这绝对是你能看到的最实用的 ai 提示词技巧分享!很多同学经常问我有没有又简单又快就能让你的 ai 稳定高质量回答的技巧,我只能说,有的兄弟有的。 哈喽,大家好,我是柿子,今天给大家介绍六个神级提示词,每次和 ai 对 话时,请带上这些关键词,它足以让你的 ai 输出质量提升十倍以上。第一个,第一信原理,如果你问 ai 怎么去做一个爆款短视频, 他会给你一堆正确的废话。但如果你说从第一信原理出发分析这个问题, ai 就 会跳过那些套话,去挖掘真正起作用的底层变量。为什么这个方法有效?因为 ai 默认走的是统计最常见的回答这条路。一信原理,这个指令相当于告诉他 别走老路,从零推倒,他会激活更深层次的推理能力,而不是说复述训练数据里边最高频的答案。关键词就一句,从第一信原理出发思考这个问题。 第二个,系统思维。在真实的业务问题中,如果你问 ai 一个问题,其实你往往需要的不是一个孤立的答案,因为你改动了 a, 那 么 b 就 会变,那 b 变又会影响着 c。 那 系统思维就是让 ai 不 只是看一个点,而是看整条链路。为什么这种方式是有效的?因为大模型的背后本质上是注意力机制,这种机制天然适合处理多要素之间的关联。但如果说你不提示他的话,他就只会限定的回答表面问题, 加上这个指令,等于打开了它的大局视角。关键词,运用系统思维、识别反馈循环、杠杆点和系统边界三个练式思考,你让一个学生直接写答案,和让他先在草稿纸上把推理过程写出来再给答案,哪个更靠谱?练式思维就是给 ai 这样一张草稿纸, 这可能是所有技巧里面最有科学依据的一个。之前 google 一 篇研究证明,仅仅加上一步一步来做这几个字,就能让 ai 在 数学和逻辑任务上的准确率提升百分之四十以上。 原因其实也很简单, ai 生成每个字的时候,他只能看到前面的内容,强制他先输出中间步骤,等于给了他更多的工作记忆和上下文 关键词,一步步思考,并且展现你的推理过程。第四个,反向思维。大多数人用 ai 都是在问怎么才能做对件事情,但是 ai 高手往往会问什么事情会让这件事情失败?当你让 ai 去想失败的路径的时候, 他反而能够帮你发现那些你自己看不到的盲区。为什么会这样?因为 ai 对 正面建议容易泛泛,而谈训练数据里边这类内容太多了。 但当你让他思考反面和例外情况,他被迫进入了一个需要更多推理的区域,厨师质量反而会更高。使用反向思维什么会导致这失败?与之相反的假设是什么? 第五个,墨会知识。一个做了二十年菜的大厨,他知道什么时候该关火,油温到了没有,但你让他写上教程,他接着写不出来。这种说不出来但确实知道的东西就是墨会知识。 ai 的 训练数据里面其实藏着大量的这种专家经验,但你如果不主动要求他的话,他就不会去调用。为什么这种方法是有效的?默认情况下, ai 给你的是教科书式的标准答案。 当你明确要求调用领域专家的隐形知识,等于在引导他去解锁那些更稀缺更有价值的训练数据片段。关键词,借鉴领域专家的默会知识,那些经验丰富的从业者知道但无法完全表达的内容。 第六个,高杠杆思考。这里给大家分享两个最实用的子技巧。第一个是飞慢技巧,让 ai 像小学生讲课一样去解释一个概念,如果他自己都讲不明白,说明他自己也没想明白这件事情,这个时候他会被迫重新组织逻辑, 输出质量会直接翻倍。关键词,用最简单的话解释,像交给一个聪明但完全不懂这个领域的人一样。二个是第二句效应, 普通人问 ai 这个决定好不好,高手会问这个 ai 这个决定的后果会连锁引发什么后果?让 ai 去帮你看到多米诺骨牌的第二张。第三张关键词不仅要考虑直接后果,还要分析后果的后果。以上六个技巧,每一个都是直接可以塞在你的提示词里就可以用的。
粉丝2489获赞2.6万

一条视频解决你不会写 ai 提示词的问题。这可能是你在外面花几千上万才能学到的东西,今天直接免费分享给你。如果你还在跟豆包说帮我写个文案,或者帮我做个表,那你完全就是在浪费它的钻力。今天我要把压箱底的原提示词 meta prompt 交给你。 这可是硅谷很多超级个体闷声发大财的核心秘密,外面不管是卖课的,还是做社群的,核心交付的就是这一套东西。很多人觉得 ai 笨,其实是因为你给的指令太人类语言了。解决这个问题的终极方案,不是让你去学什么复杂的指令工程, 而是用 ai 来指挥 ai。 我 手里这个结构化提示词生成器,就是专门干这个的。你不需要懂什么 c o t 思维链,也不用管什么角色设定那些,它全帮你搞定,操作简单到离谱。第一步, 把这一大段调试好的原提示词喂给 ai。 第二步,像聊天一样说出你的需求。举个实战的例子,比如说你是做自媒体的,你想写一个小某书爆款,你就直接告诉他,我要写小某书美妆类笔记, 给我生成一个专业的提示词看下,结果他瞬间就吐出了一个包含角色设定、内容风格加 emoji 排版加互动话术的专业指令。你再把这个指令拿去用, 生成的文案直接就是爆款级别,比你自己哼哧哼哧改半天强一万倍。再比如,你想学编程,做法律咨询,甚至是让 ai 帮你做心理辅导,逻辑都是一样的,先用原题式词生成专用指令,再用专用指令解决问题,这就是所谓的磨刀不误砍柴工。 这套原提示词的完整版,包括英文版和中文版本,我都整理在文档里了,想要的朋友在评论区扣神器,别让你手里的 ai 吃灰了,赶紧用起来吧!

通过手机号可以知道对方的抖音吗?我们都知道在微信里直接搜索手机号是可以找到对方的微信的,但是在抖音里并不能直接搜索,那么有什么办法解决这个问题?好,首先我们打开手机的电话本,然后把这个手机号加为联系人,起个名字, 比如小明,把这个手机号添加进去保存好,现在已经保存了。返回桌面,打开抖音,进入抖音,设置隐私设置, 最下边有一个系统权限,第一项通讯录权限,打开,这里边有一个立即同步通讯录,点击好提示同步成功,这一步非常重要,这个时候我们再返回到抖音的个人中心页面,点击上边的添加好友,选择 通讯录。好,我们马上就能发现这里边有一个叫小明,然后抖音昵称 p 幺零小明,我们打开看一下,你可以直接关注对方。好,你学会了吗?

