译者 | 布加迪
审校 | 重楼
生成式人工智能（GenAI）已经成为一种提高生产力和处理日常任务的强大工具。这种工具可以根据收到的输入创建新的内容，包括文本、图像甚至代码。虽然这种工具大有潜力，但有效地发掘它们的力量却需要一种特定的技能，即编写优秀提示的能力。
提示是我们赋予AI工具的指令，以指导它们的输出。可以把提示看作是现代版的计算机代码，只不过用自然语言编写。就像传统编程一样，有一些有效和无效的方法来创建提示。不妨探索提示编写之道以及如何尽量发挥生成式AI的潜力。
什么是优秀提示？
优秀提示的关键在于清晰、明确的沟通。记住下面这点很重要：尽管AI很强大，但它无法读懂我们人类的思想。我们给出的指示越具体越详细，就越有可能得到有用的输出。
考虑一下这个场景：让AI“写一篇社交媒体帖子来推广我公司的业务”。AI会尝试完成这一请求，但如果没有关于你的产品、服务、目标受众或独特卖点的关键信息，结果可能是宽泛的、毫无帮助的。
另一方面，包含所有必要上下文的精心设计的提示会获得极其有效的结果。有一些具体的方法可以提升编写提示的技能。
编写良好AI提示的技巧
以下是任何人都可以用来制作更有效的AI提示的一些技巧：
1. 给AI分配一个角色
先告诉AI你希望它在帮助你的时候扮演什么角色。毕竟，如果你想要法律建议，会找律师谈话；如果你想要营销建议，会找营销专家谈话。对话开始时，告诉AI“扮演律师”（或者工程师、动物学家或者任何你认为最有帮助的人），让它在给你建议时处于正确的心态。
例子：“扮演一名专门为小企业开展社交媒体活动的营销专家。”
2. 从最后开始
这听起来有悖常理，但在你开始编写提示之前，务必确保你清楚希望获得的结果。这意味着你可以精确地规定想要的输出类型。比如说，如果你想要社交媒体时间表，可以告诉它你想要的格式。或者，如果你在写一篇文章时需要帮助，可以告诉它你需要多长篇幅，应该采用什么样的风格和语气。
例子：“为Instagram创建一个每周社交媒体内容日历，包括帖子类型、最佳发布时间和用户参与策略。”
3. 把任务分解成易于管理的小块
与其设计冗长复杂的提示去要求AI执行一项复杂的任务，不如将其分解成更小的步骤。比如说，如果你想创建一个商业计划，不要只是问“为咖啡店写一份商业计划”，否则你会得到一些非常宽泛和无用的东西。但是如果你创建特定的提示，要求它创建商业计划的所有单独要素：概述、产品和服务描述以及市场分析等，为它提供每个要素所必需的信息，你最终会得到实用得多的内容。
例子：与其说“为一家咖啡店写一份商业计划”，不如试试：
“概述咖啡店商业计划的关键部分。”
“针对每个部分，列出要包括的基本信息。”
“为繁忙市区的一家优质咖啡店起草一份摘要。”
4. 提供决策所需的数据
所有常用的AI聊天机器人（比如ChatGPT、Google Gemini和Claude）都可以通过上传额外信息或将它们指向在线资源，补充其训练数据。这有助于确保在你设置AI聊天机器人处理任务之前，它们有最新的背景信息和上下文。
例子：在要求AI聊天机器人创建商业计划之前，上传最近的市场分析、战略文件、竞争对手分析以及客户反馈分析。
5. 使用示例指导输出
如果你有类似于想要实现的输出的例子——比如，推广贵公司的过去社交媒体帖子、成功的招聘广告或你写过的信件，然后与AI分享它们。这将有助于引导AI生成更准确的输出。
例子：“这是一个典型的Instagram帖子的例子：[插入例子]。再写五则风格类似的帖子，重点介绍我们合规采购的咖啡豆。”
你不确定它需要知道什么，就问
像ChatGPT这样的生成式AI工具知道很多事情，但它们并非无所不知。如果你不确定它会拥有需要的所有信息，就问它。这将告诉你它需要知道什么，那样你可以堵住其知识漏洞，防止它猜测它不知道的事实和信息。
例子：“我想为咖啡店制定一个营销计划。为了制定有效的计划，你还需要我提供哪些额外的信息？”
提示工程：一项基本的未来技能
随着AI继续融入到我们的个人和职业生活中，能够与这种系统进行有效沟通（名为提示工程）将成为一项越来越有价值的技能。它可能是技术素养的关键组成部分，在学校教授，备受雇主的追捧。
当我们的专业价值部分取决于我们与智能机器合作的能力时，掌握提示工程让我们为未来做好准备。通过磨练这些技能，有助于我们确保未来成功、能够适应。
实际应用
开始培养你的实时工程技能：
- 用ChatGPT或Google Bard等唾手可得的AI工具进行练习。
- 从简单的任务开始，逐渐增加复杂性。
- 试用不同的提示结构，并比较结果。
- 加入致力于提示工程的在线社区或论坛，向别人学习，并分享经验。
记住，编写有效的提示是一项需要不断练习才能提高的技能。你使用的AI工具越多，就越擅长设计能够带来显著结果的提示。
原文How To Write Amazing Generative AI Prompts，作者：Bernard Marr
