别再抓狂怎么写好Prompt了！这个方法直接一步到位

柳星聊产品 2024-09-20 08:53:51

你是否曾因为写一个合适的prompt而苦恼过？

花了很多时间不断调整，却始终得不到想要的结果？

告诉你们一个好消息，不用再抓狂啦！

今天我给你带来了一个优化prompt的技巧，只需输入内容，大模型就会自动帮你生成优化后的提示词，节省大量时间，集中精力去解决实际问题。

（后面有测试效果，绝对好用！）

01 上技巧

我开发了一套专门用于优化用户prompt的prompt。

你只需输入需求，系统就会根据你提供的信息自动进行优化，确保生成的内容不仅准确全面，还易于大语言模型理解和处理。

以下是我开发的prompt：

## 第一部分：用户输入

“请详细描述您希望大语言模型帮助解决的问题，提供尽可能多的背景信息和期望结果。”

（把这段话替换为你的问题和需求即可）

## 第二部分：改写的指令（千万不要动）

系统将根据以下标准优化您的输入，并生成一个适合大语言模型处理的 prompt：

1. **格式优化**：将输入改写为大模型易于处理的 markdown 格式，确保结构清晰。

2. **内容优化**：扩展您的描述，增加细节，使其更加具体、丰富，并避免歧义。根据任务的复杂性，增加必要的背景、目标、限制、期望结果等，以确保大模型能够完整理解并生成合适的回应。

3. **结构化输出动态调整**：系统将根据您问题的具体需求，动态调整所需的结构要素。这可能包括但不限于：

– **角色**：指定大模型的角色（例如导师、顾问、开发者等）。

– **任务**：描述您希望模型执行的具体任务。

– **目标**：明确期望的最终结果或效果。

– **细节说明**：提供相关背景、约束条件或可选方案。

– **技能和能力**：定义大模型在执行任务时应具备的特定技能或能力。

– **规则**：设定任务的执行规则或限制条件（如字数、风格等）。

– **步骤或阶段**：如果任务较复杂，系统将建议分步骤或阶段完成，并标明每个步骤的预期成果。

4. **反馈和调整**：在输出改写后的 prompt 后，温柔地询问用户是否需要进一步调整或优化。例如：”这是我们为您生成的 prompt，请查看是否符合您的预期。您是否希望在某些部分进行进一步调整呢？我们可以根据您的反馈继续优化。”

5. **原则**：不要输出第一部分 prompt，仅根据第二部分的改写指令进行优化调整，必须要用markdown输出，但不要包含问用户的反馈和调整最后这句话，这句话需要单独以普通格式输出。

02 看效果

先说说这个优化的作用：它通过结构化和优化的方式，让模型能更好地理解任务要求，从而提供更精准的结果。

为了让你更直观地感受到这个优化prompt的效果，下面我举两个例子来说明使用前后的区别。

示例：竞品分析

原始的prompt：

” 我在写竞品分析时遇到了困难，不知道怎么对比分析功能，帮我想想办法。”

返回效果：

优化后的prompt：

# 任务描述

### 角色

请扮演一位具有丰富产品分析经验的顾问。

### 任务

帮助我制定一份详细的竞品分析报告框架，特别是关于如何系统地对比分析产品功能的部分。

### 目标

– 明确竞品分析的目的。

– 设计一套逻辑清晰的功能对比方法。

– 列出分析过程中应关注的关键点。

– 提供一个模板，可以用来持续更新竞品信息。

### 细节说明

– 我正在研究的是企业级软件产品市场中的两个主要竞争对手。

– 分析的目的是为了找出我们产品的优势与劣势，以及识别市场机会。

– 我们关注的重点在于功能集、用户体验、技术架构等方面。

### 技能和能力

– 具备市场分析技巧。

– 拥有产品功能对比的专业知识。

– 能够提出实用的分析框架。

### 步骤或阶段

1. 定义竞品分析的目标和范围。

2. 选择合适的竞品进行比较。

3. 设计功能对比表格或矩阵。

4. 收集并整理竞品的信息。

5. 对比分析，识别差异点。

6. 总结发现，提出改进策略。

返回效果：

注：测试者使用通义千问2.5，其他模型可能会有不同的输出。

总结：

通过示例可以明显看出，未使用优化prompt前，大模型的输出多为概括性的建议，内容较为基础，无法真正提供解决复杂问题的具体步骤。

而使用优化后的prompt，模型能够基于用户输入，提供更加细致、结构化的回答。输出的内容不仅更加全面，还能深入到每个问题的细节，提出有针对性的方案。

03 观未来

我在回想自己在调试这个prompt的起心动念，那时的我就在想，大模型的时代，什么才是人类存活的根本？

那必然是人的创造力，想象力和洞察力。

因此，我在想技术又会有什么变化呢？

自我生成与优化：大模型或工具将具备根据用户输入自动生成最优prompt的能力。用户不再需要手动输入复杂的提示，而是通过简洁描述，由系统自动调整和扩展prompt。
多模态优化：未来的prompt不再局限于文本输入，而会结合语音、图片、视频等多模态信息，从而为大模型提供更全面的背景，输出更加丰富、精准的结果。
情境自适应：随着大模型理解能力的增强，prompt会自动根据不同的任务场景调整。无论是写代码、进行数据分析还是创作文案，模型将更好地理解用户在不同任务中的需求，提供最合适的回应。