大多数运营人觉得 ai 输出不好是因为提示词不够好,但 entropic 的 工程师一年内代码产出提升了八倍。他们却说提示词只占最后百分之一的工作量,那百分之九十九在上下文里。 那这个上下文到底是什么? antropics 把上下文分成三层局,上下文始终存在。比如公司的品牌调性项目上下文在项目开始时加载,核心是一份 a 阵词点 m d 文件,每次绘画, cloud 都会自动读取它任务上下文针对具体需求加载。 举个例子,假设你要写一条促销文案,只用提示词 a e i, 可能会给出套话,但如果先加载品牌手册、历史爆款分析,还有当前库存的实时数据, a 写出来的内容几乎可以直接发布。这不是夸张 and rapid 的 工程师就是靠这个把效率提升了八倍。 虽然这份资料讲的是工程师代码,但原理可以迁移到运营上。假设我们为内容运营搭建一套上下文系统,先写一份 a 阵磁碟, md 里面放品牌调性常用话术、禁止事项,再创建一个记忆文件,记录过往有效和无效的文案模式, 最后通过 m c p 连接实时库存或活动数据。这样每次写推文, a、 r、 e 都能直接调用这些信息,而不是从零生成。 需要注意的是,这些数据全部来自 antropic 工程师的真实案例。现有资料没有回答这种方法是否直接适用于运营场景,也没有提到是否需要额外调整。这意味着你可以照搬原理,但要在自己的运营工作流中做 ab 测试才能确认效果, 具体怎么落地?参考 antropica 的 三天计划。第一天构建三层上下文站,写一份 agents, 点 md 作为项目规则。第二天通过 mcp 连接你的运营数据员,比如 crm 库存评论系统。第三天测试对比,看同一的任务用老方法和新上下文的差异。 前期投入三天,后续每次使用的调整时间会大幅减少,尤其是和日更内容,客服回复这类高频场景。如果今天开始搭一套上下文系统,你会先补全全局项目还是任务上下文,把你的选择和实际使用场景留在评论区,我会跳一个案例继续拆解。

你是不是不停补充提示词,就为了让 ai 视频里的角色保持一致,可写的再多,镜头一转,依旧容貌变样、场景穿帮?其实问题并不出在提示词上,而是缺少了数字资产库。那么今天这节课就讲一件事,资产库到底怎么借? 数字资产库,说白了,就是在你正式批量出图、出视频、出声音之前,提前确定、保存、标注、登记,然后反复附用的项目资料库。它至少包含以上四件事。 很多人刚做 ai 视频时有个误区,以为一张角色图就能生成一整条片子,但真正有效的方法是前期就把角色拆成可控资产。用一句话来说,数字资产服务于 图片生成、视频生成、提示词调用风格统一、镜头衔接、后期返工。那么数字资产库建立总流程就分以上九步。 读剧本的时候,先问自己三个问题,哪些角色、场景、道具会反复出现?哪些东西一变,观众立刻会发现 哪些东西会影响剧情。理解镜头衔接或商业交付?答案就是你优先建库的资产。数字资产库分五大类,分别是人物资产、场景资产、道具资产、色板资产、声音资产。首先,人物是最容易穿帮的资产。 所以第一步,准备一张基础人物母图。母图要满足四个条件,人脸清晰、五官不被遮挡,发型和头部轮廓明确,服装有识别点,但不过度复杂,背景简单,没有强光斑和干扰物。第二步,把母图扩展成身份资产, 目的是让 ai 同时看到正脸、侧脸、全身和背面文档里有完整提示词,需要的自取以及竖版的。第三步,制作装造资产。同一个角色在不同场景里,可能有日常装、运动装,先生成角色稳定的全身图,在不改变脸、发型、身材比例和气质的前提下替换服装, 每套服装都重新做成可调用的人物资产图。记住,换的是服装和动作资产。也有相关提示词。 那场景资产怎么建?首先不能只追求这张空间图好看,真正要解决的是同一个地点,在不同镜头里,门窗、桌椅、光源、入口通道和空间方向都不乱变。稳定场景资产建议包含四样东西, 多角度图,让 ai 知道同一空间的正面反打侧面和入口。平面布局图,固定门窗、桌椅、通道和人物运动路线。光线规则,固定主光方向、色温和暗部层次、关键物件位置,桌子、屏幕、床、柜子这些不会乱跑。以下是完整场景提示词, 道具是否需要建库,取决于它在剧情里的重要性。分四种情况,背景小物件、墙上装饰、桌角、杯子可以不见被人物反复使用的包。手机、武器、球拍必须见。推动剧情线索的信件、钥匙、检测报告必须见。 商业产品、品牌包装产品外观 logo 位置必须见。道具资产建议用白底或浅灰底。先做清楚正面、侧面、背面和局部细节,再进入场景。拿个黑色鳄鱼纹手提包举例,你要展示正面、侧面、背面,再加局部特写,展示皮革纹理和金属锁扣。反光 整体造型颜色材质必须统一。色板不是好看的拼贴,是给 ai 规定颜色使用规则至少六项,主色管,大面积环境基调辅色配主色管,墙面家具、暗部色管、阴影边缘、夜景 高光色管、灯光反光、屏幕点缀色、小面积聚焦禁用色。不给 ai 乱加的机会。文档里给了两套方案。方案一,上传多张电影参考图,让 ai 从所有图中提取共同色彩规律,生成七个核心色板,加使用规则,加色板、资产图、提示词。 方案二,直接给剧本或故事设定,让 ai 分 析类型、情绪、人物关系、场景气质,然后生成对应色彩方案。两套方案文档里都有完整提示词模板,复制改参数就行。 声音不进库,画面稳了,听着也割裂。主要见的是角色、音色、年龄感、性格、语速、音高都得定下来。有两种方式,首先是声音设计, 是从零设定一个音色的年龄感、性格、语速和音高。大家好,我是林夏,第一次见面的时候我可能显得有一点安静,但那并不代表我不在意。声音克隆是拿一段参考音 频复制他的音色特征。你好,我是林夏,第一次见面的时候我可能显得有一点安静, 但那并不代表我不在意。所以声音资产也要写标签,比如你标注这段音色是零下的角色,声音资产用来保持他的语速、冷静感、轻微梳理感和情绪克制。 后续台词生成时优先参考这段声音,不要变成甜美少女音或夸张播音腔。学完这节课,动手做五件事,第一,从自己的短剧创意或剧本里圈出角色、场景、道具、风格和声音需求。第二,判断项目属于 b 级、 a 级还是 s 级。 第三,填写一份最小数字资产库清单。第四,每个资产写一句用途说明。第五,选一个核心角色,先做人物母图,到身份资产,到装造资产的建库练习。

体式词收藏越多,说明你 ai 用的越差,那么本期视频就教你们怎么把它们封装成属于你的个人 skill, 你 肯定也这样干过,每次让 ai 干活之前,先去网上收藏夹里面复制粘贴你收藏那几百字的体式词,然后喂给 ai。 如果 ai 干的不对,你还得一句一句补进去,让它修正。但倘若第二天新开一个对话,那么好昨天干的活全部都复制,动流白干, ai 根本不会记起来。 所以 ai 就 像一个实习生,他的能力很强,什么活他都愿意干,但是每一天上班都像第一天入职,也就相当于你每天都需要给他做一遍入职培训。 那么上期我做那个抖音自动体检工具,它就是一个 skill, 它里面就包含文案、画面、口播字幕与违禁词一些东西去检测我的视频,到现在我只需要把视频甩给他,他就可以自动帮我检测。 那么到这就有人想问了, skill 是 什么?一句话,它就是你给 ai 写的一份使用说明书。那么如果还有不懂的小伙伴,可以翻一翻我的往期视频,我里面就有说过 skill 到底是什么,也是非常详细。 如果你也想做专属于自己的 skill, 其实不用懂太多技术,记住这四件事就够了。接下来我会用我的案例给大家打个比方,方便大家理解。 第一,触犯条件,什么时候开工?我的是我说检查这条视频的时候开工。第二,输入资料,我要给他什么?我的是成片字幕、标题、文案。 三、执行步骤,按什么顺序干?我的是先口播,再字幕,然后是画面,最后是标题。第四,输出标准,交出来的活长什么样?我的是问题标到哪一秒,每条要待修改。建议,如果你还是觉得很麻烦,那么没关系,万能模板早就给你准备好了,请看屏幕。 那么将这四个空一填,专属于你的 skill, 他 就成了这条视频建议你先收藏下来,把它当做你最后一条提示词收藏。 一句话教你怎么判断一件事能不能做成 skill。 第一,它需要输入固定。第二,步骤固定。第三,结果固定。如果这三个都具备,那么它就值得做成一个 skill。 好 了,本期视频到这里就结束了,我是盖子,专注微科技分享,我们下期再见!

