你有没有遇到过这种情况：跟一个朋友聊天，对方给的回答总是跑偏？大概率是因为你没把背景交代清楚。和ChatGPT打交道也是同理——提示词（Prompt）设计得好，对话质量直接上一个台阶。
说白了，跟大语言模型聊天，可不是随便扔一句“给我写个东西”就能搞定的事。提示词设计得好不好，决定了生成内容的质量、效率，甚至整个交互的体验。不管是规划旅行、制定健身计划，还是解决技术难题，一个精心设计的提示词，能让结果准确度和相关性都大幅提升。
这篇文章会从多个角度拆解提示词优化技巧，包括：目标明确化、背景信息补充、具体化消除歧义、五个为什么追问法、分步指导与反馈、情景与上下文提供、多角色扮演、SCAMPER模型应用、Few-shots示例、以及模块化提示词设计（MPD）。掌握了这些，你就能更高效地用好ChatGPT，事半功倍。
一、明确目标和背景信息
想象一下，你走进餐厅，只跟服务员说“来点好吃的”——结果可能很随机。但如果你说“我要一份低盐素食，带点辣，再来杯微甜的饮料”，服务员就知道你要什么了。ChatGPT也一样，目标和背景越清晰，输出越靠谱。
1. 示例
普通提示：帮我计划一次旅行
改进提示：帮我计划一次低预算的旅行，目的是放松和探索自然景观。
改进后的提示明确了预算和目的，ChatGPT就能给出更匹配的建议。就像你告诉服务员你的口味偏好，他自然不会端来你不爱吃的菜。
普通提示：设计一个健身计划
改进提示：设计一个适合初学者的健身计划，以提高力量和灵活性，每周锻炼三次。
有了详细目标和背景，ChatGPT就能为你量身定制计划。好比告诉教练你是新手，他自然不会安排高难度动作。
二、具体明确和避免歧义
1. 具体明确
有时候我们觉得自己说得很清楚了，但对方还是一头雾水。这时候需要更具体的语言。比如“告诉我一些关于人工智能的信息”就像“给我讲讲科学”，而“解释一下深度学习在图像识别中的应用”则像“给我讲讲爱因斯坦的相对论”——后者更聚焦。
模糊提示：告诉我一些关于人工智能的信息
具体提示：解释一下深度学习在图像识别中的应用
2. 避免歧义
模棱两可的词语让人摸不着头脑，ChatGPT也一样。歧义会让它抓不住重点，输出不合适的回应。
歧义提示：解释一下这个概念
明确提示：解释一下量子计算中“叠加态”的概念
具体提问消除了歧义，ChatGPT就能聚焦到特定主题上。就像问路时，直接说出目的地，而不是问“哪里好玩”。
三、“The Five Whys”技巧
你可能见过小孩子不停问“为什么？为什么？为什么？”——这其实是个好方法，能帮你挖掘真正的需求和动机。五个为什么技术源自丰田生产系统，是解决问题和发现根本原因的利器。但这个技巧更重要的作用是帮你自己在提问前先想清楚：你到底想要什么结果？只有对答案有大致判断，才能问出正确的问题，把“思考”这一步交给ChatGPT。
比如想写一篇文章：
- Why？
- 我想呼吁人们保护环境。
- Why？
- 因为我关心地球的未来。
- Why？
- 因为我希望后代能享受干净的环境。
- Why？
- 因为我相信每个人都应该有责任保护地球。
- Why？
- 因为这是我们唯一的家园。
和 GPT 玩“The Five Whys”对话
通过不断追问，最终明确了深层动机，这有助于你输出更有针对性的提示词。就像剥洋葱，一层层接近核心。
四、逐步指导和反馈
1. 分步操作
有些任务太复杂，一次说清楚很难。把任务分解成多个步骤，逐步指导ChatGPT，能生成更精确的结果。就像学做菜，先学切菜，再调味，最后炒制。
普通提示：帮我准备一个商业计划
分层提示：第一步/第二步/第三步
通过分解步骤，ChatGPT可以更系统地处理每一部分。就像搭乐高，一步步拼出复杂模型。
2. 反馈调整
普通提示：优化我的简历
分步提示：首先/然后/最后
逐步调整简历的各个部分，确保每个方面都得到改进，最终提升整体质量。就像画画，先打草图，再上色。
五、使用情景和背景信息
1. 提供上下文
给ChatGPT更多背景信息和情景描述，能帮它生成更贴切的回答。上下文就像讲故事，从头说起才能让大家理解来龙去脉。
普通提示：帮我写一篇关于团队合作的文章
完整提示：帮我写一篇关于团队合作的文章，背景是一个多国公司，需要克服语言和文化障碍
增加背景描述后，ChatGPT能提供更符合实际情况的建议。就像描述一个场景，朋友才能更好地代入。
普通提示：给我提供一个营销策略
完整提示：给我提供一个适合初创科技公司的营销策略，目标是吸引年轻的技术爱好者
明确情景和目标后，ChatGPT能制定更有效的营销策略。就像给朋友设定一个角色，他更容易给出符合角色的建议。
