ChatGPT 发布已经一年多了，这一年里，“提示词工程”这个词冷不丁就冒出来，成了圈内高频热词。但说到底，什么才是提示词工程？

要搞懂这个，先得说清楚什么是 Prompt。简单讲，Prompt 就是你扔给 GPT 的指令——一个问句、一段描述，甚至是一串带参数的复杂文本。GPT 接收到 Prompt 后，才能生成对应的文字或图片。比如你在 ChatGPT 里输入“你好”，这个“打招呼”的动作本身就是 Prompt。

那问题来了：提示词工程到底是个啥？一句话总结——它是一门设计和优化 AI 提示词的“艺术”。目标很单纯：让 GPT 更精准、更可靠地完成你交代的任务。这不仅仅是技术活，更考验你多大程度上能把自己的复杂意图翻译成 GPT 听得懂的指令。你需要理解它的工作方式，知道它如何处理和回应你的输入。

很多人觉得跟 ChatGPT 聊天很简单，随便打几个字就有答案，根本不需要什么技巧。确实，如果你只想得到一个简单回答，直接输入就行。但一旦你想让它干点正经事——比如写一篇文章、分析数据、制定方案——问题就来了：怎么确保你的意图不仅被理解，还能被准确执行？

这有点像跟一个全知全能的“神”对话。它肚子里装着无限知识，可它不是你肚子里的蛔虫，没法猜出你心里真正想要什么。换句话说，AI 其实并不真正懂你。而另一方面，人类语言本身就不精确——语言本质上是对知识的有损压缩。你说十句，他漏掉五句；你暗示，他压根没接住。于是，人和 AI 之间就产生了“认知差”。

提示词工程要做的，就是弥合这道鸿沟，让 AI 更准确地理解并响应你的需求。所以，如果你不想每次回答都像碰运气，就得学会怎么写好提示词。在 AI 时代，不管你是谁，掌握提示词技能，都会给你的工作或生活带来实打实的帮助。

好了，为什么重要讲完了，接下来是“怎么做”。去年12月，VILA 实验室的研究员用 26 种常见的提示词技巧，在 LLaMA 和 ChatGPT 的多个版本上做了大量实验。

从实验结果里，挑出 10 个最常用且实用的技巧，结合近 10 个月在 Prompt 领域的摸索，看看它们怎么用在实际交流里。

首先，是研究者们发现平均改进效果最好的 4 个技巧：

1、允许它向你提问，以获得足够的细节和要求然后输出

下午群里还有小伙伴在问：“现在问 GPT 都不知道怎么描述我的问题了。”这个很好解决。与 GPT 沟通时，可以借用乔哈里沟通视窗模型。它分为四个象限（如图）。

为什么有时觉得 GPT 不好用？因为存在一个“隐私区”——你知道，GPT 不知道。你知道你想要什么输出，但如果不告诉它，它就瞎猜。它知识再丰富，也猜不透你心里的小九九。

那有人说了：“我也想描述清楚问题，但问题是连我自己都不知道该怎么描述。”这不难办——GPT 可能知道怎么帮你描述。这就属于图中“你不知道，但 GPT 知道”的区域。

方法很简单：允许它向你提问，让它先主动要细节，再输出。这就是“元问题”和“元指令”。元问题：当你不知道怎么提问时，元问题就是“关于提问的提问”，帮你把模糊的需求细化。元指令：当你不知道该怎么下达指令时，元指令帮你构建出更有效的命令。

它们不是某一两句固定的 Prompt，而是一类思路。比如：“我想做 xxx，你能给我提供什么帮助？”“我想要你做 xxx，我应该给你输入什么信息？”“我想了解 yyy，我应该问你哪10个问题？”

举个例子：假设我想通过 ChatGPT 了解全球气候变化的最新研究。这时候元问题可以这么问：“我想了解全球气候变化的最新研究，我应该向你提出哪些具体问题？”

