有发现，在实际的使用过程中会感觉这些工具并没有所传的那么好用，生成的内容也自己的预期有一些落差。
那可能是我们给的提示词（Prompt）有问题，我个人认为提示词与生成内容质量有 70% 的直接关系。
提示词（Prompt）就是我们在使用AI工具，对话框中为AI工具给出指令。
正好前段时间在油管上看了一个关于如何帮助自己提升AI工具使用技巧的视频，博主甚至研究了新加坡提示词设计比赛中夺冠的专家技术，视频中一共介绍了10种提示词策略，可以通过使用策略来提高 ChatGPT 等AI工具回复的质量和相关性，个人实操后认为非常有价值。
整个进阶教程分为1-10级别，从强调基本格式、礼貌尊重到最后的结构化互动，层层递进的学习方式值得收藏反复学习。
当然这个提示词策略不仅适合于ChatGPT，同样也适用于Gemini、Kimi、通义千问等其他工具，我用自己的逻辑理解和整理了一遍并分享给大家。
第 1 级 问你想问
在这个层面上，你基本上是不加思索地告诉 ChatGPT 等AI工具我们想要了解什么，背后不需要过多思考。
我们大部分的使用者基本上还处于这个阶段，当然有时候会得到好的结果，有时候则不会。
例如，我们只是让 ChatGPT 总结一篇公众号文章内容，这是一个相当简单的任务，ChatGPT 的表现也不错。但是我们还有很多方法可以优化这个过程。这就是接下来要讲到的第2级。
第 2 级 使用基本格式
使用 ChatGPT、Gemini、Kimi、通义千问等AI工具时，发现一个规律，只要我们的 提示语格式或者语调 发生一小点变化，可能也会产生惊人的结果差异。
例如，我们只是在提示语中添加一些 ###、===、>>> 等符号去分隔或强调我们的提示内容，这样的操作可以极大地帮助 ChatGPT 理解我们的表达内容。
特别是随着我们的提示词变得越来越复杂，这种格式造成的影响就会越来越大。
还有研究显示如果我们用一些礼貌的表达，甚至是“恳求”式的表达，也可以提高大语言模型的准确性。
使用命令或者情感依托也可以，例如在使用提示语时加上 “这对我的工作至关重要，你必须做对。” 或 “我要把你的回答展示给我奶奶，我希望她会为我感到骄傲，所以你必须做对。”这样的表述。
当然，我们也可以用威胁的口吻AI工具，实际测试也有一定的效果。
我个人不建议这么做，以防 AI 接管世界后，至少还能和机器人友好相处。
第 3 级 聚焦需求
在这个阶段，我们会真正看到提示语变化对于输出结果质量的提升。
如果我们想要更直观的了解回答结果，我们最关键是需要明确且精准地表达我们希望从AI工具那里得到什么结果内容。
例如我一般会让AI工具以内容大纲、表格格式对结果进行呈现。
我用数据表格呈现方式进行举例，如果希望查询进几年AI模型的数量结果并整理成一个表格给到我，那我的提示词中需要让AI工具用表格展现回答内容。
帮我查询下这几年全球AI大模型数量的变化，并用表格格式进行结果展示，表格包含”大模型名称”、”推出时间”、”简介”、”特点”、”国家”这几个列并且按”推出时间”降序进行排序。
第 4 级 案例说明
这是一个稍微高级的提示词技术。
通俗的来讲，就是我们可以给 AI 工具一些示例，为模型展示一些例子（shots），从而更形象地描述你的需求。
我们再来看一个例子，大家就会直观清晰的理解。
第 5 级 自我反省
让AI工具去进行自我怀疑和反省。
例如我们在得到ChatGPT的回答后，补充一句“ChatGPT，你漏掉了什么？”
这个方法几乎简单到不能再简单了，但是回答的质量也会有不小的提升。
原因是大语言模型是有评估机制，当我们提出这个质疑时，大模型会重新评估并给出更好的结果。
第 6 级 系统提示
这是一套特殊的指示，可以指导 ChatGPT 按照你所期望的方式回答。
要点是，我们为 ChatGPT 等 AI 工具提供尽可能多关于我们希望得到什么的提升信息。
例如，告诉它我是一名软件工程师，我更喜欢某种编程语言，我更倾向于得到与之相关简短的回答，而不是长篇大论的文字等。
第 7 级 角色设定
这个应该是大家比较熟悉的一种方法，告诉AI工具它”扮演某个角色”，就能得到更加出色的回复结果。
