三种流行的ChatGPT提示工程模式，提高生活和商业生产力

生成AI和ChatGPT：改变数字交互的革命

介绍

近年来，人工智能领域在生成式 AI 技术的出现下发生了巨大的变革。在这一革命中，引领潮流的是 ChatGPT，这是一款由 OpenAI 开发的先进大语言模型（LLM）。作为一款大型语言模型，ChatGPT 基于广泛的语言示例数据集构建，使其能够以令人惊讶的准确性理解和生成类似人类的文本。

这一能力使ChatGPT位于自然语言处理的前沿，显著提升了我们与数字系统的互动方式。这种模型的好处多种多样，包括其提供详细的、具有上下文意识的回复能力，使其成为一个多功能工具，适用于各种应用领域。ChatGPT的先进语言理解和生成能力不仅提高了用户的参与度，还为个人生活和商业问题的增加生产力和自动化打开了新的机会。

理解提示工程

在有效利用ChatGPT的核心中，关键是“提示工程”——这是一项关键技能，涉及到构建特定的输入或提示，以指导AI生成所需的输出。这种技术是充分利用ChatGPT能力的关键，使用户能够获得更精确、更相关的回应。例如，不要问“天气怎么样？”一个更工程化的提示可以是“提供苏黎世的当前天气报告，包括温度和降雨几率。”这个具体的提示有助于生成更集中和有用的回应。提示可以简单到问一个问题，也可以复杂到根据日程安排进行会议计划，如图2所示的示例。

随着LLM功能的进步，ChatGPT现在可以处理文本和图像，并如图3所示准确检测图像中的实体和上下文。

提示工程模式的本质

超越仅仅提问的提示工程不仅是一门艺术，也是一门科学。它需要理解语言的微妙之处和AI的处理能力。提示工程模式是结构化、可重用的方法论或模板，有助于从ChatGPT中引出特定类型的回应或行为。这些模式对于提升个人生活和业务生产力至关重要，因为它们使与AI的互动更加高效和有效。例如，一个收集信息的模式可能以“列出...的步骤”或“总结...的关键要点”作为开头，引导ChatGPT以清晰、有组织的方式构建回应。

流行的提示工程模式

在接下来的章节中，我们将揭示一系列流行的提示工程模式，这些模式在个人和职业环境中被证明非常有效，可以提高生产力。这些模式不仅仅是理论概念，它们是通过广泛运用和改进而成熟的实用工具。通过探索这些模式，我们旨在发掘ChatGPT在解决各种生活和商业挑战方面的真正潜力。

每个模式都是为了实现特定的目的而设计的，无论是简化沟通、增强信息检索还是帮助解决复杂问题。我们将提供示例和深入了解这些模式在现实场景中的应用，展示它们的多功能性和影响力。从简单的查询到更复杂的交互，这些提示工程模式将使您能够在与ChatGPT的互动中找到最佳效果，并将其转化为您日常生活和业务运营中的宝贵助手。

人物角色模式

谈到改善与人工智能的互动，人设模式是一种巧妙的提示引擎技术，涉及采用特定的角色来提供定制的信息或服务。这种模式在需要为具有特定背景或情况和规则的受众定制响应时尤为有用。

Persona模板格式：

• 扮演Persona P：在这里，您为AI分配一个特定的角色或身份。这个角色可以是任何专业人士或角色，比如"天文学家"，"瑜伽导师"或"金融顾问"。
• 执行任务T：您定义一个特定任务，分配给的角色应确保该任务与其专长或角色相关。
• 假设我是Persona U（可选）：这是一个可选步骤，您可以为AI提供一个目标受众角色，可以是您自己或其他人，比如“好奇的6岁孩子”或“压力山大的大学生”。

例子：

• “解释太阳系。假设我是一个好奇的6岁孩子。”
• 作为一个瑜伽导师，引导我进行冥想。假设我是一个压力过大的大学生。
• 充当一名计算机工程师，描述计算机的工作原理。假设我是一名对现代技术不熟悉的年长者。

实际场景:

在图4所示的情景中，任务是扮演一个财务顾问，为一位打算投资1万瑞士法郎的人提供建议。用户的个人背景是一个32岁的新手投资者，没有任何投资专业知识。AI以一个财务顾问的身份，提供了一个简化但全面的投资策略，以适应用户的新手身份。

