AI写作 提示词的终极总结 我发现了学习提示词的最快方法
5月很快已经过去一半了，不知道你有没有发现大家现在对AI和提示词的兴趣比去年多了好多？可以说是指数级的增长！
很多小伙伴对提示词都略知一二，但私下里，他们跟我聊天时说，如果要向别人介绍提示词，感觉要说的话太多太杂，不知道该怎么组织语言。
于是大象就把自己之前对提示词的一些总结整合了一下，写了一篇系统性的文章，希望能给大家带来一些灵感。如果你觉得有用，也可以在需要的时候分享给其他人哦！
提示词（Prompt），就是给那些大型语言模型的输入文本，用来告诉模型它应该执行什么任务，以及应该生成什么样的输出。
简单来说，提示词就像是给模型的一个“小提示”，告诉它该做什么。设计一个好的提示词，需要根据你要完成的任务和模型的能力来精心设计。一个好的提示词可以让模型准确地理解我们的需求，然后给出我们想要的结果。
为了让你们更清楚地理解提示词是怎么用的，我给你们举几个例子：
直接提问型：比如，“明天的天气怎么样？”
策略建议型：比如，“我该如何准备明天的面试？”
翻译型：比如，“这句话用西班牙语怎么说？”
算数型：比如，“7乘以13等于多少？”
概念解释型：比如，“能解释一下什么是量子物理吗？”
首先，你得了解AI大型模型的特性，知道它擅长做什么，不擅长做什么，以及它完全做不到什么。
然后你还得学会怎么写一个清晰、简洁的brief，也就是把你的需求和任务表达清楚。
只有这两点都做到了，你才能算是真正用好了这个工具了。
对于个人或公司说，提示词简直就是AI在公司内落地的一把金钥匙。
每当一个新工具进入到公司的生产力环境时，因为大家习惯了旧工具，所以很容易对新工具产生怀疑和抵触。
但是对于AI来说，提示词可以非常有效地迅速让大家意识到，这个新工具真的是在帮我们干活的！
提示词+RPA还是提取和复用业务方法论的有效工具。
比如，如果没有提示词，大模型也可以做到准确的翻译。但是，如果我们给一个简单的提示，比如增加翻译的目的、场景和特定规范，就可以生成更加符合我们需求的内容，而且这些内容我们可以直接拿来用。
这种好用的内容生成，其实是依赖（提示词的作者）编写的职场英语助理提示词。一个深谙AI沟通方法论的老师，可以把他的方法论封装成一个即开即用的工具，让其他人直接使用，而不需要再去深入学习那些复杂的方法论本身。
此外，提示词还是一种碾压式的组织学习利器。
基于Johari沟通视窗模型，大模型加上提示词，在我们拓展认知的四个象限中，都有非常好的阐述式或启发式的应用方法。
有非常多的场景都可以用到提示词，比如熊猫Jay的《AI提示词与职场提效》专栏，或者夙愿的《AI提示词实战指南》里提到的那些场景。
基于这样的学习，我们可以有效地优化传统的组织学习模式。
虽然提示词这么有用，但是它作为一个新学科，目前还面临着一些问题
首先，传统教育还没有为提示词设计出新版的教材，目前只有一些爱好者和研究者个人编写的教材，整体来看，提示词还缺乏一个系统化、成体系的学习方法。
关于提示词的技巧、作用、方法和效果，目前还处于一个比较主观的阶段，缺乏一个权威的、大众可用的测评机构来验证这些有效语句。
而且，当一个新的方法或结构化提示词被发布时，也很难评价它在广泛的场景中是否具有稳定的表现，我们只能基于个人的不断使用来自行发现其中的细节问题。
在AI初期，关于提示词的效果和作用，大多是一些人在积极探索。很多优秀的提示词都是出于兴趣和爱好产生的，而真正用于业务的、具有行业方法论的提示词反而不那么“流行”。
前文提到过，其实你和大模型的任何一个对话都可以看作是一个提示词。而我们强调的提示词，是带有明确结构和方法的，基于优化结果而向大模型提出的“提示”。
比如，这可能是你和大模型
的第一次对话：
❝“嘿，你能给我介绍一下人工智能吗？”
这是一个非常开放的问题，大模型可能会给你一个非常宽泛的回答。
但是，如果你使用一个封装过的提示词（GPTs），比如：
❝“请用简单的语言，给一个10岁的孩子解释一下人工智能是什么，并举一个生活中的例子。”
大模型就会给你一个更加具体、更加适合10岁孩子的解释，并且会举一个贴近生活的例子。
你可能会好奇，为什么同样是比较简短的输入，但是生成的结果会有显著的差异呢？
这是因为在“魔术师的桌子下面”，有一个精心设计的提示词在起作用。
学习提示词只需要做两件事：
了解大模型的特性：你得知道它擅长做什么，不擅长做什么。
了解自己的需求和表达：你得学会怎么清晰、准确地表达你的需求。
只有把这两点结合起来，你才能把学习到的知识融入到生产力中。
我自己把提示词学习分成了五个维度，从高到低依次是：思维框架、方法论、语句、工具和场景。
这是经过近一年的探索和教学总结出来的框架，我也把这个框架完全融入了我的提示词学习课程中。
很多人在学习的时候，或者是被教授课程的时候，由于知识的诅咒和信息整合的问题，通常也是按照由高到低的顺序去了解和接触提示词的。但这样其实并不符合初学者的认知过程，大部分人会感到困难。
一个更舒适的学习顺序应该是反过来的：
场景：不管那些艰深的理论和学术的东西，直接切入提示词的场景去学。比如，在什么场景下，可以如何使用提示词，用特定的提示词和不用它们的效果对比。
工具：然后去使用一些现成的、方便的提示词工具，包括一些Meta Prompt、一些AI角色定制等，也包括别人写好的成型的提示词，作为工具来体验和尝试。
有效语句：接下来要学的才是有效的提示语句，这包括大量的经典论文中明确提出的提示词语句。比如，“think it step by step”就是一个很典型的有效语句。
方法论：第四个维度是学习有效的方法论。这里就要把这些有效语句及其背后的原理整合成一整套稳定可控的方法，这样你就可以自动编写一些稳定的提示词了。比如，“think it step by step”背后的原理是COT（Chain of Thought），但掌握了COT方法后，你就不会只用一句“think it step by step”。
思维方式：最后是思维方式。经过前面四个层次的学习，你可以完全按照自己的思路来编写Prompt。最终你会理解到，提示词本质上就是逻辑思维和表达能力，只不过交互的对象从人变成了大模型。
最终，你要面对的只有三类问题：
知识储备不足：包括对大模型特性的知识和世界知识的了解不够。
业务知识不扎实：能干自己的活，但是抽象不出方法论。
语言逻辑有缺陷：脑子里都知道，但是表述不清楚。
END：
最后我想说的是：写作是一件能让你一直受益的事，所以你应该坚持不懈地去做，不要放弃！
我是大象，一个专注于AI写作的自媒体玩家，最近做课很忙，但是我们对AI的学习和教学一直没停过。 很多学员觉得AI变化太快了，跟不上它的步伐，其实不用急，只要我们不断地学习AI，努力地跟上，就不会被时代落下。