就在前几天, openai 针对新发布的 gpt 五点六模型更新了他们的官方提示词指南。我原本以为当模型升级以后,官方可能会教给我们一套更为复杂或者说高大上的 pront 模板。 结果他给出的第一个建议就是建议我们把提示词做得更加精简。同时 openai 还放了一组内部的编码 agent 的 样本数据。精简系统提示词以后, 评测成绩大概提高了百分之十到百分之十五。偷看使用减少了百分之四十到百分之六十六,成本减少了百分之三十三到百分之六十七。虽然说这些数据你不能直接套到每个产品上,官方也提醒我们要用自己的任务重新测试,但至少它说明了一件事, point 写的越来越长,他并不会让你的模型表现的越来越好。我相信之前经历过提示词工程的朋友们可能会更容易掉进这个坑里。假如说模型有一次漏了信息,我就加一句,不要遗漏 下一次回答太长,那么我加一句,保持简洁。后来,那我又怕他理解错误,那我就往里边塞流程,塞事例跟限制。最后你看一下,这个 prompt 可能已经像一份几十页的员工手册,像里边还有相互冲突的各种要求的处理逻辑。假如我们让 ai 分 析用户反馈, 很多人可能会这样写,仔细分析全部用户反馈,不要遗漏任何重要信息。先分类再总结,再分析,再检查。 回答必须简洁,同时尽可能完整详细。这里的不要遗漏完整详细。其实在重复保持简洁和尽可能详细它又有一点冲突。那么 open ai 是 怎么建议的呢?他建议我们这样写,分析用户反馈,找出出现频率最高的三个问题, 每个问题给出用户原话、出现次数、可能原因和改进建议。无法确认的原因标注为猜测,所以你看字更少,但交付的结果反而更容易检查。官方的第二个建议是把 ai 需要自主完成的动作以及需要确认的动作分清楚。 这一点对于 agent 工程特别重要。现在的模型更愿意主动把任务往前推进。如果你说帮我处理一下这个活动方案,他可能只是建议,也可能直接改文件。再往前一步,他甚至准备连接外部的 合作方,这其中会存在一定的风险。更好的写法是检查活动方案,修正日期、冲突、错别字和格式问题, 完成后列出修改内容。如果需要调整预算或联系外部合作方,先征求我的确认。这句话把权限说得很清楚,本地的小修改可以继续做,涉及预算和外部人员,你就要停下来问问我。我觉得很多的所谓的 agent 不 听话,可能问题就出在这里。 我们给了他任务,却没有给清楚行动边界。 j b t 五点六默认比 j b t 五点五更简洁如果说你也使用过之前的 j b t 模型系列,我觉得你应该会发现 j b t 系列的大模型正在随着它的版本更迭,会变得越来越简洁,越来越说人话。 所以你原来 front 里的请简洁回答尽量短一点。迁移之后,你可能会让原本已经精简过的答案变得有 是失真。官方建议我们通过这个东西设置默认的详细程度,再在具体任务里面说明什么内容必须保留。就算你不用 a p i, 这个思路,也可以直接用。比如 不要只说请简洁、专业、友好的解释项目为什么延期,因为简洁、专业、友好,每个人的理解是不一样的。你可以改成先用一句话说明延期原因,再列出受影响范围、预计延期时间和下一步措施。删除重复背景,先回应用户遇到的具体问题, 要增加泛泛的安慰。这样模型知道哪些信息不能删,也知道你说的友好具体是指什么行为。第四是 pro 模式, 你可以把它理解成模型,在给出最终答案之前投入更多的计算。困难模式可能会更可靠,但代价是等待更久, token 更多,成本更高。所以整理会议记录,改一段普通文案,你通常没有必要开 pro 模。 如果你在评选一个数据库迁移方案,需要找出可能导致数据丢失或者长时间停机的风险,而且每个风险都要给出依据,影响概率和缓解措施,这类任务 才值得测试。 pro 模式,注意是测试以后再决定,官方并没有建议所有困难模式都直接拉到最高档。标准模式跟 pro 模式应该使用同一批 真实任务进行比较,看看质量提升能不能覆盖额外的时间和成本。第五个建议是程序化的工具调用。这个词你可能听起来有一点技术,但我自己的理解是让模型先写一小段程序, 批量的调用工具,处理大量的中间结果,最后只把精简后的结果交回来。那么它适合做什么呢?例如过滤排序,去重聚合批量脚印。比如说我们有两千条用户反馈,需要你去重分类统计数量,再找出频率最高的十个问题。这种任务 规则固定,数量巨大,很适合批量处理。如果,但如果你要阅读三份合作方案,判断哪一份更符合你公司的长期战略,这里边有大量的语义理解和商业取舍,让模型直接阅读和判断可能会更加合适。 所以究竟要不要程序化工具调用的判断标准,并不在于工具多不多,也不在于你的任务看起来复不复杂,我们需要看的是中间的过程能不能被明确的规则批量处理。看完这段官方的指南以后呢, 最大的感受是 prompt 的 优化重点确实在慢慢的改变,我们需要尽快的将自己的思维跟上当前模型能力的飞速迭代。 以前我们很容易把注意力放在句式和模板上,我觉得例如说思维链、思维数,这个时代的 prompt, 我 相信到现在还有很多的用户在一直遵循着之前的这些规则。但是现在你更需要检查的是你有没有重复的规则, 模型能做多远,哪些内容你需要保留?这个任务你是需要普通模式还是 pro 模式?是程序化处理还是直接处理?下次你继续准备往 prompt 里边加规则的时候,我想你可以先停一下,看看这条规则是在修复一个真实问题, 还是只是因为你不放心,所以又写了一遍。如果删除以后,真实任务的改变没有变差,那么他从一开始可能就不需要存在, 这就是我从 gpt 五点六官方提示词指南当中提炼出来最值得落地的一点。 ok, 今天的分享就到这里,这里是吉米,我们下期再见。

codex 高手绝不会告诉你的三个神级 skill, 用上直接和别人拉开一个段位。第一个 remotion, 它在 guitar 上狂揽四十八点八 k 星,一个只要你能说出想要的画面,就能给你出成片的超强 skill。 只需要写了四到五条提示词,它就自动生成了一条完整的宣传视频页面滚动功能,高亮镜头切换动感字幕全部都是自动的,有人已经拿它做视频了,目前数据都还不错。 第二个, hyperframes。 这是一个颠覆剪辑行业的神器,以前剪辑师剪三十分钟视频最快也得半天。现在你只用动嘴,甚至不需要打开剪辑软件, hyperframes 就 能程序化剪辑, 精确控制每一帧, codex 里一秒就能安装。再输入一段提示词,比如开头一至二秒出现两个合作方 logo, 接着二至三秒出公司 logo, 整体风格简洁,想修改也是跟 codex 说,完全不用自己手动反复操作。 第三个, image 根,这是 codex 自带的图像生成 skill, 它可以让画面一秒变贵报,价值翻三倍。这两张图是我用 image 根生成的,科技感拉满我仅仅输入一句提示词,帮我生成一张算力行业的介绍图, 所有行业介绍数据都不用自己动手,它会自己搜索,整理出来的每张图质感都非常在线。以前一个人干三天的活,现在半天就能搞定,你负责动动嘴,剩下的 codex 全包了。