点击此处查看完整的提示模式和与ChatGPT的对话。

认知验证器模式

认知验证器模式是一种复杂的提示工程策略，旨在增强人工智能生成的回答的准确性和相关性。该模式在初次查询可能需要额外的上下文或澄清以提供精确答案的情况下特别有用。

认知验证器模式的格式：

使用认知验证模式，您的提示应当包含以下基本的上下文线索：

• 从现在开始，每当有问题提出给你时，请按照以下规则进行回答。
• 生成一些额外的问题，这些问题能够更准确地回答问题。
• 逐一提出这些问题
• 将个别问题的答案结合起来，得出对整体问题的最终答案。
• 让我们从第一个问题开始

模式:

当你被问到一个问题时，请遵循以下规则。生成一些额外的问题，以帮助你更准确地回答问题。逐个提出这些问题。将个别问题的答案结合起来，得出总体问题的最终答案。让我们从第一个问题开始。

示例：

"如果需要建议一套锻炼计划，请遵循以下规则。提出关于任何现有健康状况、我的健身水平以及可用设备类型的额外问题。逐一提出这些问题。整合这些信息以提供适合我的情况的定制锻炼计划。我们从第一个问题开始。"

现实世界的场景：

在图5提供的场景中，AI采用了认知验证模式，根据用户在流派、最近阅读和当前心情的喜好，推荐书籍。AI通过有针对性的问题来了解用户的喜好，深入探讨用户喜欢的犯罪、悬疑和惊悚类型的书籍，以及他们在阅读时的心情。通过依次澄清这些喜好，AI综合信息，推荐了莱安·莫里亚蒂的《大小谎言》这本书，它符合用户喜欢平静而扣人心弦的叙事风格。

点击这里查看完整的提示模式和与ChatGPT的对话。

食谱模式

调配方法是一种明确、逐步指导完成特定任务的有效工程策略。当您需要以逻辑和全面的方式概述一个过程或行动序列时，这种方法极其有益。

菜谱模板格式：

• 为了有效地应用配方模式在你的提示中，你应该包括以下要素：
• 我想要达到T：定义您想要完成的整体任务或目标。
• 我知道我需要执行步骤A，B，C：列出一些已知的关键步骤，有助于完成任务。
• 提供完整的步骤序列给我：请求一个详细有序的行动清单以达到目标。
• （可选）填写任何遗漏的步骤：要求识别并包括可能被忽视的任何步骤。
• （可选）确认任何不必要的步骤：请求删除任何对于此流程不必要的步骤。

例子: Hello, how are you today? 你好，你今天好吗？ I would like to order a pizza for delivery. 我想要点一份外卖披萨。 Can I have a large pepperoni pizza please? 请给我一份大号的意式辣香肠披萨。 What is your address? 你的地址是什么？ My address is 123 Main Street. 我的地址是主街123号。 Thank you, the pizza will be delivered to your address in 30 minutes. 谢谢，披萨将在30分钟内送到你的地址。 Enjoy your pizza! 好好享用你的披萨！

“我想购买一套房子。我知道我需要执行一些步骤，比如选择一个地点，查看不同的房子，考虑房子的特点，并且提出报价。请为我提供一个完整的步骤序列，补充任何缺失的步骤，并标识出任何不必要的步骤。”

现实世界的情况：

在图6所描述的情境中，任务“T”是计划一个最佳的12小时行程，包括参观瓦杜兹、布雷根茨、林道和莱茵河畔斯坦等景点，并以苏黎世市为起点和终点。已知的步骤“A，B，C”是指这些参观点本身，并且希望每个地点停留大约30分钟到1小时，同时需要在早上8点开始并考虑各个地点之间的旅行时间。

食谱模式将引导AI对旅行行程进行结构化，包括旅行时间、参观点的地理效率顺序以及每个位置的停留时间等所有必要步骤。它还将包括每个地点的任何重要活动或景点，并识别任何不可行的地点，例如在同一次旅行中登顶珠穆朗玛峰，这是在给定限制条件下不必要且不可能的步骤。

点击此处查看完整的提示模式和与ChatGPT的对话。

概要

在这篇文章中，我们深入探讨了提示工程的复杂性，揭示了结构化输入如何显著提升个人和企业与生成式人工智能（如ChatGPT）交互时的生产力。从巧妙的个人特征模式，根据特定用户身份定制回复，到细致的认知验证模式，确保精确信息收集 - 每个模式都是解锁人工智能广泛能力的关键。我们还研究了配方模式的改变力量，用逐步清晰的方式引导用户完成复杂过程。这些模式不仅是理论上的；它们是在实际场景中改善效率和决策的实用工具。

如果你想联系我，请在我的LinkedIn或我的网站上找我。