如何为ChatGPT编写有效的提示 - 实用指南

从一个单一的、明确定义的任务开始，以锚定你的提示。 对于简单的提示和现实世界的项目，一个精确的目标可以防止漂移，并在你与聊天机器人合作时加速迭代。首先决定结果，然后概述步骤和约束，这些将转化为干净的提示。

指定输入和输出：定义所需的文本长度，你可以引用的材料，以及你期望的格式。确保对所需数据的访问是清晰的，并且提示应该限制歧义。包括不同上下文的具体示例，例如信件和广告材料，以指导模型的风格。这种指导支持创建过程，并帮助你编写精确的提示。

使用第二种变体（第二个）的提示来演示如何适应不同的受众和上下文。如果需要特定的输出，使用不同的语气和细节来定制这个变体。制作具有不同语气设置的提示，从正式到友好，并在聊天机器人应该切换语域的地方进行标注。

清楚地标记部分：标记提示以分离目标、限制和预期结果。这有助于你在不重写的情况下重用和调整提示。包括一个简短的讲述部分，向聊天机器人解释理由，以便它可以考虑上下文并一致地响应。

为实际使用构建提示结构：定义任务，确保对所需来源的访问，并将材料和文本与预期输出对齐。使用广告和信息材料的示例，以便团队可以做出正确的决定并快速测试提示。结果是一个易于扩展和重用的工作流程。

如何为 ChatGPT 编写提示：11 个预期影响的实用指南

从一个精确的目标开始：编写一个单句任务，然后添加 2–3 个限制和预期输出的简短示例。使用设置来为不同情况定制，并保持文本清晰。遵循目标的输出更容易评估和使用。

1. 清晰度和范围：定义单一目标、受众和输出格式；包括明确的成功标准，如长度、语气和所需部分。遵循这些限制的输出在任务中保持一致。

2. 可重用性和模板：构建一个核心提示模板，包含目标、限制、示例和评估字段。为不同情况重复模板并保存材料；你可以注册到一个提示库并重用类似的措辞来加速工作。

3. 速度和迭代：保持提示简洁，并在 Chrome 中快速测试；交换任务关键词来迭代。维护一小组核心资产和材料，以便你可以快速更新提示，而无需从头重建。

4. 质量控制和可验证性：要求来源、步骤和检查列表。要求明确的引用或可验证的事实；在适当的地方添加道德过滤器（道德），并指定如何处理不确定性。

5. 跨情况的适应性：设计覆盖多样上下文、受众和格式的提示。包括占位符和可以替换而不改变核心结构的指令；为缺失数据提供备用选项。

6. 个性化与声音：允许调整受众语气、语言水平和偏好。包括所需声音的简短示例；如果需要，将被允许切换语域以匹配用户期望。

7. 安全、访问和治理：设置护栏以防止有害内容；定义伦理和隐私限制；确保对所需资源的访问并尊重数据政策。

8. 可访问性和可读性：偏好平白语言、项目符号列表和可扫描部分。以清晰标题提供文本输出，并易于多样读者阅读；保持文本简单且实用。

9. 本地化和材料管理：支持多种语言和文化上下文。准备材料，如术语表和示例翻译；保持基于 Chrome 的笔记随时可用，并确保对所有人的访问；使用不同的语言集以实现灵活性。

10. 测量和指标：定义成功指标并跨年份和团队跟踪结果。使用简单量表、交付时间指标和定期审查来使提示更精确。

11. 文档和共享：创建一个带有规范提示集、版本历史和命名约定的活指南（命名一致）。通过标记提示的技能来促进协作；使用同事；注册以贡献；保持通用数据库最新且有用。

澄清目标和所需输出格式

推荐：在编写提示之前定义目标和所需输出格式。说明谁受益（谁）和成功结果是什么样子。这设置了范围，并将提示与模型的优势（模型）和任务对齐。

指定确切的输出风格：纯文本、项目符号列表、JSON、YAML 或结构化表格。指明限制，如最大令牌、语气和细节水平，以控制答案的构建方式。

示例：生成一个带有标题和每个项目简短描述的 5 点项目符号列表，并将结果格式化为带有 "title" 和 "description" 键的 JSON。没有额外评论。

术语表：创建,符号,网站,哪些,模型,技能,基础,任务,总共,谁,聊天机器人,示例,简单,材料,注册,访问,哪个,有,单词,他们使用,语言,这样的,编写

起草后，进行快速测试：用小型数据集输入提示，验证输出是否遵守指定的格式、语气和细节水平；相应调整限制；为未来提示记录更改。

限制上下文：受众、领域和语气

定义你的受众，并在提示开头用明确标签标记，例如：受众：金融科技合规官；领域：数据隐私和风险评估；语气：简洁、实用且尊重。这种预先限制保持输出专注，并在每个响应中减少不必要的细节。你可以嵌入标记来强化上下文：第二个神经网络语言工作中访问文本哪个创建你可以账户允许生成文本的仿佛编写标记机器广告更多聊天总模型道德 chrome

受众

描述谁将阅读结果、他们的专业知识和决策需求。使用具体人物，而不是通用术语，并将这些限制放置在提示顶部，以便模型维护语域、细节水平和匹配真实工作场景的示例。

领域和语气

定义领域具体内容：术语、指标和预期深度。附加语气指南：直接、友好且证据驱动，在适当的地方引用。如果你是为聊天互动或文本输出起草，指定输出应类似于人类合作者，同时在敏感主题上保持谨慎。对于广告材料，坚持以利益为先的风格，同时呈现可验证的事实。当你的工作流程使用浏览器时，引用 Chrome 以反映环境，对于任何基于账户的工作，包括账户句柄（账户）以确保跨生成的 consistency。最后，确保模型遵循道德基线，避免炒作，并在文本输出中提供清晰、可检查的声明。

