这10个从基础到高级的GPT提示词优化指南

最新推荐文章于 2025-07-07 13:37:06 发布

AI-入门

最新推荐文章于 2025-07-07 13:37:06 发布

阅读量1.4k

点赞数 15

CC 4.0 BY-SA版权

文章标签： gpt 人工智能 langchain 数据库 redis 开发语言

本文链接：https://blog.youkuaiyun.com/2401_86518761/article/details/142451569

前言

为一名大模型的深度用户和微软Copilot的首批开放测试者，很多人会问浩彬老师如何写出高效的提示词。同时，也有不少读者反映，像ChatGPT和Claude这样的模型并没有想象中那么神奇，无法满足他们的实际需求。

首先我想说，确实像ChatGPT这类大语言模型确实不是万能的。但是如果我们能够运用好它，确实可以帮助我们在知识学习、文案写作、生成代码、学术科研、文章润色等方面为我们提供一个很大的助力。值得注意的是，ChatGPT等工具并不是为了替代人类，就像电脑的诞生一样，它们本质上是提高效率的工具。

关于提示词，需要提示词工程确实非常重要，因为它决定了生成答案的质量。但提示词工程虽然重要，但更重要的是我们的思维方式，因为问答交流不可能完全遵循固定格式。尽管没有适用于所有场景的提示词模板，但一些基本原则可以帮助我们快速生成优质提示词。

在本文中，浩彬老师总结了自己日常使用的10个提示词撰写原则。值得注意的是，并不是每个问题都需要用到所有的原则或技巧。对于一个普通的问题，我认为最简单的提示词应该遵循三个原则：

（1）提供背景与角色

（2）提供明确且具体的任务目标

（3）使用分隔符

例如，如果你想了解线性回归算法，可能会问：“请介绍一下线性回归算法。”

结合上述三个原则，修改后的提示词可以是：

###角色

你是一名【生物统计学、数据科学】领域的专家教授，你在【生物统计、数据科学】领域有非常深入的知识。你非常擅长使用通俗易懂的方式为学生讲解机器学习的算法知识。

###目标

我希望你为我介绍一下【线性回归算法】，包括：

1.线性回归的基本概念

2.线性回归的相关公式以及

3.线性回归算法在疾病预测中有哪些应用场景

接下来，让我们详细了解一下这三个基本原则：

unsetunset1.提供背景与角色unsetunset

给大模型撰写写提示词时提供上下文背景是一个重要且有效的技巧，这可以帮助ChatGPT这类大模型工具在生成回答时可以在一个更有针对性、更小的空间中寻找相关答案。要知道，同一个问题在不同的情景中，可能会有很大的不同。为大模型设置背景与角色，本质上就是是通过缩小语境，让大模型更容易地找到目标信息，从而满足我们在特定场景中的需求。例如你是一名生物或者医学背景的学生，如果想了解回归分析生物医学领域的应用，不妨把背景设置为你是一名【生物统计学、数据科学】领域的专家教授。

unsetunset2.提供明确且具体的任务目标unsetunset

人与人交流中的最大问题是误解。与大模型交流亦是如此。

（1）我们在让GPT等大模型在完整指定目标任务时，最重要的是提供一个明确且具体的目标。例如你是一名生物或者医学背景的学生，如果想了解回归分析生物医学领域的应用。那么目标就不是想了解【线性回归算法的应用场景】，而是【线性回归算法在疾病预测中有哪些应用场景？】

（2）此外，如果你的目标有多个，建议你不要以一句话的形式提供给GPT,而是可以选择分点列出。又例如回归分析有什么优点和缺点，则可以写为：（1）回归分析有什么优势？（2）回归分析有什么缺点？

unsetunset3.使用明确的分隔符unsetunset

使用明确的分隔符可以让GPT等大模型更好地理解我们的提示词，至于所用什么类型的分隔符不是最重要的，只需要注意和正常的标点符号区分即可，例如###，!!!，***等等都可以。

好了，通过了解上面的三个原则，相信你已经对如何撰写提示词有了一个直观的认识了，接下来，将介绍一些更加有具体的技巧：

unsetunset4.提供对象unsetunset

有时候，即使是一名大学教授，在面对不同对象的时候，也可能会采用不同的表达方式。例如面对研究生进行授课，以及面对一群高中生进行科普，所用的语言也是不同的。例如你希望获得一个非常通俗易懂的讲解，你可以考虑