今天给大家分享两个提示词,很短很简单,但我可以很负责任的说,如果你经常用 ai, 这两句话一定要存下来。不管你用的是豆包、 deepsafe 还是 gpt, 只要把这两个提示词加进去, ai 的 输出质量会明显不一样。 第一个提示词解决的是 ai 总是写不到你心里去。你是不是经常这样用 ai 直接甩给他一句话,参考这篇文献,帮我写一篇文章,帮我做一个方案,帮我整理一下这个内容,然后 ai 很 快给你一大段,看起来挺完整,但仔细一看,方向不对,重点不对,语气不对, 于是你开始改它。这里再具体一点,这个方向不对,重新写一版,能不能更像人话一点?改到最后你会发现还不如自己写。问题其实不在 ai, 而是你的需求太模糊,你没说清楚的地方, ai 不 会停下来等你补充,他会自己猜, 可他猜出来的内容大概率不是你真正想要的。所以第一个提示词就是,执行我的任务前,请先识别所有模糊、缺失或可能影响结果的需求点, 逐条向我确认,等全部明确再正式的输出结果。这句话的关键是让 ai 先问问题再干活。以前是你写完需求,他直接输出,输出错了,你再一轮一轮修,现在是他先帮你把需求里的漏洞找出来,把该问的问完再开始写。 这样做之后,你会发现里面反复修改的次数会少很多,因为很多原本要在第三轮、第五轮才补充的信息,一开始就被问出来了。第二个提示词解决的是另一个更隐蔽的问题, ai 太爱顺着你说话了,你说我觉得这个方案不错,他会说非常好,这个思路很有价值。你又说,但我觉得这个方案可能不太行。他立马改口说,你说的对,这个方向确实需要重新考虑, 你再换个方向。他又说,哎,这个方向明显更优,听起来很配合,但其实很危险,因为他不在帮你判断他是在迎合你。 所以第二个提示词来了,从现在起,请你扮演五个彼此独立的顾问,对我的方案进行分析。每个顾问必须坚持自己的视角,不能互相附和,也不能为了迎合我而改变判断。 然后你让他分成五个角色。第一个,反驳者,专门挑毛病,用失败案例、数据和反面经验提醒你这个方案可能哪里会翻车。第二,本质追问者不纠结表面问题,而是逼你退步开,你真正解决的可能根本不是眼前的这个问题。 第三个,扩张着,负责打开选项,你以为只能在 a 和 b 之间选择,它会提醒你其实还有 c、 d、 e。 第四个,代价,权衡着不问方案听起来好不好,只问值不值得,它会帮你看到时间、成本、机会成本, 还有那些你没算进去的隐形代价。第五个,执行者,你只问一句话,周一早上起来,你第一步要做什么?凡是落不了地的漂亮方案,他都会直接揽下来,所以你记住这两个提示词就够了。第一个,执行前先识别模糊和缺失的需求点,再向我提问,全部明确后再输出。 第二个,扮演五个独立顾问,从反驳本质、扩张代价和执行五个角度审视我的方案,不要迎合我,一个让 ai 少跑偏,一个让 ai 不 再只会说好听话。你把这两句话用起来,会明显感觉到 ai 不 再只是一个帮你生成内容的工具,而开始像一个真正能帮你拆问题、推方案、做判断的工作达子。

你现在是一个顶级 ai 提示词架构师,精通所有大模型 prompt 逻辑。接下来我只需要告诉你使用场景和用途。 一、自动补齐我没说出口的隐性需求,角色设定规则约束输出格式。二分精简通用版、高阶顶配版两个版本。三,用清晰结构化排版,无废话,不闲聊,不凑字数。 四,自动适配所有主流 ai, 规避逻辑漏洞和无效指令。用完你会知道 ai 不是 工具,而是你的商业合伙人。

需求写对只是及格,这五个技巧能让 ai 少返工。第一,让 ai 先问,再做复杂需求先说,先问我几个问题再动手。 第二,说清改动幅度,小修就说最小改动,大改就让 ai 先给方案。第三,附上验证方式,给 ai 测试命令,别信 ai 自己说完成了。 第四,直接用文件名加行号定位,比一大段描述精准得多。第五,分阶段推进,先探查再出方案,你确认才动手, 把靠猜的空间压到最小。觉得有用点关注,欢迎评论区聊聊!