例如，您的提示可以以”你是一名医生”或”你是一名律师”开始，然后要求 AI 回答一些医学或法律问题。
通过为 AI 分配一个角色，相当于我们给它提供了一些上下文。这个上下文有助于 AI 更好地理解问题。通过更好地理解问题，AI 往往可以给出更好的答案。
查阅一些研究表明，仅通过使用角色设定，大语言模型在回答的准确性上就能提高 6-20%。
我们对未使用角色设定和使用角色设定来做一个对比：
未使用角色设定，单纯直接给了吃药的建议。
使用了角色设定，更像是一个专业医生，给的建议是更佳合理符合现实情况的。
第 8 级 思考链条
要让 ChatGPT 处理复杂问题，另一个办法是让它解释思考过程。
只要使用过这个方法，都会发现效果非常好。
当然网上关于这个方法的研究也有很多，而且看起来最简单有效的一种就是添加一句”让我们一步步来思考”。
在实操中发现，我们告诉 ChatGPT 需要全面考虑问题，也能得到更好的结果。
第 9 级 让大模型自己写提示词
实际上，大语言模型在给自己出提示时，可能会比人类做得更好。
有一种方式就是为 ChatGPT等AI工具制定一个提示词规范，再让他帮我们生成一个效果更佳理想的提示词。
是不是有点套娃的意思。
例如下面的这个就是一个比较典型的使用办法：
你是一位被 OpenAI 雇佣的专家提示工程师，负责为各种大语言模型（LLMs）进行提示语优化。你的任务是生成关于xxxx的提示语。
指令：
- 使用「」来突出提示语中最重要的部分。
- 提供精确、具体和可操作的说明。
- 如果你的标记数量有限，请突然结束；我会用”继续”命令发出另一个请求。
要求：
- 对于多步任务，将提示分解为一系列相关子任务。
- 在适当的情况下，包括所需输出格式的相关示例。
- 在你的回答中反映原始提示的重要细节。
- 根据模型大小调整你的语言（对于较小的模型更简单，对于较大的模型更复杂）。
- 对于简单的示例使用零次射击，对于复杂的任务使用多次射击。
- 在一些视觉推理（文本生成）后，LLM能够更好地写出答案，这就是为什么有时初始提示中包含一个适用于LLM代理的可填写示例表格。
再来看看实际的效果：
第 10 级 CO-STAR 框架
虽然有很多方法来构建一个提示词，但在油管的这个博主看来，最好的方式就是 CO-STAR。
这也是新加坡 GPT-4 提示工程竞赛第一名提出的框架。
CO-STAR 的每个字母都代表提示词的一个具体部分。
- “C”代表“Context（上下文）” ：提供与任务有关的背景信息，这有助于大模型理解正在讨论的具体场景，从而确保其响应是相关的，比如你希望完成的任务的信息。
- “O”代表“Objective（目标）” ：定义希望大模型执行的任务，需要给出非常明确的指示告诉 ChatGPT 你希望它做什么，我们在第3级中已经学过这个了。
- “S”代表“Style（风格）” ：指定写作风格，可以告诉 ChatGPT 我们想要的写作风格是有趣的、严肃的，也可能是一位具体名人的写作风格，也可以是某个专业分析师的风格。
- “T”代表“Tone（语调）” ：设定响应的态度，你希望回答的语调是什么，可以设定为搞笑的、悲伤的甚至是骂人的。
- “A”代表“Audience（受众）”：确定响应的目标受众，告诉 ChatGPT 受众是谁，比如如果目标听众是五岁的孩子，那么结果会截然不同于大学生。
- “R”代表“Response（响应）”：提供响应的格式， 比如我们需要一份详细的研究报告，或者需要一个表格，是 JSON 格式还是一大堆文字。
下面也给一个使用 CO-STAR 的案例：
上下文： 我想宣传我们公司的新产品。我们公司的名字叫 A，产品名为 B，这是一种新型的超快速吹风机。
目标： 为我创建一条 小红书帖子，目的是让人们点击产品链接进行购买。
风格： 遵循类似产品广告的成功公司的写作风格，比如戴森（Dyson）。
语气： 有说服力的
受众： 我们公司在小红书上的受众通常是年轻一代。请根据这个受众群体在选购头发产品时通常关注的特点来调整您的帖子。
响应：小红书帖子应保持简洁但影响力强。
实际应用的效果如下：