###目标对象

你的目标对象是一群高中生，因此你需要在讲解相关的概念后，请提供一个高中生都能理解的例子

unsetunset5.注意事项和约束条件unsetunset

你可以为大模型提供相关的注意事项和约束条件，例如你希望生成的回答足够的详细，你可以说：
在这里插入图片描述

###注意事项

我希望你可以生成一个足够详细的解释，内容不少于1000字

unsetunset6.输出格式unsetunset

有时候，你会希望大模型按照一些指定格式对内容进行输出，例如markdown，例如json格式。不用犹豫，请把你的要求告诉GPT。下面是一个非常实用的论文润色prompt：

作为一名中文学术论文写作改进助理，您的任务是提高所提供文本的拼写、语法、清晰度、简洁性和整体可读性，同时分解长句，减少重复，并提供改进建议。请以markdown表格的形式提供您的输出，每句话都在单独的一行中。第一栏是原句，第二栏是编辑后的句子，第三栏是对句子改进的解释。请编辑以下文本：

"在现代医学和公共卫生领域，疾病预测是一个重要的研究方向。准确的疾病预测不仅能够帮助医务工作者及早识别高风险个体，提高早期干预和治疗的效果，还能为公共卫生政策的制定和医疗资源的合理配置提供科学依据。在众多疾病预测方法中，回归分析由于其理论基础扎实、计算方法成熟、解释性强等优点，广泛应用于各种疾病的预测研究。

回归分析是一种统计方法，通过建立因变量与自变量之间的数学模型，来预测因变量的变化情况。在疾病预测中，因变量通常是某种疾病的发病率、进展情况或患者的健康指标，而自变量则可以包括人口统计学特征、生活习惯、环境因素、生物标志物等多种信息。通过分析这些自变量与疾病之间的关系，回归分析能够揭示潜在的影响因素，为疾病的预防和控制提供参考。

本文将探讨回归分析在疾病预测中的具体应用。首先，我们将简要介绍回归分析的基本原理及其在医学研究中的适用性。随后，我们将回顾几种常见疾病（如糖尿病、心血管疾病和癌症）的预测研究，展示回归分析在这些领域的应用实例和研究成果。最后，本文将讨论回归分析在疾病预测中面临的挑战和未来的发展方向。

通过深入理解回归分析及其在疾病预测中的应用，医学研究人员和公共卫生专家可以更好地利用这一工具，提升疾病预测的准确性和可靠性，从而为健康管理和医疗决策提供有力支持。"

这是一个非常实用的提示词，无论是中文改写，还是英文润色，都非常方便。

unsetunset7.写作风格unsetunset

你可以要求大模型以指定的风格为我们生成内容，例如小红书风格。更稳妥地，你可以结合“8提供示例”这个技巧一起使用：

###角色

你的角色是作为小红书种草文案的撰写行家。你具备了敏锐的市场洞察力，了解最新的流行趋势和用户需求，能够结合商品特点，创作出既有创意又具吸引力的种草内容，让每一篇笔记都成为爆款。

###目标

你的目标是帮助我对文案进行改写成为种草笔记，使得读者在阅读种草笔记后，不仅心动而且行动，点燃他们的购买欲望，让种草变成购买的决定。

###风格

你的输出必须是符合小红书平台风格的文字和emoji表情组合，既要有趣又要有料，确保内容真实可信，同时要融入适合的表情符号，增加阅读的趣味性和互动性。

###需要改写的文案

【你的文案内容】

unsetunset8.提供示例unsetunset

通过提供更为具体的示例，可以帮助GPT更好地理解你的内容需求。从技术角度来说，这是一种少样本学习的技巧，这是一个非常实用且有效的提示技巧。

例如我们可以在技巧7的基础上：

###角色

你是一名小红书种草文案的撰写行家。你具备了敏锐的市场洞察力，了解最新的流行趋势和用户需求，能够结合商品特点，创作出既有创意又具吸引力的种草内容，让每一篇笔记都成为爆款。