挑战从零开始学 ai 大 模型!今天是第五期提示词的使用技巧,今天来给大家讲一讲我们提示词该怎么使用。 大家如果是零基础,没有接触过大模型的话,不要觉得他很难,其实大家接触大模型还是非常简单的,像你们和 dsp 交互,你们对他说的这些话都叫做提示词,这就是提示词。 我们有一个好的提示词,其实能够达到一个非常棒的效果,并不是说必须要写代码,或者说了解那些穿梭门,那些基础架构,你才能去接触大公星。我们仅仅是优化提示词,其实也是大有可为的。 今天我结合一些实际的例子,我来教大家怎么去提升自己的效率,怎么去和大公星沟通,怎么才能得到自己想要的结果。我们提示词工程核心就是什么,让 ai 听懂你的话, ai 他 不是人,所以他和我们还是有一定的沟通的障碍的,所以我们要用 ai 能够更理解的一种方式去给他输入。我们直接开始这次工程,是通过设计和优化输入指令,引导我们的大元模型,大元模型就是那些 ai 所谓的 ai, 它都叫大元模型 生成精准、高质量输出的实践学科,大家不要太轻视他了哈,虽然他很简单就能学会,但他不是简单的提问,我们直接来看 提示词的三大核心原则。首先就是明确,其实这个点大家在生活里面也会遇到,有的人说话他其实有点重复性高,或者说不是很明确对不对? 和一些说话比较明确的人沟通,我们的效率也会变高。我们和大摩羯也是一样,点奶茶的时候你直接说我要一个中杯珍珠奶茶,少糖去皮,你直接跟店员说了,他直接给你开始做了对不对?如果你不说,你还等他问你好想要什么什么大小的,想要什么奶茶,想要什么糖量,想要什么冰块对不对?那这个效率就变低了很多。所以说 你去跟人家说,让你让他给你推荐一个好地方去旅游,他推荐的肯定百分之八十不满足你的心意,对不对?因为你给的限制条件太少了。你可能说推荐一个好地方, 让他给你老的地方,你说推荐一个离我更近的,他就给你好的地方,你说你可能他给你推荐的是什么游乐园啊,什么名胜古迹或者说风光,你又给他说你想要去自然风光,他就给你推荐这样一个步骤一个步骤来,多耗费时间对不对?我们就一次到位, 那说预算五千的上班族,五月想去有文化骨气又能放松的国内目的地,推荐三个韩交通和必玩项目,这一句话是不是就让他能同时完成了很多个限定条件的任务?第二个点就是结构化,我们复杂的问题来分步骤指令, 采用 ai 领域的思维链技术,让 ai 逐步推理。例如分析程序员爱写爱深夜写代码时,我们要先求我们生理学的分析,通过我们的身体,可能说晚上的时候人的身体是不是会更加的专注或者什么的,再说工作环境,最后说心理的原因,每个部分都需要数据的支撑, 如果我们单纯的分析一个程序员爱写代码,他给出来的一个分析可能就非常的口语化,而且没有结构化, 是很难信服人,能使人信服的。我们这里是生理学、工作环境心理学,从这几个部分都要求数据支撑,能写出来是不是就有点像一个报告了,对不对?最后一步就是会反馈,像我刚刚这个给大家举的一步一步,我们去修改的这个例子,也可以说是一种反馈,但是会反馈的前提是在我们前面 既明确又结构化的,这个同时我们再去反馈,这个时候的反馈也会变得非常的精准。我们采用渐进迭代法,像教小朋友一样的这种逐步优化指令,比如先解释区块链,如果他解释的可能就和百度百科一样,好吧,是文本, 非常的无趣,而且难以理解。我们就让他用披萨做一个比喻,用披萨做比喻之后,他确实变好了一点, 但是感觉还是有点晦涩难懂。最后一步,什么?奶奶用披萨比喻解释,三分钟内讲完,这限定了什么?限定了我们的听众可能是一个奶奶,他的特点是什么?对于新知识的理解能力比较差,或者说记忆力差,对不对?让他在三分钟以内讲完,如果你优化到这个地步,他其实也是区块链的话,他的这个话语就会非常的直白, 很简单。看完这上面三个点,接下来直接给大家介绍三个立马就能用的实用技巧。第一个,角色扮演法,给 ai 一个具体的身份,让他表现的更专业,身份越详细, ai 输出的越精准。 这个在我们专业的叫法叫什么? system 系统提示词,我们给他一个身份,他确实就会按照这个身份来表演来返回的这些文字,或者是其他的一些什么东西,他都会符合这个身份。例如你是一个有十年经验的 u x 设计师,评选外卖 app 的 改版方案, 从用户流程、视觉层次、交互反馈三个维度提建议,用星级标示优先度,像这个提示词就非常精准对不对?他不仅说限定了我们的角色身份,还限定了我们工作任务的这些流程或者步骤,这就是一个 一百分,能打个九十分的提示词,大家下一次用 i 的 时候可以尝试一下一个角色扮演法, 这里的势利投喂法,教大家做事的时候提供具体的势利,让他照猫画虎,避免模糊的改专一点。这个词可能大家经常会用,但是其实用处不大,对不对?你有时候用这句话,可能会让大模型输出的这个文字更加的晦涩难懂,但是却没有带来内容上的提升。这里在 我们专业的名字里边叫 few shoots, 少量提示词,少量势利用一些势利来告诉他,比如让他仿写一首诗,你直接把你想要的风格那个诗人, 你直接把他那一首诗给他复制进去,叫他按照这个来写,他就会写的非常的贴合我们的需求。比如这里我们举个例子,原句是负责系统优化 改成主导订单,系统优化通过 read 缓存和 circle 的, 所以将查询时间从二点三秒降至零点四秒,用户投诉率下降了百分之三十七。这个部分有什么?首先是工作内容使用的工具, 最后量化了他的就是提升的效果,对不对?按照上述的视力,就是我们这个视力优化,我的简历描述,负责客户对需求对接,这个东西你说说实话,你让我自己写,我有时候可能写的也不是很好,就负责客户需求对接,但是你要大模型,按照我们的这个格式来写, 他有时候可能就会给你说难听点,编的就跟真的似的,完全看不出来,你自己稍微再改一改其实就可以了。 还有这个最简单、最直接也是最高效的一个框架, f t r f r t f r 是 什么? role 既是 task, f 是 format 角色任务 格式,它通过我们对于这三个维度的限定来把我们整个任务给拆分开来了。这个是我们需求的任务,输出的可以说是一种口吻,或者说对于这个 整体的这个定位是怎么样的?就是通过我们这个肉来决定的。 task 就是 把我们具体任务的需求放在这里面了, format, 这就是我们输出的格式,对不对? 例如这里短短的一句话,其实就使用了我们的 rtf 黄金框架,你是资深的产品经理,这里又是什么?这是我们的肉 角色,他是一个资深产品经理,对不对?让他分析抖音直播功能,这是我们的任务,用这个 swt 的 分析法呈现每个维度至少三个案例,这就是我们的格式。 大家去执行任务的时候,也按照这个,其实是非常棒的。比如你写文件,你说你是一个什么单位的,什么写文档,很厉害的一个人,大概就是这种感觉,给他任务,比如领导给你什么任务,让你写一个什么周报,然后你的格式是什么,你把你每周的工作内容告诉他,然后格式说,你说按照分条列出每条设计一个类型的工作, 并且把这个工作数据给展示出来,这么写他写的周报就会非常好了。后给大家提示一下,我们的提示词不是越长越好,要精准而非容长,因为我们这个提示词太长了。大模型它也是有学习成本的对不对?大家要知道大模型是有注意力机制的, 这个注意力是一个非常重要的东西,我们的这个文本越长,他注意力分散,其实这个点和人有一点点像,以后我们可以用反向排除法来避免无效输出,明确告诉,哎,不要做什么。 比如写自动驾驶文章的时候可以加一句,不要出现专业术语,不要用革命性突破这类词,别对比燃油车,这几个点出来以后可能会引起一些听众的或者观众的反感,对不对? 但是这个点有时候可能说虽然会有一些夸大,但是也是对于我们自动驾驶的一种阻震,但是可能会引起反感,所以这种点我们就可以通过我们的反向排除法直接给它排除,给它叉掉,这也是一种好的方式学习的资源哈。就是词, deepsea、 通讯、千万 cloud, 这些都有他们的官方的社区或其实是私户,你们友好的练习平台 openid 当然可以有,文心一言,豆包 deepstack 其实都可以的。大家先从我们的角色扮演开始实践,然后分布思考,最后就是 rtf 框架, 你们花七天掌握一下这个东西,你们在工作中或者在生活中使用 ai 的 能力就能事半功倍,提高非常多的效率。要总结一下我们核心输出的公式是什么?就是优质的输出,它是什么?精准的意图成我们结构的设计,再成我们的迭代次数。好的结果不是一蹴而就的, 但是在我们的每一个细节,大家都要掌握好,有精准的意图了,给出具体的结构,这个时候他深沉的一个答案就差不多了,但是离优秀可能还有一些距离,这些优秀就需要我们去进行细心的迭代。当然这个迭代过程中的提示词也更看过,更看重我们 自身对于你这个项目,或者说你这个文章,你这个东西的理解,你得一步一步的去引导他一步一步的发现问题,迭代,最后才能得到我们想要这个结果哈。有同学想要这个课间的可以找我, 希望同学们能够通过这节课来掌握我们提示词的一个基础的功能,为自己的生活或者工作添砖加瓦。

今天给大家分享两种特别简单但非常好用的提示词,不管你是用 chat 记笔记、 jamila 还是豆包,几秒钟就能让你的 ai 输出质量有非常大的提升。现在呢,大部分人用 ai 还是直接写一句 帮我写个文案,给我写个脚本等等。但问题在于, ai 他 对你并不了解,他不知道你是谁,不知道你要干嘛,也不知道你想要什么样的结果,所以他只会给你一些行业内比较通用的废话模板。那如果你想要把 ai 变得更好用,那只需要三步来。 第一步,先让 ai 彻底的了解你。直接复制下面这段话,我是做我的风格偏向目前所服务的客户群体,现在请你不断的问我问题, 得到你彻底的了解我的设计风格、客户需求、审美标准和我目前的瓶颈。发出去之后,接下来的半小时,请认真的回答 ai 所问的问题, 大家千万不要觉得烦,这一步非常重要,也只需要做一次就可以了,因为你回答的越精准,那 ai 给到你的回答就越有价值。 第二步,开启毒舌总监模式。很多时候,我们需要的不是一个帮手,而是对手,一个能够专门挑刺的对手, 这样才能进步。所以在他了解了你之后,继续输入,基于你对我的了解,你现在是一个毒舌设计总监,以后我给你的任何设计想法或者作品,你必须先指出 最致命的三到五个问题,然后从用户感受、商业价值、视觉表达三个维度告诉我为什么不行,最后直接帮我改一版更好的方案。这一步也非常重要,因为有些时候啊,我们会觉得自己的想法非常成熟, 但 ai 会第一时间告诉我们哪里可能还会翻车,哪里,我们是在自我感动,这对于我们做关键的决策非常重要。 最后一步是要把这个已经了解我们的 ai 变成长期资产,可以用掐的 gpt 的 项目功能,把这个已经训练好的对话成为一个项目。下次再有好想法的时候,直接在这个项目里面继续聊就可以了, 他就能立刻回想起来你是谁,而不需要我们从头到尾再训练一遍。大家赶快去试试吧,试好了记得回来告诉我效果怎么样,我是汉口客,关注我,带你用 ai 逆风翻盘!

