# 基础 写出有效的Prompt是获得高质量回复的基本功，ChatGPT虽然是当今世界上理解自然语言最好的模型，但它并不是人类，交互的核心技巧在于在于你是否描述清楚了你的要求，和期望答案的格式与标准。本基础部分有低效和高效Prompt的示例对比： * `高效Prompt` - 目的是展示如何**最高效的**取得您需要的**明确答案**，减少多轮交互节省时间 * `低效Prompt` - 模糊的描述，在像探索一些开放问题的可能性时，也是常用的方法 **包含完整的要求与描述** 这个是对结果影响最大的因素，如，你想让AI写一首关于猫猫的诗：低效的Prompt： ```Markdown 写一首关于猫猫的诗 ``` 它生成的答案可能就会很宽泛，而更好的方式是增加更多的信息：高效的Prompt： ```Markdown 用`李白`的风格，写一首关于`黄花猫`的，`短`而`激励人心`的`关于它特别能吃`的诗 ``` **直白、减少歧义** 与人对话相同，直白、详细的要求可让对方更易明白你的意思，AI亦同。另外，在交互中应尽量减少歧义，少用模棱两可的词句，你的Prompt可以写很长，甚至建议您多提描述充分的具体要求：低效的Prompt： ```Markdown 这个产品的描述应该相当简短，仅几句话而已，不要过多解释 ``` 高效的Prompt： ```Markdown 请用`3-5`个句子简短描述这个产品 ``` 低效的Prompt： ```Markdown 帮我生成小红书爆款标题 ``` 高效的Prompt： ```Markdown 生成`10`个，`字数在12字内`的，主题为`春日郊游`的小红书爆款标题 ``` **专注你要的内容，之后需要的话，再做限制** 最好描述你想要的内容，而不是你不想要的内容，但当然并不是`不要：xxx`的内容这种描述不能用，如果你已经告知模型很明确的点，然后你想缩小范围，那增加一些限制结果的描述会提高不少效率简单来说，记住一点即可： **你要求的部分会全部满足，你没要求的部分，AI会自己决定采用哪些信息为您回复**低效的Prompt： ```Markdown 推荐10个经典电影，不要恐怖片，`不要Woody Allen`拍的 ``` 用户要求了一个范围很广的答案，而限制的只是一个很小的分类，可能AI本身就没考虑推荐Woddy导演的电影高效的Prompt： ```Markdown 推荐10个`没有血腥场面出现`的`悬疑恐怖`的经典电影，不要`太空题材` ``` 如果您没有指定分类和要求，可能有数千个好电影AI可能为您推荐，但如上要求细致，可以大概率提高回复质量，无需再通过后续多轮对话来精简结果低效的Prompt： ```Markdown 推荐一些雅思常考的英文单词 ``` 高效的Prompt： ```Markdown 推荐`20个`雅思常考的，以`A打头的`英文单词 ``` 低效的Prompt： ```Markdown 推荐一些香港游玩的景点，不要博物馆 ``` 高效的Prompt： ```Markdown 推荐一些`离尖沙咀比较近的`香港游玩的景点，`包括公园` ``` **使用特殊符号指令和需要处理的文本分开** 不管是信息总结，还是信息提取，你一定会输入大段文字，甚至多段文字，此时有个小技巧。可以用`"""`(三个引号，单双都可)或者`###`（三个#号）当分隔符将指令和文本分开。据测试，如果文本有多段，增加`"""`会提升AI反馈的准确性低效Prompt ```Markdown 提取文字内容中出现的超级英雄名字： 距离系列上一部电影已经过去六年，但对我们来说，似乎这支银河系天团并不那么陌生，他们的身影仍然在漫威宇宙中频繁出现： 复联3中卡魔拉牺牲、星爵怒揍灭霸；复联4中全员回归终局之战、星爵遇见另一时空的卡魔拉；雷神4中托尔短暂同行又离队；圣诞特别篇中德克斯和螳螂女绑架凯文·贝肯、星爵与螳螂女兄妹相认、火箭与星云友谊升温…… 并在名字后面加上英雄的性别 ``` 这个低效Prompt示例展示大多数新手不好的使用习惯： * 仅用空格或者回车分割内容 * 开始提要求，中间是待处理的信息，结尾又是要求 这个Prompt实际使用中大多数情况可能没什么问题，但当要处理的文字内容没那么有特点，或者有多段要处理的内容，AI可能将要处理的内容跟你的指令混淆高效Prompt ```Markdown 提取文字内容中出现的超级英雄名字，并在名字后面加上英雄的性别 """ 距离系列上一部电影已经过去六年，但对我们来说，似乎这支银河系天团并不那么陌生，他们的身影仍然在漫威宇宙中频繁出现： 复联3中卡魔拉牺牲、星爵怒揍灭霸；复联4中全员回归终局之战、星爵遇见另一时空的卡魔拉；雷神4中托尔短暂同行又离队；圣诞特别篇中德克斯和螳螂女绑架凯文·贝肯、星爵与螳螂女兄妹相认、火箭与星云友谊升温…… ``` --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.myshirtai.com/ask/ji-chu.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.