如何为 ChatGPT 编写提示词 - 提示词制作的最佳实践

以明确的目标开始：定义一个可衡量的目标 为聊天机器人，并指定您所需的精确输出格式。 这会锚定您的提示，使评估变得简单。如果您需要长度限制，请明确说明（例如，3-5 个要点）。另外定义聊天机器人的上下文和约束以最小化偏差。

构建一个策略（策略）和一个模板（模板），您可以重复使用。定义元素（元素），这些元素必须出现在每个响应中：上下文、目标、约束和评估指标。包含关于用户和任务的信息，以便机器人有数据 来处理。

设置角色和语气（设计时引人入胜）。 决定聊天机器人是否充当分析师、顾问或教师。使用一个创建的 提示来锁定风格和深度。如果您可以附加我的 指南，机器人将在任务中保持一致。

使用清晰的支架设计提示。 以一个问题 开始，添加约束列表，并以所需的交付物结束。使用几个具有不同角度的提示 来测试鲁棒性。提出针对性的问题 来优化模型的输出；收集并分析数据 以改进下一个版本。

使用具体的提示测试和优化。 创建一个针对单一结果的提示循环，一次测量准确性，并调整。使用某些东西 作为缺失细节的占位符。土耳其 上下文可以使用语言标签来指示。当您想要生成 量身定制的内容时，为土耳其读者提供一个专注的英文提示，然后针对数据 进行验证。

为提示制作定义清晰的目标

为每个提示定义一个单一的、可衡量的结果：聊天应该在一次互动中向用户提供所需的响应，没有填充内容，并包含至少三个可操作项目。编写一个提示来证明这一点，要求简洁的裁决加上三步计划。

从用户的角度框架目标（用户）。澄清所需的信息和要解决的任务（解决问题、提取洞见）。使用诸如分析师之类的角色来塑造结构，使结果保持组织和易读。

及早选择输出格式：指定要点、检查列表或简短叙述。明确说明格式（格式）并设置长度限制（例如，5 个要点或 120 字）。这有助于信息流动，并确保格式符合用户的期望。

定义输入和约束：列出用户想要完成的任务、要咨询的信息来源，以及要排除的任何数据。指定某些步骤可以由聊天机器人自动执行（自动），同时留出空间供人工审查。包含对提示和变体的引用（提示）以在任务中保持一致性。

构建一个可重用的模板：创建一个紧凑的格式，包含诸如目标、受众、格式、约束、任务和信息来源之类的字段。此格式支持实践和持续的研究参与，有助于为用户高效解决问题。

测量和迭代：从聊天用户那里收集反馈，跟踪响应是否满足所需标准，并相应调整提示。从实践和详细研究（研究）中维护经验教训日志，以随着时间改进提示质量管理。

提供足够的上下文、约束和输出格式

以简洁的上下文开始，说明目标、将阅读或与聊天机器人互动的人，以及整体结果。包含任务、受众和输出目标，以便机器人可以协调其行动。在此上下文中，指定机器人应涵盖的主题和它应操作的命令模式，并注明在哪里存储提示以供快速参考。如果您发现差距，建议改进以保持所有指令的可操作性。必要时，调整上下文以与用户目标保持一致，并指定最适合受众的语气，以确保方式友好和清晰。

接下来，以紧凑、可操作的方式概述约束：设置最大长度，确定语气和正式性，决定允许的来源，并要求对响应进行引用或摘要。当您指定约束时，包含确切的指标并声明在响应中要避免什么。每个项目应简洁且可衡量。对于任何即时调整，使用内部管理模式，并为用户需求保持范围现实。

将输出格式定义为可预测的结构：简洁的叙述、一组清晰的顺序步骤，或带有诸如目标、受众、约束和示例答案之类的字段的最小 JSON-like 块。说明所需字段，以便聊天机器人产生一致的结果。框架已提供，您将使用样本结构作为参考。

使用实用、逐步方法（步骤）来制作提示：1) 捕获上下文、受众和成功指标；2) 锁定约束、格式和交付规则；3) 定义输出结构；4) 添加提示来指导调整；5) 将所有资产保存在内部管理模式中，并将它们存储在标记为快速访问的文件夹中。当您写作时，保持语言清晰，并以人类易于遵循的方式进行。