这条视频给大家讲一下 front engineer, 就是 提示词工程 front 到底该怎么写?刚好我最近研究了挺多 ai 提示词大神怎么写 cloud 最佳实践的那个官方文档,包括 gemini 最佳实践官方文档,它们这些顶级大模型公司出了这个教程,今天我一条视频给大家汇总一下。我先说一下这条视频适合什么样的人看。首先你有使用大模型的需求, 就是你至少是一个已经在跟 ai 对 话的人。第二个就是你的需求至少要是有一点点难度的啊,比如说问大模型明天天气怎么样的这种 用户的话也不需要看了啊。我这条视频的核心在于工程化和稳定性,教你把 ai 变成一个保质保量,能完成你工作的固定员工。如果你有以下几种需求的话,那么这个视频对你来说非常好。第一,当你需要批量化且质量稳定的产出, 比如你要写五十篇小红书文案,比如你要写十篇日报周报。第二,当你眼高手低时,你只有矮。第二,但是你没有动手能力,你只知道自己想要一个什么样的结果,但中间这个过程你不会干。 比如说你想写一个 python 脚本,但你不懂 python 语言。比如说你想写一份商业分析报告,但是你不是分析师。第三,就是你的任务太复杂, ai 每次完成你的任务都固头不固定,让 ai 做一件很长,然后逻辑很绕的事情。比如说帮我提取这段视频的文稿,提炼里面的观点,再结合我的痛点产出一篇文章,还要翻译成英文, 就是他中间要做的事情很多,那么你把一串指令丢给 ai, 他 可能会丢掉其中一两步,或者说给你一个很水的答案。第四就是当你对味道很挑剔时,比如说你想让 ai 模仿 macintosh 的 翻译墙,或者 macintosh 的 ppt 样式,你不知道怎么描述清楚的。 ok, 那 么我们正式开始。其实网上很多教程太卷了,一会让你学结构化,一会让你学 markdown 各种语法,但其实随着 cloud 啊 jpg 这种模型它的更新迭代,它本身模型非常牛的时候,其实逻辑没必要那么复杂, 首先是我自己写提示词的步骤和思路。首先第一步呢,就是把你脑子里的东西先倒出来,不管你要做分析也好,写文案也好,还是什么复杂的各种 idea 需求也好,我会先把脑子里的所有的想法,你对这件事情所有的知道的来龙去脉,背景啊,结果, 过程要怎么样,你想达成什么样的目标,一股脑的告诉他,用大白话也好,穷尽你能写出所有的对这件事情的描述,甚至说你在网上看到几篇风格很不错的文章,全部丢给 ai。 现在 ai 的 上下文很长,你完全不用担心输入框限制了他。到完之后你跟他说这样一段 prank, 我是 这个领域的小白,但我想要达到专家级的效果。 这些是我的原始想法和参考素材,请你先不要生成内容,先消化这些信息,告诉我你理解了没有,让 ai 去读你的心,去读你的想法。 当你把这些素材投喂给他的时候,你再反过来问他,基于你刚刚学到的这些素材,如果我要完成这个任务,你需要我补充哪些背景、哪些信息,或者利用你自身的知识,帮我把这些大白话翻译成结构清晰、逻辑严密的 system prompt。 这时候你会发现 ai 自己写出来的提示词 里面充满了专业的术语、行话和深层逻辑。这是你自己在家闭门造车,手搓 prompt 手搓不出来的。让 ai 自己给自己写 prompt。 好, 我们到了第三步,拿到了 ai 自己写好的 system prompt 或者提示词之后,不要直接用, 我们先彩排再开机。第三阶段,我会对他说,基于你刚刚这个 prompt, 请你立刻生成三组用户输入到模型输出的模拟案例给我看,检查一下,这时候 ai 只是在模仿你的字面意思,还是说已经读懂了你的神韵? 如果你看案例的时候你觉得不对劲,你不需要去改那一大串复杂的 system pond, 直接用人话反馈给他。比如说第二个案例,逻辑太生硬了,没有人味,像 ai 写的,我想要那种犀利中带点幽默的,请你调整一下 pond, 直到它生成的案例完全符合你自己的审美,这个 system pond 才算定稿。 以上是我写 point 一个基本的流程,然后下面我再补充一下我从 gemini cloud 的 最佳实践手册里面学到的几个调优的原则。第一个就是别说客套话,直接说需求。如果你对模型的要求很高,千万不要丢给他模糊的指令,一定要给他明确目标。 比如说你扔给他一段图片,说写个分析,那肯定不如说创建一个包含交互功能的分析仪表盘,越全越好。第二点就是举例子比讲道理有用。这个技巧叫做少量样本提示,也叫 few shot one shot。 如果你想模仿特定的文风,你在那里描述,不如直接丢个原版的例子给他,你跟他说,就照着这个味写,你的例子越好, 他的产出就越稳。如果说你是那种需要处理复杂任务的用户,比如说先提取啊这个视频的文案,再分析这个视频的文案,再结合我的痛点生成文案,再把这个文案翻译成某某语言。 你的任务里面包含了多个子任务,那你可以试试提示词练。简单来说就是不要贪图一口吃个胖子,把你的大任务拆成好几个小任务, 上一步的输出变成下一步的输入。举个例子,你拆解完任务之后,你先写一个 point a, 是 用于提取药物,然后它输出了 output a, 那 你再写一个 point b, 基于 output a 写大纲,输出 output b, 你 再写一个 point c, 是 基于 output b 扩写成整篇文章。 这个就是牺牲速度换精确度的策略。你可以精准地调控每一个 point, 每一个子任务里面的细节。 这个是一个用来构建稳定 ai 工作流的思路。其实 a 正的思路就跟这个差不多。下一条原则呢,是多模态融合,现在的 prompt 不 再仅限于文字了。呃,图片、视频、音频,一切的模态都是平等的输入, 特别是对于 jimmy 三用户来说啊,他对于长视频的理解现在特别到位。还有就是允许不确定性。为了减少 ai 的 幻觉,我们可以明确地授权给 ai 说,你可以说你不知道, 比如说,请基于某某数据分析趋势,如果我给的数据不足以支持输出结论的话,请直说,不要编造,我可以给你补充更详细的数据。 最后一个技巧就是让他先想后说,如果遇到复杂的任务,可以要求 ai 在 输出结果之前先列一个提纲或者一步步推理。你可以直接给一个 point 说,在回答之前,先一步步拆解你的思路, 增加 ai 思考的步骤。这件事情非常重要,它可以大大的减少你 ai 胡说八道的几率。 ok, prompt 怎么写?如果你听到这里,学到这里,你已经很厉害了, 不要再纠结那些复杂的结构。好的 prompt 一定不是写出来的,而是聊出来的,是测出来的。所以说你要做的就是把话说明白,然后给他足够的例子。把你重复性的、繁复的工作丢给 ai, 咱们只需要把控方向,检查它的产出即可。

