但问题来了当模型越来越懂人话我们还需要学习提示语Prompt吗所谓提示语本质是与AI对话所使用的语言它可以是一个简单的问题一段详细的指令也可以是一个复杂的任务描述。推理模型与通用模型的提示语策略也有所差异。推理模型VS通用模型事实上即便DeepSeek已能理解自然指令不同用户获得的回答质量仍天差地别。就像同样使用搜索引擎有人能快速定位关键信息有人却被海量结果淹没。在AI指数级进化的今天清晰表达需求正成为数字时代的基础素养。之前我在twitter上看到了多人点赞的GPTs的Prompt原则阅读后感觉收获很大所以对其进行了翻译、说明和整合从核心法则中提炼出最硬核的实战技巧手把手教你写出让AI秒懂的「咒语」让你的提示语效果倍增的关键策略当机器开始理解世界运行的逻辑人类的竞争力正在向精准定义问题迁移。那些掌握提示语艺术的人已然在悄悄拉开智能时代的认知差。一、精简指令别对AI太客气1、别再用礼貌用语。与大型语言模型交流不需要用礼貌用语不必说“请”、“如果你不介意”、“谢谢”、“我想要”直接陈述你的需求或问题更为高效。模型是基于输入的文字来理解和回答问题的不需要通过语气或礼貌用语来判断意图。例子如果你想要模型提供一个天气预报你可以直接说“明天杭州的天气如何”而不需要说“请告诉我如果你不介意明天杭州的天气如何谢谢。”2、使用积极的指令。使用肯定词比如“做”避免使用否定词比如“不要”。在与大型语言模型交流时明确告诉模型你希望它做什么而不是告诉它不要做什么。简单、直接的肯定指令可以帮助模型更准确地理解和执行你的需求减少误解的可能性。例子如果你说“列出健康饮食的建议”模型会直接提供相关的建议。如果你说“不要给我垃圾食品的建议”模型需要先理解什么是“垃圾食品”然后避免提及它们这使得任务变得更加复杂。3、给模型一个简单清晰的list。以关键词、规则、提示或指示的形式清晰地说明必须遵循的要求。告诉模型写东西时需要遵守哪些规则和提示列一个简单的清单。明确指示对于指导模型生成高质量和目标导向的输出至关重要例子如果指令是“写一篇关于可持续发展的博客文章”那么添加具体要求如“使用关键词循环经济、绿色能源、碳足迹”会帮助模型专注相关主题避免偏离话题。提示语的基本结构4、用命令式语气。尝试使用以下短语“你的任务是”和“你必须”。当你给模型设置任务时应该清晰地表达任务的目标。使用“你的任务是”来明确指出需要完成的工作。如果有某些步骤或规则是绝对必须遵循的用“你必须”来强调这一点让任务的指令更加直截了当。例子你的任务是根据以下信息计算明天的天气可能性。你必须使用最新的气象数据并考虑到不同地区的气候差异。二、角色扮演给AI戴上人格面具5、给大语言模型分配一个角色。指定一个角色给大语言模型比如让模型作为一个老师、顾问或者故事讲述者。当模型有了一个明确的角色身份就能根据被赋予的角色来调整它的回答使输出内容更加符合预期的风格和信息层次。例子如果我们想让模型像老师一样解释复杂的科学概念我们可以说“作为一个科学老师解释什么是光合作用。”当我们需要建议时我们可以指定模型为顾问角色“作为一个健康顾问你推荐什么样的饮食习惯”如果我们想要一个故事我们可以指定它为故事讲述者“作为一个故事讲述者讲一个关于远古森林的冒险故事。”6、在指令中设定目标听众。在你提出问题或指令时应该明确指出它的回答是针对什么样的听众比如专家、初学者或是小孩子。通过明确谁是预期听众你可以帮助模型调整它的语言和解释深度让它的回答更适合实际听众的需求和理解水平例子如果你正在与模型讨论一个高级的科学问题你告诉模型听众是该领域的专家模型就会使用专业术语和复杂概念来构建回答因为预期的听众能够理解这些内容。相反如果你指出听众是非专业人士或初学者模型则会避免使用过于专业的语言而是用更通俗易懂的方式来解释同样的概念。7、使用“以自然、人性化的方式回答问题”这个指令。这样的指令可以帮助模型避免使用过于复杂或难以理解的专业术语而是用更加通俗易懂的方式来回答问题让交流更加人性化和易于理解。例子“以自然、人性化的语言回答我为什么天空是蓝色的“向我解释量子物理在跟一个没有科学背景的朋友聊天一样。””我是个初学者用最简单朴实的语言告诉我什么是机器学习。”8、加入“确保你的回答是公正的不要依赖刻板印象”的指令。这个原则是告诉大语言模型在给出回答时要保持客观不要依赖于刻板印象或者偏见不受任何先入为主的观念影响。