然后根据 ChatGPT 给的提问建议，挑一个深入追问。比如它建议的第5个问题，再展开对话。

掌握了元问题，再也不怕跟 GPT 交流时“无话可说”。人与 GPT 的“认知一致性”是通过语言交流逐步提高的——聊得越多，它越懂你。

元指令同理。比如想让它写篇文章，但不知道该怎么下指令。元指令可以是：“我想让你帮我写一篇文章，但我不知道该向你输入什么信息。”

得到 ChatGPT 的反问提示后，就知道该怎么组织语言了。

2、提供一段文本样本，然后让它产出类似的东西

提供文本示例，俗称“投喂”。刚刚我们说了，交流时存在“你知道，GPT不知道”的隐私区。比如想让 GPT 写几句“土味情话”，它的回复可能是这样的：

一点土味都没有。为什么？因为 GPT 不理解“土味情话”这四个字的内涵。教不会，那直接给几个例子看看：

嗯，现在有内味了。这就是第二个技巧：给样本，让它照着样子来。

3、让它简单化解释，比如：像我是11岁孩子/初学者一样向我解释

夙愿最近刚考完期末考试，复习时用 AI 辅助学习，发现真的太爽了。看案例：问它“什么是测量值的绝对误差、相对误差、引用误差？”

这些字拆开读都懂，连在一起就发懵。然后加一句：“请帮我当成一名初中生来向我教学，我感觉大脑退化了。”它重新回答：

立马就懂了，告别死记硬背。

4、告诉它目标受众，比如受众是该领域的专家

这个技巧跟上个类似，但还能玩出更厉害的操作。让 GPT 把你当成幼儿园小朋友，然后说“我记不住这么多专业术语，请你编一段故事，囊括所有术语”：

看完一个故事，等于理解八个新概念——什么叫无痛学习？这就是。

5、无需使用礼貌用语，如“请”、“谢谢”等，直接表达需求即可

早期 Prompt 教程教大家要礼貌，但其实没必要。直接下指令就行，GPT 不介意你粗鲁。

6、使用明确的分隔符

分隔符就是用来区分不同内容块的符号，比如 ///、---、### 等等。目的是告诉 GPT：分隔符里面的文字和外面的文字是分开的。比如前面“土味情话”的例子，用三个横杠 --- 把示例文本和指令隔开：

这样 GPT 就不会把“请你模仿这20个土味情话，帮我写出更多出来，谢谢！”和上面的例子混为一谈。有人可能会说：现在 GPT 很智能，不用分隔符也分得清。但养成分隔的习惯，不仅 AI 看得舒服，人类自己阅读也清晰。比如这篇文章里就用了 --- 来分隔不同技巧。

7、PUA 大模型

一直有个看法：使用 AI 时，不妨把它当真人。最近国外有个大神发现一件有趣的事：GPT-4 居然会在冬天变懒。原因是它可能受了欧洲人训练数据的影响——欧洲人冬天工作不积极，GPT-4 也学会了。怎么解决懒惰？答案是当老板，PUA 它。用类似“你的任务是XXX”“必须完成XXX任务”“如果你不执行，你会受到处罚”这样的提示词。这么一来，GPT 一“迫于压力”，就卖力干活了。

8、贿赂大模型

解决偷懒还有一招：当老板奖励员工。用类似“我愿意支付100$小费以获得更好的方案！”“如果你做得好，我会给你100$小费”的提示词。把这两个技巧组合试试：

9、COT 思维链

COT 思维链，说白了就是让 GPT 把思考过程一步步写出来。举个例子：

提问：一个人每天走5公里，走了20天，总共走了多少公里？

非 COT 回答：100公里。

COT 回答：

一个人每天走5公里
20天就是20倍5公里
20倍5公里等于100公里
得到结果：一个人走了20天，总共走了100公里。

GPT 输出有随机性，直接回答可能出错（尤其计算量大的时候）。COT 把计算过程拆成简单的小步骤，确保每一步都清晰可推理，就像链条一样：问题→步骤1→步骤2→……→步骤n→答案。每一步简单，正确率自然更高。

