引言

自 ChatGPT 横空出世以来，各行各业的工作者从一开始的完全怀疑，到将信将疑，再到热烈拥抱和强烈抵制的冰火两重天，我们在新闻中见证了好莱坞编剧大罢工，见证了压力、狂热和久违的 “ALL In” 像一颗兴奋的火种在国内各大公司迅速蔓延， 百团大战、千播大战之后还没过多少年头，万模大战就此拉开序幕。历史就是这样，不会简单重复，但总是惊人相似。

大模型，一定会经历大浪淘沙的过程，但无论谁胜出，都不会影响大局，我们真正进入了这个全新时代。人类社会发展规律就是先进生产力不断取代落后生产力的过程，如何利用大模型的能力，提升自己的生产力才是关键。而利用大模型，有些人觉得回答很惊艳，还有一部分人觉得 just so so，其实关键在于会提问，也就是 Prompt，ChatGPT 效果好不好完全取决于你的 Prompt。就像有人说的，提出正确的问题，往往等于解决了问题的大半。所以提问其实是一个技术活儿，这点无论是日常沟通，解决问题，还是利用搜索引擎，都是相通的。

本文写作的主要目的是简单介绍下 Prompt，方便大家更好地用 Prompt 和 ChatGPT 进行交互，笔者也会给出一些不同任务类型的案例供大家参考。

Prompt 和 Prompt engineering

Prompt 是指在使用 ChatGPT 这样的语言模型时，向模型提供的输入文本。它是一种用于引导和指导模型生成输出的文本片段或问题描述。目前大部分人使用 ChatGPT 用的都是简单的 prompt，基本上没什么需要特别注意的东西，就像在使用搜索引擎一样。可是，随着使用深度不断提高，需求变得更加复杂，很可能要经历多次询问才能得到想要的结果。

就像我们通过提问的艺术来解决问题一样，Prompt 的设计在很大程度上可以影响模型生成的结果和行为。得益于 ChatGPT 强大的 In-Context 学习能力，通过合理构建 Prompt，可以对模型的输出进行约束、引导模型关注特定的信息或任务，并提高对话的质量和准确性，也就是 Prompt engineering。在对话生成任务中，我们可以提供对话的上下文信息、角色设定、目标或指令等，帮助模型更好地理解用户意图，生成更相关和连贯的回复。

Prompt 有几个设计原则，如下：
● 清晰，切忌复杂或歧义，如果有术语，应定义清楚。
● 具体，描述语言应尽量具体，不要抽象和模棱两可。
● 聚焦，如果想要解决具体问题，避免太泛或开放。
● 简洁，避免不必要的描述。
● 相关，主要指主题相关，而且是整个对话期间，不要东一瓢西一瓤。所以，针对这个的最佳实践，就是每个对话只讨论特定的主题，如果需要问一个新主题，最好新开一个对话。

一个通用的 prompt，可以包含角色 + 任务 + 指令。角色需要精确，指导模型在生成文本时扮演的角色；任务需要明确而简洁，指明所需生成的内容；指令需要明确，指导模型在生成文本时遵循的要求。也就是告诉 ChatGPT，你是谁？要做什么？要做成什么样？

下文我们来看看通过设计良好的 Prompt，ChatGPT 到底能帮我们做哪些事情。

文本分类

文本分类可以用在很多方面，比如很多公司都在做的产品舆情监测、媒体监测、新闻分类、客户反馈分类支持、文件归档等。借助 ChatGPT 强大的理解能力，给定一段待分类文本，再结合具体的 Prompt，能够满足我们的个性化要求，如图。通过开发程序，调用 ChatGPT 的 API，就能够实现批量文本分类，满足实际工程需求。

上面例子中，如果我们不给 ChatGPT 指定 “只需回答分类即可” 的要求，它就会输出额外的解释。所以，更通用的做法是，在 Prompt 中增加 “不要给解释。” 这样的指令，能够实现简洁输出。

文本摘要

文本摘要尤其适合需要和大量长文打交道的场景，可以用于快速了解论文、文档的核心观点和结论、快速获取新闻关键信息等。

在进行文本摘要的时候，我们尝尝使用类似 “总结下述内容” 等 Prompt，但这样的简单指令有时并不能实实现我们想要的精炼效果。可以通过指令对输出进行要求，比如需要生成多长、只关注某方面的信息等，比如 “三句话总结下述内容”、“三句话总结下述内容，只关注数字人” 等等。