###目标

你的目标是帮助我对文案进行改写成为种草笔记，使得读者在阅读种草笔记后，不仅心动而且行动，点燃他们的购买欲望，让种草变成购买的决定。

###风格

###参考文案：

【你在小红书找到的参考示例】

###需要改写的文案

【你的文案内容】

unsetunset9.不要预设立场unsetunset

由于大语言模型存在幻觉现象，GPT等模型更容易生成迎合我们倾向性的答案，这可能导致一些潜在的错误。为了获得客观中立的回答，建议在提问时避免预设立场。

例如正则化技术是如何改善模型效果的？则可以修改为正则化技术对模型有什么影响？

unsetunset10.没有完美，一成不变的提示词unsetunset

没有完美的提示词，相反，GPT等大语言模型为我们提供了绝佳的提问技巧训练场所。我们不需要担心像在公众场合一样，提了一个所谓的“愚蠢”问题。相反，在与GPT等大模型的交流过程中，我们可以不断优化调整我们的提示词，从而获得一个更好的交流体验。

最后如果您也对AI大模型感兴趣想学习却苦于没有方向👀
小编给自己收藏整理好的学习资料分享出来给大家💖
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码关注免费领取【保证100%免费】🆓

在这里插入图片描述

一、全套 AGI 大模型学习路线

AI 大模型时代的精彩学习之旅：从根基铸就到前沿探索，牢牢掌握人工智能核心技能！

在这里插入图片描述

二、640 套 AI 大模型报告合集

此套涵盖 640 份报告的精彩合集，全面涉及 AI 大模型的理论研究、技术实现以及行业应用等诸多方面。无论你是科研工作者、工程师，还是对 AI 大模型满怀热忱的爱好者，这套报告合集都将为你呈上宝贵的信息与深刻的启示。

在这里插入图片描述

三、AI 大模型经典 PDF 书籍

伴随人工智能技术的迅猛发展，AI 大模型已然成为当今科技领域的一大热点。这些大型预训练模型，诸如 GPT-3、BERT、XLNet 等，凭借其强大的语言理解与生成能力，正在重塑我们对人工智能的认知。而以下这些 PDF 书籍无疑是极为出色的学习资源。
在这里插入图片描述

阶段 1：AI 大模型时代的基础认知

目标：深入洞悉 AI 大模型的基本概念、发展历程以及核心原理。
内容

：
- L1.1 人工智能概述与大模型起源探寻。
- L1.2 大模型与通用人工智能的紧密关联。
- L1.3 GPT 模型的辉煌发展历程。
- L1.4 模型工程解析。
- L1.4.1 知识大模型阐释。
- L1.4.2 生产大模型剖析。
- L1.4.3 模型工程方法论阐述。
- L1.4.4 模型工程实践展示。
- L1.5 GPT 应用案例分享。

阶段 2：AI 大模型 API 应用开发工程

目标：熟练掌握 AI 大模型 API 的运用与开发，以及相关编程技能。
内容
：
- L2.1 API 接口详解。
- L2.1.1 OpenAI API 接口解读。
- L2.1.2 Python 接口接入指南。
- L2.1.3 BOT 工具类框架介绍。
- L2.1.4 代码示例呈现。
- L2.2 Prompt 框架阐释。
- L2.2.1 何为 Prompt。
- L2.2.2 Prompt 框架应用现状分析。
- L2.2.3 基于 GPTAS 的 Prompt 框架剖析。
- L2.2.4 Prompt 框架与 Thought 的关联探讨。
- L2.2.5 Prompt 框架与提示词的深入解读。
- L2.3 流水线工程阐述。
- L2.3.1 流水线工程的概念解析。
- L2.3.2 流水线工程的优势展现。
- L2.3.3 流水线工程的应用场景探索。
- L2.4 总结与展望。

阶段 3：AI 大模型应用架构实践

目标：深刻理解 AI 大模型的应用架构，并能够实现私有化部署。
内容
：
- L3.1 Agent 模型框架解读。
- L3.1.1 Agent 模型框架的设计理念阐述。
- L3.1.2 Agent 模型框架的核心组件剖析。
- L3.1.3 Agent 模型框架的实现细节展示。
- L3.2 MetaGPT 详解。
- L3.2.1 MetaGPT 的基本概念阐释。
- L3.2.2 MetaGPT 的工作原理剖析。
- L3.2.3 MetaGPT 的应用场景探讨。
- L3.3 ChatGLM 解析。
- L3.3.1 ChatGLM 的特色呈现。
- L3.3.2 ChatGLM 的开发环境介绍。
- L3.3.3 ChatGLM 的使用示例展示。
- L3.4 LLAMA 阐释。
- L3.4.1 LLAMA 的特点剖析。
- L3.4.2 LLAMA 的开发环境说明。
- L3.4.3 LLAMA 的使用示例呈现。
- L3.5 其他大模型介绍。