质量检查：生成后，验证响应是否与提供的约束和指定的输出格式一致。如果有任何问题，调用提示并相应优化您的提示。您将包含一个简短的检查列表，以便人们可以跨主题和模式审计过程，并将成功的提示存储在文件夹中以供重用。为了持续改进，记录什么有效以及什么需要更改，使用您自己的笔记，以便您的提示保持清晰和可操作。

选择正确的指令风格：直接、示例驱动或逐步

当您需要快速、决策就绪的答案时，使用直接风格。将问题放在首位，添加约束，并指定确切的输出格式。这最小化模型中的错误，并加速跨地点和渠道的工作，同时保持响应为英语。如果涉及代码，请请求 JavaScript 块和简要解释部分来指导读者。添加简短的帮助问候或教练式提示，以保持互动实用和可操作，请。

直接风格

• 明确说明输出：“提供 5 个步骤的简洁列表”或“返回一个带有关键要点的单段落。” 这有助于模型清晰响应并避免填充内容。
• 将模式（模式）设置为一个交付物：要点列表、代码片段或简短摘要。这减少多余的词语并保持工作专注。
• 指定受众和语言：仅英语，如果您想要代码，请包含带有简单示例的 JavaScript。对于设计提示，请求左对齐（左侧）和紧凑格式以适应诸如仪表板之类的位置。
• 包含直接请求和规则：要求独特的解释，但避免减慢响应的无关上下文。
• 提供快速教练提示：教练的一个单一提示来指导用户朝向有用的输出，最好在继续下一个任务之前等待简短确认。

示例驱动和逐步风格

• 示例驱动：附加 2–3 个输入-输出对来建立模式。例如，用户：“用 3 个要点总结这个数据集，” 助手：“要点 1，要点 2，要点 3。” 这设置期望并减少误解，有助于独特输出和跨位置及类似 Google 的上下文更容易验证。
• 逐步：将任务分解为清晰的步骤并编号它们。这适用于学习、流程自动化和策略驱动的提示，并有助于避免将模型推入单一、宽泛的段落，这可能会掩盖错误。
• 通过从显示示例的模型提示开始，然后切换到引导序列来组合模式：步骤 1，步骤 2，步骤 3... 以确保您用解释和检查覆盖每个规则和边缘情况。
• 示例应在需要时包含营销友好的语气（营销），但保持清晰和简洁。如果您需要指导初级用户，请包含快速提示和小术语表来帮助我理解任务。
• 在指导工作例程时，指定输出结构的规则、询问澄清问题的权利以及验证检查，以及早捕获错误。这种示例驱动的方法有助于模型自信且一致地响应。
1. 步骤 1：使用具体示例和所需格式定义任务。
2. 步骤 2：提供 2–3 个输入-输出对来说明模式。
3. 步骤 3：说明确切的输出期望（语言：英语，代码语言：JavaScript，格式：要点）。
4. 步骤 4：添加简短检查列表来验证准确性，并在需要时添加定时器友好的等待期。

实施迭代：原型设计、测试和优化提示

在 15 分钟内原型设计一个基线提示，在代表性数据集上运行 20 个快速试验，并捕获信号：准确性、相关性和可读性。记录每个偏差，以便分析师审查；您收集的数据成为优化的种子。如果您想要快速获胜，请使用镜像您任务的东西进行测试。清晰的成功标准有助于您衡量进度：目标准确率超过 85%，并提供明确指导下一步行动的响应。

构建一个简单的测试协议：对于每个任务，运行两个变体 – 基线和一个使用添加的指令约束改进的变体。使用检查正确性、完整性和语气的量表比较结果。等待响应，然后评估您的指令遵循得如何；包含来自队友的对等反馈来验证影响。您可以邀请同事模拟真实用户，并在现实条件下评估聊天机器人。使用来自多个提示的数据来避免单一示例偏差。