当然，目前 ChatGPT 也有其局限性，暂时不支持文档上传、超长段文字处理，未来的新版 Office 办公套件可能会成为真正的办公神器。

角色扮演

你可以通过指令让 ChatGPT 充当历史、现实生活、电影、书籍等任何东西中的角色。当然，常用的其实还是让 ChatGPT 扮演行业专家，从而让 ChatGPT 从这个角色的角度来分析我们的问题，可以使得回答更专业，从而避免过于宽泛。

假设我们想让 ChatGPT 帮我们生成一份保密协议，以下示例分别展示了普通询问和增加角色扮演的询问：

可以看到，增加了角色扮演指示后，生成的内容更具备专业性，相比前面的普通询问增加了甲乙方信息和末尾签字栏（截图未给出），几乎可以拿来即用。专家角色可以帮助 ChatGPT 指定场景，清晰问题范围，以及补充问题所需的背景信息，在询问专业性较强的问题时，可以尽量采用此种方式。当然，以下几种 Prompt 在效果上是等同的，如 “你现在是 xxx”、“请你扮演 xxx”、“假如你是 xxx”、“请以 xxx 的角度/身份/语气” 等。

充当终端/语言解释器

在没有实际的环境时，让 ChatGPT 充当终端或者语言解释器，可以做一些学习和实验。下图是一个充当 Linux 终端的例子：

再来看一个 ChatGPT 充当 Python 解释器的例子：

定义输出格式并转换为文件

我们的测试用例通常是以 xmind 形式编写，但 ChatGPT 无法生成文件，怎么实现文本内容到 xmind 形式的转换呢？其实可以利用 Prompt，将 ChatGPT 的输出定义为 markdown 形式，如下：

将代码块中的内容保存到.md 文件，随后就可以导入 xmind，形成我们常用的测试用例，如下。

当然，除了 markdown，ChatGPT 还能以表格形式输出，只要添加 “使用表格形式呈现” 指令即可。

自定义 ChatGPT 对话模式

大家如果用过 BingChat，可以看到有三种对话模式：

ChatGPT 并没有这样的选项，那是否有方法可以自定义呢？答案是使用 Temperature 参数。方法很简单，直接在你的指令末尾输入:Temperature=[数字]（这个数字介于 0-2 之间），你就能体验到一个从严肃冷静、到平衡稳定、到脑洞大开的 ChatGPT 了，如下：

可以看到，当温度值为 0 时，ChatGPT 倾向于最确定的答案，当提高温度值后，就出现了多样性。

ChatGPT 调教

基于 AI 的思维链技术，我们可以通过不断的反馈及新增指令，对 AI 进行训练，通过引导，帮助我们获得更具体、更深度、更有价值的回答。当然，在追问的过程中，一定要明确对象，否则达不到效果，另外在 ChatGPT 回答过程中，我们也可以输入好或者不好的反馈，来校正之后的输出。

Prompt 逆向工程

以上案例都是从自身角度直接构造 Prompt，那我们有没有办法让 ChatGPT 直接给我们生成一份 Prompt，供后续使用呢？我们知道，在软件工程中，逆向工程就是从结果反推过程，比如拿着.class 文件、apk 包去反编译为 Java 代码，那是否能尝试下让 ChatGPT 自己分析结果从而给出可以生成这个结果的 Prompt？我们来看以下例子：

可以看到，ChatGPT 生成了一段 Prompt，接下来我们新开一个会话，测试下这段 Prompt：

生成的内容还可以，当然，这个 Prompt 不一定完全符合我们的预设目标，可以在生成初版 Prompt 后时给予多轮调教，使之渐趋完善，甚至成为更通用的商品生成或者新闻生成 Prompt。

总结

ChatGPT 能够用于工作、学习、生活的场合实在太多，本文不再赘述它在我们日常工作中的很多使用场景，比如 debug、代码生成和代码优化、语言翻译、文章润色和纠错等等，这些场景大家可以自行探索。希望通过本文对 Prompt 的的介绍，读者可以更好地理解如何通过优化 Prompt，更好地向 ChatGPT 提问，从而获得更准确、有用的回答，使得 ChatGPT 真正成为我们得力的 AI 助手。