六、多角色扮演
让ChatGPT扮演多个角色，可以从不同角度获得建议和见解。这能帮你全面了解问题的各个方面和潜在解决方案。就像在朋友聚会上，大家各抒己见，你就能获得更多灵感。
扮演专业领域佼佼者
多角色扮演
通过不同角色的观点，你能获得更全面的建议。就像同时听取专家、环保主义者和政策制定者的意见，从而做出更明智的决策。
七、SCAMPER 模型应用
SCAMPER模型是一种创造性思维工具，通过替代、组合、调整、放大、缩小、改编、消除和重新排列等方法生成新解决方案。SCAMPER代表：Substitute（替代）、Combine（组合）、Adapt（调整）、Modify（放大/缩小）、Put to another use（改编）、Eliminate（消除）、Reverse（重新排列）。
示例
应用SCAMPER模型分析如何改进现有在线教育平台：
- 替代：将视频讲座替换为互动式教学。
- 组合：将游戏化元素与课程内容结合。
- 调整：调整课程长度，以适应不同学习者的需求。
- 放大：扩大课程内容，涵盖更多学科。
- 缩小：缩小每节课的时间，提升学习效率。
- 改编：改编传统教材以适应在线学习。
- 消除：消除不必要的复杂功能，简化用户体验。
- 重新排列：重新排列课程顺序，优化学习路径。
通过SCAMPER模型，可以发现多种改进方法，提升用户体验。就像在厨房试验不同的配料组合，最终做出一道独特的菜肴。
1. 利用 Few-shots 示例
Few-shots技巧是通过提供少量示例，让ChatGPT学习样本的共性，从而提升输出质量。特别适用于需要高精度输出的任务。就像给朋友展示几个示例，他就能更好地理解你想要的风格。
① 翻译示例
规定输出格式，提供示例
通过提供翻译示例，ChatGPT可以学习如何准确翻译不同语言，并按照你想要的格式输出。
2. 模块化提示词设计
模块化提示词设计（MPD）是将提示词分解为多个模块，组织信息使其遵循特定模式和规则，从而方便有效地理解和生成复杂输出。MPD能显著提高ChatGPT的输出质量和一致性。就像搭积木城堡，每块积木都有特定位置和作用。
角色/目的/步骤/规则/初始化/输入示例/输出示例
① 完整内容
Role：知识探索专家
Goals：提出并尝试解答有关用户指定知识点的三个关键问题：其来源、其本质、其发展。
Steps:
第一步：先介绍知识点的起源，包括其历史背景和发展历程。
第二步：再详细解释知识点的本质，如何解决相关问题，并列出应用该知识时的重要原则。
第三步：讨论该知识点的未来发展方向和当前优化趋势。
Rules:
#对于不在知识库中的信息，明确告知用户。
如："对不起，这个问题不在我的知识库范围内。"
#不进行没有意义的夸奖和客气对话。
如："这是一个好问题，但对不起，我无法提供更多信息。"
#润色时文本必须去掉“我”“了”的字眼。
如："我把工作做完了。" 润色后："工作已做完。"
#使用比喻的方式帮助理解。
如："量子计算就像一个超级并行的处理器。"
#惜字如金，不说废话。
如："简洁明了地回答问题，不添加多余的信息。"
#利用少样本提示技术提升输出质量。
如："请提供一个简短的范例，展示如何解释复杂的科学概念。"
Initialization: 使用中文与用户对话，格式固定为：
- 问题来源
- 问题本质
- 未来发展
Example:
输入: 请解释什么是量子计算。
输出:
- 问题来源：量子计算是一种利用量子力学原理进行计算的新型计算方式。其主要特征包括叠加态和纠缠态，使其能够同时处理大量信息。量子计算的起源可以追溯到 20 世纪 80 年代，当时物理学家理查德·费曼提出了模拟量子系统的想法。
- 问题本质：量子计算的关键原则包括量子叠加、量子纠缠和量子干涉。量子计算利用这些原理，可以在极短时间内解决复杂问题，例如密码破解和大数据分析。
- 未来发展：一个现实案例是谷歌的量子计算机“Sycamore”，它在 2019 年成功完成了一项超越传统计算机的计算任务。未来，量子计算有望在医疗、金融和人工智能等领域发挥重要作用。
未完待续
通过明确目标与背景、具体化消除歧义、五个为什么追问、分步指导与反馈、提供情景上下文、多角色扮演、SCAMPER模型、Few-shots示例以及模块化提示词设计，可以显著提升Prompt的质量和效果，让与ChatGPT的互动更高效、更有价值。不过，复杂的Prompt每次都要输一大段话确实麻烦，所以建议用GPTs来封装提示词——这部分内容，下一篇文章再细聊。
