为什么要开始学习prompt

随着AI能力的提升，很多人在那说prompt将不再重要，甚至将prompt比喻为当年电脑刚推出时的打字学习，认为以后必将人人都能掌握，没必要去刻意学习。刚开始我也是抱有这种想法，因此对提示词一直不太重视，然而经过我的一段时间实践，我发现还是低估了提示词的作用，人与人沟通尚且都会有障碍，人与机器沟通，怎么可能做到完全不需要技巧呢？而且我发现prompt在有些人手上真的能做到不可思议的事情，这诱使我开始有意去学习他们是怎么做到的。

怎么形容提示词的好处呢，我想到了一张图：

虽然不能说完全一样，但是真的非常相似了，使用自然语言达到编程语言的效果，这不就是很多人梦寐以求的东西吗？

老规矩，学习的时候我也先向AI问了问如何写好提示词，AI给出的回答中出现了几个关键词，一个是CO-STAR，一个是LangGPT。

先简单介绍下CO-STAR，能搜到的相关资料是，据说一位新加坡女孩在提示词大赛中使用该框架写的提示词获得冠军。CO-STAR 框架的组成部分为： C - Context（上下文）：帮助 AI 理解任务的背景和环境。 O - Objective（目标）：指出你希望 AI 完成的具体任务或目标。 S - Style（风格）：指定了生成内容的语气和表达方式。 T - Task（任务）：明确描述 AI 需要执行的操作或生成的内容，包含所需的输出类型、格式等。 A - Audience（受众）：帮助 AI 理解谁是生成内容的目标读者或使用者。 R - Reasoning（推理）：要求 AI 在生成内容时进行逻辑推理或提供理由。

给个简单的例子，假如需要AI写一篇关于 "人工智能未来发展趋势" 的文章，那么使用CO-STAR 框架的提示词可以为：

上下文：你是一个人工智能专家，了解当前人工智能技术的发展，并能够预测未来的趋势。请用简洁的语言为大众读者介绍人工智能未来可能的发展趋势。
目标：生成一篇简洁的文章，重点阐述人工智能在未来可能的发展方向，并包含一些具体应用场景。文章结构应清晰，包含简短的引言、分析以及结论。
风格：语言简洁、易于理解，避免过多技术性术语，使普通读者能轻松理解。
任务：生成一篇关于 "人工智能未来发展趋势" 的文章，字数限制为 5000 字。文章需明确阐明未来的主要发展方向及可能带来的社会影响。
受众：面向普通大众读者，不要求过多专业背景知识。
推理：请提供具体的例子和实际应用场景，说明人工智能如何在未来改变我们的生活和工作。

基本上，关于CO-STAR我也只学到了这么多，于是我的目光转向了另一个——「LangGPT」

在经过一番探索后，我找到了LangGPT社区，并在其中看到了醍醐灌顶的一篇文章，就是李继刚的「提示词的道和术」，其中从四象限的角度诠释prompt非常到位。

• 第一象限：人知道，AI知道，只需要简单要求就能达到目标，例如前段时间爆火的「吉卜力风格」，这就典型的属于AI知道，人也知道，所以效果非常好。事实上，AI的进化就体现在这个象限，AI知道的越来越多，prompt可以越写越简单。
• 第二象限：人不知道，AI知道，那就提问题，尽情问就完事了。
• 第三象限：人不知道，AI不知道，李继刚说他都很少涉足，那咱暂且直接不管。
• 第四象限，人知道，AI不知道，这方面典型例子就很多了，例如比较火的RAG技术，以及现在很多AI都会有的联网搜索功能了，希望AI能通过RAG外挂知识库或者联网获取更多它不知道的信息。

看完这篇之后，我就开始学习LangGPT社区中其他文章，收益匪浅，狠狠推荐。其中小小总结一下写prompt的几个阶段吧。

第一阶段：探索入门 - “想到啥问啥”

