生成式人工智能（GenAI）已經成為一種提高生產力和處理日常任務的強大工具。這種工具可以根據收到的輸入創建新的內容，包括文本、圖像甚至代碼。雖然這種工具大有潛力，但有效地發掘它們的力量卻需要一種特定的技能，即編寫優秀提示的能力。

提示是我們賦予AI工具的指令，以指導它們的輸出。可以把提示看作是現代版的計算機代碼，只不過用自然語言編寫。就像傳統編程一樣，有一些有效和無效的方法來創建提示。不妨探索提示編寫之道以及如何盡量發揮生成式AI的潛力。

什么是優秀提示？

優秀提示的關鍵在于清晰、明確的溝通。記住下面這點很重要：盡管AI很強大，但它無法讀懂我們人類的思想。我們給出的指示越具體越詳細，就越有可能得到有用的輸出。

考慮一下這個場景：讓AI“寫一篇社交媒體帖子來推廣我公司的業務”。AI會嘗試完成這一請求，但如果沒有關于你的產品、服務、目標受眾或獨特賣點的關鍵信息，結果可能是寬泛的、毫無幫助的。

另一方面，包含所有必要上下文的精心設計的提示會獲得極其有效的結果。有一些具體的方法可以提升編寫提示的技能。

編寫良好AI提示的技巧

以下是任何人都可以用來制作更有效的AI提示的一些技巧：

1. 給AI分配一個角色

先告訴AI你希望它在幫助你的時候扮演什么角色。畢竟，如果你想要法律建議，會找律師談話；如果你想要營銷建議，會找營銷專家談話。對話開始時，告訴AI“扮演律師”（或者工程師、動物學家或者任何你認為最有幫助的人），讓它在給你建議時處于正確的心態。

例子：“扮演一名專門為小企業開展社交媒體活動的營銷專家。”

2. 從最后開始

這聽起來有悖常理，但在你開始編寫提示之前，務必確保你清楚希望獲得的結果。這意味著你可以精確地規定想要的輸出類型。比如說，如果你想要社交媒體時間表，可以告訴它你想要的格式。或者，如果你在寫一篇文章時需要幫助，可以告訴它你需要多長篇幅，應該采用什么樣的風格和語氣。

例子：“為Instagram創建一個每周社交媒體內容日歷，包括帖子類型、最佳發布時間和用戶參與策略。”

3. 把任務分解成易于管理的小塊

與其設計冗長復雜的提示去要求AI執行一項復雜的任務，不如將其分解成更小的步驟。比如說，如果你想創建一個商業計劃，不要只是問“為咖啡店寫一份商業計劃”，否則你會得到一些非常寬泛和無用的東西。但是如果你創建特定的提示，要求它創建商業計劃的所有單獨要素：概述、產品和服務描述以及市場分析等，為它提供每個要素所必需的信息，你最終會得到實用得多的內容。

例子：與其說“為一家咖啡店寫一份商業計劃”，不如試試：

 “概述咖啡店商業計劃的關鍵部分。”

“針對每個部分，列出要包括的基本信息。”

“為繁忙市區的一家優質咖啡店起草一份摘要。”

4. 提供決策所需的數據

所有常用的AI聊天機器人（比如ChatGPT、Google Gemini和Claude）都可以通過上傳額外信息或將它們指向在線資源，補充其訓練數據。這有助于確保在你設置AI聊天機器人處理任務之前，它們有最新的背景信息和上下文。

例子：在要求AI聊天機器人創建商業計劃之前，上傳最近的市場分析、戰略文件、競爭對手分析以及客戶反饋分析。

5. 使用示例指導輸出

如果你有類似于想要實現的輸出的例子——比如，推廣貴公司的過去社交媒體帖子、成功的招聘廣告或你寫過的信件，然后與AI分享它們。這將有助于引導AI生成更準確的輸出。

例子：“這是一個典型的Instagram帖子的例子：[插入例子]。再寫五則風格類似的帖子，重點介紹我們合規采購的咖啡豆。”

你不確定它需要知道什么，就問

像ChatGPT這樣的生成式AI工具知道很多事情，但它們并非無所不知。如果你不確定它會擁有需要的所有信息，就問它。這將告訴你它需要知道什么，那樣你可以堵住其知識漏洞，防止它猜測它不知道的事實和信息。

例子：“我想為咖啡店制定一個營銷計劃。為了制定有效的計劃，你還需要我提供哪些額外的信息？”

提示工程：一項基本的未來技能

隨著AI繼續融入到我們的個人和職業生活中，能夠與這種系統進行有效溝通（名為提示工程）將成為一項越來越有價值的技能。它可能是技術素養的關鍵組成部分，在學校教授，備受雇主的追捧。

當我們的專業價值部分取決于我們與智能機器合作的能力時，掌握提示工程讓我們為未來做好準備。通過磨練這些技能，有助于我們確保未來成功、能夠適應。

實際應用

開始培養你的實時工程技能：

• 用ChatGPT或Google Bard等唾手可得的AI工具進行練習。
• 從簡單的任務開始，逐漸增加復雜性。
• 試用不同的提示結構，并比較結果。
• 加入致力于提示工程的在線社區或論壇，向別人學習，并分享經驗。

記住，編寫有效的提示是一項需要不斷練習才能提高的技能。你使用的AI工具越多，就越擅長設計能夠帶來顯著結果的提示。

原文標題：??How To Write Amazing Generative AI Prompts??，作者：Bernard Marr