通过收紧短语并缩小请求和响应之间的暂停来优化提示。专注于内存和信息边界，以最小化跨回合的串扰；明确定义模型应该记住什么以及它应该忽略什么。如果提示奖励简洁答案，请强制固定长度和操作检查列表。一次迭代一个变量，以便您可以将更改归因于特定调整，而不是数据中的噪声（数据）。

将每个迭代记录为团队的轻量级文章：注明假设、更改和性能的测量增量。这种方法有助于将改进扩展到单一用例之外，并演示 gpt-4 能力提示如何适应新任务。包含结果的简短故事来说明影响，展示代码-like 提示如何驱动可预测行为，并维护内存使用和信息流动的运行日志以支持未来的调整。

阶段	重点	指标	如何测试	工具
原型设计	基线提示清晰度、任务对齐	完成率、指令遵守、平均响应时间	跨 3 种任务类型运行 10 个提示；与量表比较	提示模板、样本输入、gpt-4
测试	边缘情况、指令偏差、内存处理	错误率、令牌效率、跨回合一致性	A/B 比较基线与增强变体；收集定性笔记	评估量表、数据集切片、日志记录
优化	约束收紧、短语重点、内存边界	分数增量；歧义减少	每个周期一个更改；使用相同数据集重新测试	版本化提示、变更日志、笔记

利用系统和角色提示来塑造行为

定义一个紧凑的系统提示，固定助手的边界并分配与您的目标一致的清晰角色。此基线保持响应一致并防止偏差，并有助于理解当您为给定任务编写角色时约束如何操作。

实用提示设置

您可以重用的模板包括翻译任务（将文本翻译成目标语言）、信件式内容（致收件人的信件，带有清晰的行动号召）、故事提示（具有简洁弧线的故事），以及站点基础检查（在网站上找到可靠事实）。参考位置和人员来说明现实世界用法，并考虑音乐启发的节奏来改善可读性。如果您想要快速重置，请要求教练重新验证提示并收紧约束。使用教练的帮助来校准智能并确保包含多种响应方式。

12 个询问 ChatGPT 如何使用它的提示

使用提示来映射任务：告诉 ChatGPT 您的目标，请求计划，并分配带有清晰任务的输入任务；确保包含代码示例和预期输出的示例，然后告诉它迭代直到结果适合您的项目需求。

提示模板

1. 告诉 ChatGPT 用简单术语创建一个项目主题概述，然后交付 3 个输入任务，带有具体任务和每个的代码示例，加上预期输出的示例。

2. 为项目制定策略大纲，包括里程碑、所有者和轻量级代码样本来说明任务自动化。

3. 请求对 3 种解决问题方法并排比较，包括每个的优缺点和风险评估，并要求模型用证据证明选择。

4. 告诉 ChatGPT 为功能生成用户故事，然后制定测试计划，包括示例测试用例和验收标准示例。

5. 请求代码专注的输出：提供伪代码，然后在所选语言中编码，带有注释和如何适应不同输入数据的解释。

6. 为项目准备度构建 QA 检查列表，包括责任、关卡和关键风险及缓解措施的左侧摘要。

7. 创建一个提示来询问聊天机器人关于项目的监管或合规要求，并为非技术利益相关者返回简洁的要点简报。

8. 设计一个蝙蝠侠主题的提示来测试语气和叙述风格，带有长度、标题和格式的约束。

9. 生成一个要求逐步推理的提示，用于计算或决策，每个步骤标记并明确说明最终答案。

10. 构建一个提示来获取外部数据并总结成报告，包含部分：执行摘要、发现和推荐；包含某些东西作为未来数据的占位符。

11. 制作提示来练习提示迭代：从粗略答案开始，然后请求澄清，然后通过迭代优化输出以改善对齐，使用示例工作流程并在左侧显示中期结果以供审查。

12. 提供一个元提示，告诉 ChatGPT 充当提示教练：询问用户细节，告知并通过迭代进行改进，并跟踪项目答案的演变。

实施说明

保持提示专注于具体输出：结构、数据点和示例；使用具体输入数据来 grounding 响应并在项目中启用测试。

针对代表性场景测试提示，然后调整语言和约束以适应不同团队；记录调整以简化重复使用和实践。