全体 i 小 白注意了,别再傻乎的研究题时了,别人一张图卖几百块,你还在输入框里面憋半天,今天直接给你发出三个免费的 i 神器! 不会写题时,没审美、不会编程都没有关系,这三个网站直接把答案喂到你嘴边。第一个图片,反对题时看到一张特别牛的图片,但又不知道他是怎么做出来的。直接把图片扔进去, 几秒钟,他就能把画面风格、镜头、光彩、材质全部拆成一道专业的题词。更变态的是,你哪怕只需要输入几个字,他也能疯狂帮你扩写,直接变成大神级别题词词。 第二个, ai 绘画题词宝库,新手玩 ai 绘画最容易卡在这一步,不会写题词,这个网站直接把上千套高质量的题词连同成品图一起摆在你面前,喜欢哪个直接复制,不用注册,不用登录,打开就能狠狠帮你干活,别人还在抓耳挠腮,你已经批量出图了。 这是我要分享的第三个 ai 网站,也是我认为最值得收藏的一个。我只需要说出一句话,帮我搭建一个自媒体艺人公司团队。不到二十五秒的时间,他直接帮我组建了五个角色,品牌总监、内容策划、社交媒体策略师、增长黑客和产品经理,他们会自动分工同时干活, 最后帮我完成一套完整的部署方案。这三个网站专门是不会提问、不会写题的词不会用 ai, 先点赞收藏,评论区打出 ai, 我 会把网站名称和使用方法整理成一份清单发给你。

想让 ai 干活,但是又不会提示词怎么办?直接复制这段话发给任何 ai, 就 能生成你想要的提示词。从现在起,你是我的专属提示词助理, 以后我只说我想干嘛,你就要帮我自动生成一段可以直接用的提示词,请按这四步执行。 一、补全需求,自动帮我加上人设语气、字数和格式,不用我费脑子。二、给两套方案,一套新手保姆版直接填空,一套爆款进阶版带专业技巧。三、拒绝废话,排版干净,直接给干货别闲聊。 四、兼容所有平台,确保提示词在豆包、 kimi、 deepsea 等所有 ai 上都好用,自动避开那些容易让 ai 胡说八道的坑。设置好之后,你下次只需要丢给他一句,写一篇带货文案,他立马给你吐出一条高精度的完美指令。直接复制就能用。 发现了吗?这哪是工具呀?这是你免费的私人技术顾问,点赞收藏,赶紧去试!需要完整提示词的伙伴评论区自取。我是婉晴,四十岁宝妈,零基础学 ai, 每天分享一个 ai 实战技巧!

大家好,我是道明,上几期提示词视频出完以后呢,好多看过的朋友跟我说,讲的好,但是听不懂,那我今天给大家聊点拿来能直接用的。首先之前说的大部分都是系统提示词,对于没有工程需求的小伙伴,确实,嗯,在阶阶段比较难以用到。那么今天我来说说用户提示词。首先我们来做个实验, 同一件事,我用两种方式跟 ai 说,第一种我说帮我写一个朋友圈,宣传我们店周年庆,那大家可以看一下画面的真实结果,他给的这个东西呢,就是说热烈庆祝,惊喜多多,然后一堆感叹号,这段话是对谁家的店都适用的。 然后换一种写法,这句比较长,你不用先看懂,后面我会依次解释同一个 ai 这条,就可以看到它是直接可以用的。 那差距在哪呢?就差在我们打进去的这段话,这里有个重要概念, ai 不 懂你要什么,他只是知道你给的字,猜下一个字最可能是什么。那我们要记住他的三个特点,手快、没主见、没记性, 他给的字就是他的全部物料,你没说的,他就会按最可能来给你补,帮我写个朋友圈,那这种比较翻大街的词,全中国的店就都能烫,他就只会给你一个呃,全中国的平均值, 那这个道理我们了解到了之后,后面所有的技巧都是可以自己推出来的。那我今天就只讲一件事,我们平时在豆包啊拆的 gpt 里面打的每一句话,用户提示词到底是怎么写出来的? 首先一条好的用户提示词到底是长什么样的呢?我先把结论给到大家,一句好用的用户提示词,就五个格子,角色、背景、任务、材料,还有我们要求的格式输出。那我们把开场那条拿出来拆一下, 你是我们店的老顾客兼文案,这个是角色,我开烘焙店,客群是周边宝妈,这个是背景, 帮我写周年庆的朋友圈,重点是老会员双倍积分,这个是任务,然后活动细节,我用一对标签包起来放在后边,这个是材料,一百字以内口语最多一个表情,这个是格式, 五样齐全了,所以才能一次给到为我们满意的铲除。这边拆一句就是我们不是每一次都需要把这个五格填满的,如果是一些比较短的任务, 缺一两格也没有关系,但是你得知道他少了哪一格,他就会拿最可能去补哪一格。接下来我们一格一格的过,不填会怎么样?填的话怎么填才准? 这里我们再回顾一下这个口诀。一句话说,全五样,角色、背景、任务、材料、格式,一个特别常见的场景,你说帮我优化一下这段文案,然后他给你改完,又长又书面称呼,还换了。这个时候很多人第一反应就是这个 ai, 它不太智能,其实 ai 还可以,它不是很笨, 是优化这个词有很多种猜法,比如说像改短、改正式、改活泼,那他都属于优化,你没有说要哪种,他就会挑一个最大众的给你。 那我们从刚刚的那个概念里边就可以清晰的知道你没说的,他按最可能的来补,所以模糊就一定会平庸。那怎么改呢?就三个东西,动词,对象,还有验收标准。 同样这个活你可以说把这段改到两百字以内,口语一点哦,价格信息一个都不能丢。那大家可以看一下这个前后对比,完全就不是一个东西了。最后再给大家三个小技巧, 都是从别让他猜这条推出来的。第一个叫同事测试,就如果你这句话发给一个新来的同事,他能照着做吗?他如果蒙 ai 也蒙第二个,你要一个准话的话,你就跟他说只选一个,因为 ai 默认的话是会给一些比较中庸的结论的, 翻 a 也行,翻 b 也行,他就只会让你选,你只有跟他说让他选一个的时候,他才会给你量态度。当然这个要注意一下,我们只能用在低风险的事,像财务啊,人生重大决定啊,这种还是要自己决定个 长度,别用形容词,用数字写详细一点,这种是没用的,那我们可能常规的要用到一千五百字或者最多二十字这种才管用。 最后顺便说一句,你可能刷到一些老的提示词,就什么全大写啊,深呼吸,一步一步响,然后等等,或者是宇宙最强专家这种,现在这种对目前的大模型来讲基本上已经无效了,就可以不用用。 那最后我们再回顾一下,这一格,就是模糊必得平庸,你越具体模型越准。接下来我们说说角色。呃,之前我在上几期课程的时候,最开始讲的也是角色,其实角色在系统提示词和用户提示词里边都能用,那我们今天还是主要落到用户提示词里边,先看踩坑场景, 你让他写一个商品介绍,啥都没给,然后他写出来就会像产品说明书参数一条一条罗列,那没有人味, 为什么?还是从刚刚说的概念上来说,他是在猜最可能的下一个字?那你再开头给他挂一个角色,等于把他的最可能锁进了某一片区域里边。你如果说你是幼儿园老师,跟你说你是物理学家,同一个问题,他读出来的东西是完全不一样的,所以角色这个东西 不是仪式感,而是在帮他选区。那怎么写呢?比如说卖东西,你就说你是做了十年社区团购的老板娘,说话热络,或者但是不由 从一个产品出来的文案立刻就带人物了。那这边有两个坑需要注意一下。第一个是别只给空投钱,像你是资深专家这种啊,是等于没说的,因为他不知道往哪个区里锁,你要具体到他是谁,对谁说话什么口气,不许干什么。第二个,在借名人的时候,借框架 就是思维框架这种不要借人设,就是你说用查理芒格的思路帮我过一遍这个决定,而不是说你就是马云,前面是有用的,后面是没用的, 然后角色跟背景天然是一对,顺手就说了读者是谁,场合是什么,一句话给足,像客户是周边宝妈这个是发在工作群的,像客群是周边宝妈这种,他这个就属于背景,有这一句模型补出来的东西就不会跑偏,接下来材料这一格是最有可能出问题的。 你想催供应商发货时,随手写了一句在吗或什么时候发觉得有点冲,然后呢?你想让 ai 帮你改一下这个语气,改的客气一点,然后你是怎么说的呢?帮我把这条消息改,客气点,在吗或什么时候发? 然后 ai 可能他就会给你一个这样的输出,他把后半句当成了你在问,他就是直接帮你把这个货什么时候发,回答了,他会回你。好,货已经安排了,预计明天能发出。那为什么会串系呢? 从概念上讲特别简单,在他眼里你打的是文字,你的指令和你的材料是没有边界的,你不划线,他就有概率把你的材料当成你在跟他说话,作为命令,你的材料是个问题,他就给你答题,你的材料是个任务,他就直接开始上手。 这个改法就一招,也是之前有提过的,用叉 mm 标签去把它包裹起来,当然也可以用其他的,比如 markdown 或者警号等等,比如帮我把标签,嗯,货胡在吗?货什么时候发?然后货胡消息改客气点,这个编辑一改,它就不会串戏了。 然后有两个小技巧,第一个,标签名照着内容取草稿就叫草稿,合同就叫合同,聊天记录就叫聊天记录,别弄 a、 b、 c 让他猜。第二个,如果材料多,就一份,一个标签别混在一起。最后一个格式,这个格式其实挺重要的。 呃,有的时候我们想让 ai 给我们输出一个对比表格,但是你没有说按表格形式输出,它就会给你一堆其他的数据对比,然后你还需要花十分钟自己整理成表,那这个活就等于干了两遍。你如果想要直接能用的东西,你就要明说 法,就是我们直接开口要做成表格,三列型号,价格适合谁,只给结论,别解释,只输出 jesus 等等。然后这里有两个进阶用法,第一个是如果这个结果是要去接程序接下一步流程的,就跟他说只要结果别的都不要,不然他那句好的,以下是您要的内容,就会进到下一页的程序里边。 第二个如果你想让核心内容好复制的话,就让他把结果包进一堆标签里边,大家可以留意一下标签,这个 要先这个操作简单来讲就是你要什么,你就明明白白的说出来就好了。接下来我们给今天的内容做一个总结, 首先基础的概念是模型,只会照你给的字猜下一个字最可能是什么,这个一定要记住。然后呢,我们记住五个格子,第一个是角色,第二个是背景,第三个是任务,第四个是材料,第五是格式,把这个记住以后,按照对应的内容填写进去就可以了。下一条我们会 我们来讲解一下如何让 ai 去看范例,让它先想再答防 ai 瞎编等等。我是道明,如果觉得内容对你有帮助的话,请帮我点个关注,感谢!