这应该是大多数人接触AI的起点，就像和一个新朋友聊天，我们凭直觉提问，想到什么就问什么。这一阶段无需学习，也是chatgpt梦的开始，大家打开聊天框，想问什么就问什么。但是在用的过程中，大家大概也能感觉到，假如问的不够好，AI回答也会非常不精准，你需要不停的反问、修正，效率非常低。

第二阶段：赋予角色 - “让 AI 成为专家”

意识到第一阶段的局限后，大多数人应该都能试过，给 AI 设定一个明确的“角色”或“身份”能让效果变好很多。例如：“你现在是小红书营销专家...”、“你是专业python程序员...”，当给AI设定角色后，它的回答将会变得非常聚焦，减少很多无关信息，且回复的内容和语气等非常符合这个角色的身份。这是一个性价比极高的技巧，能立竿见影的提高AI的回答质量。

第三阶段：AI 协同 - “让 AI 帮你构思与优化 Prompt”

现在有一个思想，叫做“AI First”，我非常认同，当你不知道该怎么办的时候，不如先让AI试试，硅基生命可能更懂硅基生命。例如，我还是想写一篇关于 "人工智能未来发展趋势" 的文章，不如直接问问AI关于这篇文章的提示词应该怎么写。

可以看到，AI已经给了一个质量挺高的模板了，只需要在这个基础上结合自己的具体需求、背景信息、特殊要求等，进行个性化的修改就能得到更好的prompt了。

实际上这个技巧，在AI绘画、AI编程等领域都是屡试不爽，让AI给出结构化提示词，自己再对应修改，简直是兼顾效率与质量的典范。

第四阶段：模板与迭代 - “构建你自己的 Prompt”

看LangGPT社区中，给出了很多非常优秀的提示词示例，他们都具有相似的“骨架”，例如LangGPT 结构基本如下：

• Role：扮演的角色
• Profile：角色的背景、能力设定
• Goals：要完成的核心任务
• Constraints：需要遵守的规则、限制
• Skills：角色需要运用的技能
• Workflow：执行任务的步骤
• OutputFormat：期望的输出形式

模板与框架的好处是，让自己有的放矢，就像大多数人写PPT，也不会是自己从头开始画每一个元素，而是找一份可用的模板，直接套模板完事了。而如果自己开始写prompt，那么LangGPT就是个很好的选择，这并不是因为LangGPT比CO-STAR更简单更易学，而是在LangGPT社区中更容易找到好的提示词来参考，有好的例子和结构为什么不学习呢（况且还有很多好的教学文章）。

模板不仅仅能让prompt看起来“专业”，另外还有好处是，方便迅速迭代和优化，当模型的输出结果不够理想的时候，你可以依据模型的反馈大概看到提示词哪里有问题，继续修改直到输出满意的效果。

另外，前面说过李继刚提出的四象限法则，在构建prompt时就可以用上了，例如在第一象限的内容，就可以适当精简，没必要多写浪费tokens；而在第四象限的东西，就可以通过举例的方法（一般情况下，三个例子给到AI效果更好），让AI明白究竟是什么。例如我在写一个让AI生成段子的prompt的时候，不给例子或者用AI自己生成的段子作为prompt的时候，AI再输出的段子都透露出浓浓的AI味，但是我去找了几个网上比较火的段子作为例子输入给AI的时候，AI再次输出的段子就自然了很多。

再往后的阶段，我也不知道了，可能部分大神能做到，摘叶飞花皆为武器。而我的推荐是，第二阶段和第三阶段的技巧多使用，效率高，质量也不错，普通人熟练应用这两个，已经能做出非常好的效果了。

而如果需要自己写prompt，那么在写的过程中，还有一些技巧，例如怎么知道有些内容AI是不是知道呢，那就可以先让AI解释解释对应的名词，看正不正确，如果解释的非常好，那么毫无疑问，这是属于第一象限的内容。

有些时候，可以说，写prompt，就是在探索AI的极限，仅此而已。