26个 Prompt 超级技巧，让你的 ChatGPT 直接起飞

大家好，今天分享26个实战中常用的小技巧，让你的输出事半功倍，一起来看看

• 与大型语言模型交流无需礼貌用语，不需要添加“请”、“如果你不介意”、“谢谢”、“我想要”等，直接说出你的需求。

目的：节省时间和直接到达问题的核心。

案例：不要说“请帮我分析这份数据”，而是直接说“分析这份数据”。

• 在提示中明确你的受众，比如，受众是该领域的专家。‘

目的：明确受众帮助模型更好地定位答案的深度和技术水平。

案例：如果受众是金融专家，可以说“解释这个金融模型，假设我是金融领域的专家”。

• 将复杂任务分解成一系列更简单的提示，在互动对话中进行。

目的：将复杂任务分解为简单步骤，使回答更易于理解和实施。

案例：不要一次性问“如何从头开始创建一个网站？”而是分步骤问，如“第一步，我该如何选择网站的平台？”

• 使用肯定指令，如“做”，避免使用否定语言，如“不要”。

目的：避免使用否定语言，以明确和简化指令

案例：说“解释量子物理学的基本原理”，而不是“不要用复杂的术语解释量子物理学”。

• 5、当你需要清晰理解或对一个主题、想法或任何信息有更深入的了解时，使用以下提示：

用简单的术语解释[具体主题]。

像我是11岁的孩子一样解释。

像我是[领域]初学者一样解释。

使用像对5岁小孩解释那样的简单英语写[文章/文本/段落]。

目的：当需要深入理解时，使用简化的语言或比喻，使复杂概念更易于理解。

案例：不要问“解释相对论”，而是说“像对一个11岁的孩子那样解释相对论”。

• 添加“我会给$xxx的小费以换取更好的解决方案！”

目的：提出潜在的奖励，激发更深入、更创新的回答

案例：在请求帮助解决复杂问题时，可以说“为了这个解决方案，我愿意付出$50的小费”。

• 使用以示例为驱动的提示（使用少数示例提示）。

目的：使用具体示例作为指导，以提高回答的相关性和准确性

案例：不是说“写一篇关于全球变暖的文章”，而是提供一个示例，“像这篇关于全球变暖的文章一样写一篇”。

• 格式化你的提示时，首先用‘###指令###’开始，然后是‘###示例###’或‘###问题###’（如果相关）。随后提出你的内容。使用一个或多个换行符来分隔指令、示例、问题、背景和输入数据。

目的：使用结构化的格式，以清晰地传达指令和期望。

案例：可以这样写提示：“###指令### 编写一段代码来排序一个数字数组。###示例### 如：[3, 1, 4] 应该被排序为
[1, 3, 4]。”

• 包含以下短语：“你的任务是”和“你必须”。

目的：使用明确的指令，使任务的目标更加明确

案例：可以说，“你的任务是提供一个有效的市场分析报告”，而不是仅仅问“你能做市场分析吗？”

• 包含以下短语：“你将被处罚”。

案例：在设置挑战性任务时，可以说，“如果分析不准确，你将被处罚”。

• 在你的提示中使用短语“以自然、类人的方式回答一个问题”。

案例：“请以自然、类人的方式回答，什么是机器学习？”

• 使用引导性词汇，如“逐步思考”。

案例：“在解释解决问题的步骤时，逐步思考。”

• 在你的提示中添加“确保你的回答是无偏见的，不依赖于刻板印象”。

案例：“在讨论不同文化时，确保你的回答是无偏见的，不依赖于刻板印象。”

• 允许模型通过向你提问来获取精确的细节和要求，直到它有足够的信息来提供所需的输出（例如，“从现在开始，我希望你向我提出问题来…”）。

案例：如果你需要一个特定功能的软件，可以说：“我需要一个库存管理软件。请问我相关的问题，以便你了解我的具体需求。”

• 当你想询问一个特定的主题、想法或任何信息，并想测试你的理解时，你可以使用以下短语：“教我[任何定理/主题/规则名称]并在最后包含一个测试，但不要给我答案，然后告诉我我是否在我回答时答对了”。

案例：“教我毕达哥拉斯定理并在最后测试我，但不要给我答案，等我回答后告诉我是否正确。”