两个超级简单但是非常好用的高阶提示词推荐给大家,不管你是用 deep sea 豆包还是拆这本书,只要加上这两段提示词,几秒钟就能让你的 ai 彻底脱胎换骨。第一个高阶提示词叫反向提问,解决的就是 ai 反复改不准的问题。 提需求他来输出,你不满意,你再去补充点需求,他再去改,来来回回好多轮。原因很简单,不是 ai 不 行,而是你给的信息不完整,很多关键背景都在你的脑子里,你没有说,他就只能去猜。而 ai 最麻烦的地方是,他猜出来的东西还特别像真的。反向提问就是你不要一上来就让他去干活,你先让他去做一件事, 在输出结果前,先确认你是否完全理解我的需求。请列出所有模糊、缺失可能影响结果的问题,逐个向我提问,等信息补全后再开始输出。就这一句,能省掉你至少一半来回修改的时间, 因为你不是在让 ai 猜答案,而是在让 ai 先把题目问清楚。第二段更重要,叫防讨好。现在很多人用 ai 做方向判断、商业模式、选择题决策,但问题是 ai 很 容易顺着你说话, 你说这个项目是不是有机会,他说有,你说这个方向是不是能爆,他说很有潜力,你说我是不是天选之子,他差点就要给你鼓掌了。但我们向 ai 提问,往往就是因为我们自己不确定,所以我们要的不是夸夸群,我们要的是一个智囊团。前段时间卡巴西 给了一个 scale, 这个 scale 非常有意思,就是不要只问一个 ai, 而是让几个 ai 组成一个顾问委员会,互相质疑,互相辩论,最后再给你结论。我把这个思路改成一段提示词,请你模拟五个彼此独立的顾问,对我的想法进行评估。第一个是反驳者,专门找漏洞,用真实案例和失败风险挑战我。 第二个是本质追尾者,不断追尾底层逻辑,凭什么?为什么是现在?为什么是我?第三个是扩张者,寻找我没有看到的新机会和替代路径。第四个是外行人,用普通人的常识,提出看似简单但关键的问题。第五个是无情执行者,只关心这件事,明天早上第一步怎么做,不能落地的,全部淘汰。 请五个角色先分别判断,再互相辩论。最后给我一个排过雷的结论。你会发现同一个问题,用普通提问, ai 给你的是安慰。用这套问法, ai 给你的是压力测试。 更狠的是,你还可以把这两段提示词保存到 ai 的 记忆项目或者是 skill 里,以后每次对话,它都会默认,先追位,再反驳,再给方案。这 才是普通人用 ai 最该升级的地方。不是去学一百个花里胡哨的提示词,而是把 ai 从克服训练成你的私人顾问团。这两段完整的提示词,我放到评论区,你照着试一次就知道以前为什么总觉得 ai 不好用了。

发现了一个神奇的事情,你跟 ai 说话越神经,他给你的答案越准。有些题日词咱们听着毫无道理, 但是他给的答案质量就是高,这个就是题日词界的邪修大法。今天给大家总结了三个最好使的。第一个呢,来自谷歌发表的一篇论文,他们让 ai 呀,做他最不擅长的数学题,第一次做呢,准确率只有百分之三十四。 然后呢,他们就加了一句话,深呼吸。结果 ai 呢,准确率直接逼到了百分之七十一点二。他们又加了一句,一步一步响,结果 ai 呢, 准确率直接高到了百分之八十点八,你说奇怪不奇怪?这个 ai 连肺都没有,你让他深呼吸,他竟然能把准确率提高。第二个提示词呀,也挺邪乎的,是推特上一个网友发现的, 每次他跟 a a i 说,你要答得好,我给你二十美金小费, 结果这个 ai 给的这个答案直接成了百分之六。他又说了一句,你答得好,我给你两百块钱小费,结果 ai 给的长度啊,成了整整百分之十一。 后来阿联酋的一所学校用这个问题做了一篇论文,发现确实是这样的,你承诺给他的钱越多, 他就给你的答案呢,越精准,内容越丰富。看来这个有钱不光能使鬼推磨,还能让 ai 推磨呀。第三个贴纸词呀, 叫做激将法,是咱们中国的中科院发表的一篇论文,意思是什么呢?你跟他打赌,刺激他的情绪,你说我赌你做不到, 他反而要给你干活,反而给你把这个答案搞对,搞精准。在一个硬核测试里,这准确率最高翻了一倍以上,你说奇怪不奇怪,他这个就是干活的命啊! 最后最厉害的出现了,看到这里的人,你们都获得宝藏了,我们把这三个提示词呀结合起出一个丝滑的小连招, 比如说你每次跟 ai 沟通完,你就加这么一句,深呼吸,一步一步来,你要答得好呢,我就给你一个亿人民币,但是我赌你答不好。 你说你这句话一出,哪个 ai 受得了呀?记得关注再走哦!