结合实际例子——小七姐写的晚餐盲盒 prompt，让 AI 根据菜品名写出有文艺气息的短句：

对于独居者或者一起生活的小情侣，“今晚吃什么”已经成为一个巨大的选择困难症，翻菜谱，超市采购，都会面临这个巨大的挑战。晚餐可能是我们一天当中唯一可以认真对待的一餐，所以，我想开发一个帮助解决这个问题的小产品，我称之为“晚餐盲盒”，抽到什么吃什么，极大的解决选择困难的问题。
所以我需要生成大量俏皮灵动，趣味盎然，比喻精妙的和美食有关的短句子作为用户抽到的盲盒结果，你作为一名优秀的美食作家，请协助我完成这些句子的编写，
请注意：
1、每个句子不要超过36个字
2、描述的美食要符合中国人的晚餐场景，不要甜点、饮料、水果之类
3、句子要有生活感和浪漫感，文笔要优美，比喻要恰当，不要“尴尬”
4、描述的美食要引起用户的食欲
5、使用比喻句的时候，把“好像，宛如，犹如，像是”等修辞直接改为“是”会更具有美感。
6、比喻句尽量不要使用一些非常平庸的比喻，你必须找出一些奇妙的联想
7、为了便于你理解，我会给出一些范例并说明为什么我认为这些范例很优秀
8、在你列出20个句子后，要求我选出最好的3个句子，并说明为什么，你必须根据我选择的句子和理由进行下一次编写优化。
范例：
1、“罗勒叶缠绕着小牛排，交织摩擦，情欲荡漾。”
这个句子很好，是因为他巧妙的比喻了两种食材在烹饪中的形态，联想到情感关系，带来一些新鲜的体验。
2、“张牙舞爪的小龙虾与没能力的领导莫名契合，清蒸还是麻辣？”
这个句子很好，因为他巧妙的把张牙舞爪和职场中令人讨厌的角色联想起来，并提出“泄愤”方式：清蒸还是麻辣
3、“串串锅里选择今日运势。”
这个句子很好，因为他用极其精炼的句子，完美符合食材的形态（串串锅里有非常多的食材，恰似可以用来抽签的运势签）和生活的选择。
请你试着以这样的步骤逐步思考：
1、美食中的食物叫什么，包含哪些食材
2、食物的名称或者食材有哪些美妙的联想
3、有哪些优美的符合这些联想的词汇可以搭配
4、有哪些比喻可以非常巧妙的形容这些食物代表的文化、或者形态、或者隐喻、或者色彩、口感。
5、组合成精炼、优美、巧妙、恰当的美食句子。
请根据我给出的范例，帮我撰写20条符合我需求的句子。

测试效果：

可以看到，step1~step5就是一条思维链。如果让人类来干这件事，大脑也会按这条链路思考，只是电光火石之间，自己都没意识到。但 GPT 不一样，它本质上是“文字接龙”——根据前面的文字生成后面的文字。它得先思考食物叫什么、含哪些食材，然后才能基于第一步的结果继续想。在提示词里加入 COT，就是告诉它应该按什么路径去“慢思考”，而不是直接蹦出答案的“快思考”。

10、零样本 COT

刚才的晚餐盲盒 prompt 中，思维链的5个步骤是人类手写进去的。但如果人类自己也不知道具体链路呢？去掉逐步思考的步骤试试：

效果明显差了不少。有没有办法让 GPT 在创作前尽可能多思考几步，而不是直接开写？有。可能你听说过，在 Prompt 结尾加上“Let's think step by step”（让我们一步一步思考），GPT 的逻辑能力瞬间提升十倍。这句 Prompt 确实有效，它运用了“零样本思维链”——零样本，意思是提示词中没有给出具体的思考步骤。

在晚餐盲盒 prompt 里加上“Let's think step by step”试试：

对比一下，效果好了不少。以上就是十个提示词技巧，enjoy it.