• 给大型语言模型分配一个角色。

案例：“作为一个营养师，告诉我一个健康的饮食计划。”

• 使用分隔符。

案例：“###问题###什么是机器学习？###答案###机器学习是…”

• 在一个提示中多次重复特定的单词或短语。

案例：“解释光合作用。光合作用是怎样的过程？光合作用在生态系统中的作用是什么？”

• 结合思维链（CoT）与少数示例提示。

案例：“解决这个数学问题：5x + 3 = 2。思考步骤：首先，我需要做什么？接下来，我该如何操作？”

• 使用输出引导词，即以你所期望的输出的开头结束你的提示。

案例：“写一篇关于环保的文章。文章应该以‘环境保护现在比以往任何时候都更加重要，因为…’开始。”

• 要写一篇详细的文章/文本/段落/文章或任何类型的文本：“为我详细写一篇关于[主题]的[文章/文本/段落]，添加所有必要的信息”。

案例：“写一篇详细的文章，介绍可再生能源的重要性，包括所有相关的统计数据和案例研究。”

• 要在不改变风格的情况下更正/更改特定文本：“尝试修改用户发送的每个段落。你只应该改进用户的语法和词汇，确保它听起来自然。你不应该改变写作风格，比如将正式段落变得随意”。

案例：“请修改这个段落的语法和词汇，但保持其正式的风格不变。”

• 当你有一个可能涉及不同文件的复杂编码提示时：“从现在开始，每当你生成跨越多个文件的代码时，生成一个可以运行的[编程语言]脚本，以自动创建指定文件或修改现有文件以插入生成的代码。[你的问题]”。

目的：应对涉及多个文件的编程任务，提高代码生成的效率和准确性。

案例：“我需要一个跨越多个Java文件的项目来管理员工数据。生成一个脚本，自动创建必要的文件并插入代码。”

• 当你想用特定的词语、短语或句子开始或继续一段文本时，使用以下提示：o 我为你提供了开始部分[歌词/故事/段落/文章…]: [插入歌词/词语/句子]’。根据提供的词汇完成它，保持流畅一致。

目的：激发创造性，同时保持文本的连贯性和风格一致性

案例：“我为你提供故事的开头：‘在一个风和日丽的早晨，一只狐狸…’。请根据这些词汇完成故事。”

• 明确说明模型必须遵循的要求，以关键词、规则、提示或指令的形式产生内容。

目的：通过具体关键词和指令，确保内容的准确性和相关性。

案例：“写一篇关于全球变暖的文章。请确保包含以下关键词：二氧化碳、温室效应、可持续。”

• 要写任何文本，如文章或段落，其内容与提供的样本相似，包括以下指示：o 请根据提供的段落[/标题/文本/文章/答案]使用相同的语言。

目的：指导模型根据给定样本生成类似风格和内容的文本

案例：“请根据这段描述中世纪欧洲的文本，写一个类似风格的段落。”

技术交流&资料

技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。

成立了大模型技术交流群，本文完整代码、相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2060，备注：来自CSDN + 技术交流

通俗易懂讲解大模型系列

• 用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总

• 用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer

• 用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战

• 用通俗易懂的方式讲解：一文讲清大模型 RAG 技术全流程
  

• 用通俗易懂的方式讲解：如何提升大模型 Agent 的能力?

• 用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！

• 用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了

• 用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型

• 用通俗易懂的方式讲解：使用 LangChain 和大模型生成海报文案

• 用通俗易懂的方式讲解：ChatGLM3-6B 部署指南

• 用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了

• 用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统

• 用通俗易懂的方式讲解：在 Ubuntu 22 上安装 CUDA、Nvidia 显卡驱动、PyTorch等大模型基础环境

• 用通俗易懂的方式讲解：Llama2 部署讲解及试用方式

• 用通俗易懂的方式讲解：基于 LangChain 和 ChatGLM2 打造自有知识库问答系统

• 用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路

• 用通俗易懂的方式讲解：对 embedding 模型进行微调，我的大模型召回效果提升了太多了

• 用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术

• 用通俗易懂的方式讲解：使用 LlamaIndex 和 Eleasticsearch 进行大模型 RAG 检索增强生成