掌握AI提问术，让你在职场和生活中无往不胜

最近，在看《OpenAI官方提示词指南【所长林超再制作】》觉得对于AI的使用很有帮助，故对内容进行了一些精简（保留了一些比较简单又有用的技巧）

分享给大家，希望我们都能好好地利用AI,提高效率，简化工作。

技巧目录如下：

还是推荐大家，看看正文的具体技巧说明与案例，以便更加清楚它的使用

1.撰写清晰的指令

案例：

更多案例：

1.1 设置语言风格（差别巨大）

系统消息可⽤于指定模型回复中使⽤的⼈格。

案例：

A: 无人格设定

B: 有人格设定

1.2 使⽤分隔符（多数⼈不知道）

⽤三重引号、XML 标签、章节标题等分隔符可以帮助区分需要不同处理的⽂本部分。任务越复杂，区分任务细节就越重要。不要让模型努⼒理解您到底在要求它做什么。

三重引号

XML 标签

1.3 告诉GPT你想要答案的长度（次要）

您可以要求模型⽣成特定⽬标⻓度的输出。⽬标输出⻓度可以⽤词数、句⼦数、段落数、要点数等来指定。

然⽽，请注意，指⽰模型⽣成特定数量的词并不是⾼精度的。模型可以更可靠地⽣成具有特定数量段落或要点的输出。⽬标输出⻓度可以⽤词数、句⼦数、段落数、要点数等来指定。请注意，指⽰模型⽣成特定数量的词并不是⾼精度的。模型可以更可靠地⽣成具有特定数量段落或要点的输出。

案例1：

案例2：

、

案例3：

2.提供参考文本(非常重要)

2.1 使⽤“参考⽂档”回答

指⽰模型使⽤参考⽂本回答：

如果我们能够向模型提供与当前查询相关的可信信息，那么我们可以指⽰模型使⽤所提供的信息来组成其答案。

如果您希望模型复制某种特定⻛格的回复，⽽这种⻛格难以明确描述，可提供样本⽰例。这被称为“少样本”提⽰词。

案例1：

案例2：

注意指明：如果参考文档中找不到，要写“找不到答案”

2.2 告知引⽤地⽂档内容

如果输⼊已经补充了相关知识，要求模型在回答中添加引⽤，并引⽤所提供⽂档中的段落就很简单。

注意，输出中的引⽤可以通过在提供的⽂档中进⾏字符串匹配来进⾏程序验证。

2.3 参考文档的提示词

2.4 提供例子的格式

3.拆解任务

案例1：

案例2：

案例3：

3.1 分类别响应

当你需要处理⼀个任务，⽽这个任务有很多不同情况需要考虑时，⾸先要把⽤⼾的请求分成不同的类型，然后根据每种类型来确定需要哪些具体步骤。每次只做处理当前任务阶段所需的步骤，然后再逐步添加更具体的指令来处理后续步骤。这样做有助于降低错误率，同时也能省下⼀些开⽀。

案例1：

案例2：

3.2 对之前对话总结

由于模型具有固定的上下⽂⻓度，如果将整个对话包含在上下⽂窗⼝中，则⽆法⽆限地进⾏。

对这个问题有⼏种解决⽅法，其中⼀种是概括之前的对话轮次。

⼀旦输⼊达到预定的阈值⻓度，就可以触发⼀个查询，概括对话的⼀部分，然后将之前对话的概要包含在系统消息中。

案例1：

3.3 分步骤总结概要

由于模型具有固定的上下⽂⻓度，它们不能在单个查询中概括超过上下⽂⻓度减去⽣成概要⻓度的⽂本。要概括⼀篇⾮常⻓的⽂档，如⼀本书，我们可以使⽤⼀系列查询来概括⽂档的每个部分。

各节概要可以连接起来并概括，从⽽产⽣概要的概要

案例1：