构建提示：逐步指令和示例

将提示起草为简洁的逐步检查列表，定义目标、预期输出以及如何验证它。对于文本提示，使用标记部分来分离输入、规则和示例，并在目标语言（语言）中规划组织创建（创建）。如果你使用 Chrome 上下文，添加保持结果与网页对齐的限制。这种方法打开你的工作并使提示更可预测且易于跨模型和项目重用，即使在你的账户测试框架内。应该使用清晰的表述并避免多余的单词，以提高准确性。

步骤 1：目标和受众。确切说明模型应该交付什么以及谁将阅读它。示例："为非技术读者总结文章，90 字。" 保持语言简单直接，以便输出可用于来自他人和团队成员的问题。

步骤 2：分解为微任务。列出四个任务，每个任务一个动作和定义的输出：1）收集输入；2）识别关键点；3）改述以清晰；4）组装最终文本。这种模块化结构允许提示在模型和编辑器中重复，而简单测试变得更容易。

步骤 3：输入、输出和语言。指定输入类型（文本、URL）和所需输出格式（项目符号列表、短段落、JSON）。使用标记标签来划分部分：INPUTS、OUTPUT、RULES。如果适用 Chrome 限制，在此处包括它们。当你制作提示时，用英语清晰编写以避免语言混淆。

步骤 4：限制和样本。设置字数、必需包含和任何格式规则。提供演示模式的紧凑示例提示，以及检查合规性的变体。这有助于其他提示编辑器（他人）审查和完善模板，并将事物保存在共享账户或 Chrome 存储库中以便轻松重用。

步骤 5：验证和迭代。通过提出针对性问题（问题）和从其他（他人）团队成员收集反馈来验证输出。完善输入、令牌和输出；保持文本提示标记且一致。当结果不一致时，调整限制或添加澄清示例。这个循环提升技能并帮助模型随着时间产生更可靠的结果。

示例：

示例 1 – 产品描述。提示："你是文案撰写人。为陶瓷杯创建 5 点项目符号产品描述。语言：英语。长度：60-80 字。" 输出：描述材料、容量和护理的项目符号列表。这显示了输入-输出关系和文本创建的限制标记，并且可以存储在你的账户或 Chrome 存储库中以供重用。

示例 2 – 博客引言。提示："起草一个 120 字的 SEO 友好初学者提示工程引言。语言：英语。受众：一般读者。" 输出：短段落加一行要点。使用此模式来测试跨模型和团队的一致性。

预见歧义：澄清触发器和验证规则

从一个具体推荐开始：在歧义的第一个迹象时提出澄清问题，并为每个提示附加一个简单的验证规则。今天你可以应用一个基线来减少误解和浪费的迭代。

澄清触发器出现在提示省略基本细节时，如受众、语言或格式。这些情况需要快速检查和简短的来回以锁定范围。提出揭示预期限制的问题，例如：受众是谁？答案应该使用哪种语言？输出格式是什么 – 纯文本、结构化还是简洁？根据既定规则为每个提示记录这些检查，以便模型跨网站和提示对齐，并准备处理多样文本和情况。

验证规则在交付前定义检查：长度限制、必需部分、事实对齐和安全限制。将规则与任务和道德考虑（道德）绑定，并在适当的时候确保对来源的访问（访问）。创建简单测试：如果提示要求三个项目的列表，则强制执行正好三个项目；对于文本输出，使用纯格式。在第二个场景中，运行第二个验证通过以确保与第一个的一致性。

模板和实用示例提供现成模式。使用此结构为提示：任务、受众、输出语言、所需格式、限制。维护一个覆盖常见情况的提示库，跨第二个站点（网站）和文本领域。如果用户说命名一个快速模板，用一个简单适合限制的现成版本响应。对于需要注册以保存偏好的平台，提供一个小设置提示来捕获用户设置。确保输出尊重道德和访问，并保持文本结果清晰且可读。对于涉及第二个场景的聊天工作流程，根据基础问题重新验证以避免漂移。

测试、迭代和文档提示以实现一致性

从今天开始，为你的聊天工作流程构建一个版本化的提示库。编写覆盖工作中最常见问题的基线提示，然后在几个模型和神经网络中运行它们。使用 Telegram 账户来模拟真实用户互动并记录输入长度（符号）和输出。你可以并且应该比较至少两个模型的结果，然后运行第二个通过来收紧指导。保持你的笔记对专家可访问，并结构化材料，以便读者可以快速理解每个提示的预期。编写简单描述，但捕获足够的细节以稍后重现结果。

基线、测试和评估

定义一个练习关键技能的基线：提取事实、遵循限制并维护语气。对于每个提示，使用几个测试用例测试并测量跨模型的答案一致性、任务完成率、事实准确性和缺失细节，以及字符长度遵守和格式（符号）。在单个模板中记录输入、输出和观察（观察）：材料、提示、响应、观察、行动。创建一个版本日志（版本日志），带有 v1、v1.1、v2.0。这使第二个迭代可预测且更快重复。

文档和版本控制

在笔记存储库中保持一个活的材料集和提示。使用简单标签来标记更改并链接到带有聊天响应的示例的电子邮件。你的账户和跨 Telegram 机器人的提示可以被测试以验证真实用户流程中的一致性。当你更新提示时，清楚说明发生了什么变化以及为什么，以便其他专家可以阅读、阅读和应用。将输出和提示一起存储以避免跨模型和平台的漂移。