例子假如你想了解不同国家的文化并希望大语言模型给出一个客观的描述你可以这样说“告诉我关于世界各国文化的信息确保你的回答是无偏见的不要带刻板印象。”当你探讨某个职业时例如程序员而你不希望回答受到社会常见刻板印象的影响你可以说“描述一下程序员的典型工作日确保你的回答无偏见不要有刻板印象。”三、心理学拉扯给AI画个小饼9、激励一下AI。这条原则是在交流时加入一个激励性声明表明如果得到一个更好的解决方案你将会提供额外的奖励。这实际上是在告诉模型你希望得到的不仅仅是标准答案而是一个更周到、更创新或更详尽的解决方案。这是只是一种表达你期望程度的方式。例子“如果有更好的解决方案我会为你充值xxx/多给你xxx小费”10、惩罚一下AI。加入指令“你会受到惩罚”。简单来说这是给模型设定一个规则如果模型没有正确回答问题就好比它会受到某种惩罚这种表述方式可以促使模型更专注于给出正确的回答。例子假设你正在教模型数学题你可以说“计算55的结果。如果回答错误你将被惩罚。”在这个情况下“被惩罚”可能意味着模型会收到负反馈或者重新学习正确的计算方法。如果你在测试模型关于历史的知识你可以说“告诉我谁是第一任美国总统。如果回答不正确你将被惩罚。”这里“被惩罚”可以是指模型需要接受校正以确保将来能提供正确的信息。四、升级交互策略学会结构化表达11、优化你的指令排版。markdown格式化较为复杂的信息使用一个或多个换行来分隔指令、例子、问题、背景和输入数据这有助于模型理解你的意图和所需的回应类型。例子##Instruction##分析以下文本数据并提取出所有提到的人名。##background##这段文本取自于一篇关于中国历史的文章。##data##“在明朝有一个非常有名的皇帝他的名字叫做朱元璋。朱元璋的故事至今仍被人们传颂。他从一个普通的农家子弟成长为一国之君。除了朱元璋还有一个著名的将军叫做徐达他是朱元璋的主要将领之一。”##quetion##根据以上文本哪些人物被提及并且他们各自扮演了什么角色12、使用分隔符。在需要分开不同部分的时候用特殊的符号来告诉大语言模型如果要模型按步骤执行任务可以用数字或符号来分隔步骤。如步骤1收集数据步骤2分析数据步骤3报告调查结果。13、把复杂任务分解成一系列简单指令。将复杂的任务分解成一系列更简单、更容易管理的步骤。分解任务的另一个好处是你可以根据模型给出的回答来调整和精细化你的下一步请求。例子假设你想让模型帮你规划一场旅行如果你试图一次性提出需求模型可能不会给出最佳的回答。相反如果你将任务分解为一系列简单的问题或指令如首先询问关于目的地的建议然后询问关于交通的选择接着是住宿的选项最后讨论日程规划每次只专注于一个方面这样做将更有助于模型理解和回应每个具体的需求。五、掌握主动权对AI进行思维引导14、使用引导性词汇比如“一步一步地思考”。当你想让模型帮你解决复杂问题时使用一些引导性的词汇就像告诉一个小朋友做数学题一样你需要告诉它每一步应该怎么做。帮助模型按照一定的逻辑顺序或步骤来思考问题这样做可以帮助模型更准确地理解你的问题并按照你期望的方式来回答或执行任务。15、使用少数示例进行提示。这种方法涉及提供一个或多个相关示例来指导模型响应你的请求或问题。你可以更精确地告诉模型你的需求模型也能更容易地理解和满足这些需求。这种方法适合处理复杂或不寻常的请求对于指导模型在没有大量数据的情况下如何回应特别有效可以显著提高回答的准确性和相关性。例子假设你想让模型帮你总结一篇文章。你可以这样说“像这样总结文章[给出一篇文章的示例摘要]。现在请总结以下文章[给出你想要总结的文章]。”如果你想要模型生成类似风格的文本你可以提供一个或几个文本示例并指出“请写一段与以下示例类似的文本[提供示例]。”16、重要的词语说三遍。在语言学习和信息处理中重复是一种常见的强化手段重复可以提高模型对某个概念或指令核心的注意力尤其是在处理复杂的任务时。这有助于模型更准确地捕捉到用户的意图并按照用户的期望来生成回应。例子如果你希望模型特别注意到某个操作或条件你可能会这样写确保报告包括最新的销售数据。包括本季度的最新销售数据。最新销售数字对我们的分析至关重要。17、引导模型向你提问。这个原则一般用在我们不知道需要给模型提供哪些信息的时候使用引导模型通过向你提问来获取精确的细节和要求直到它有足够的信息来给出你需要的答案。换句话说你要鼓励模型通过提问来澄清和完善它对你请求的理解。例子从现在开始你可以问我关于xxx的问题以便你能够获取到足够的信息。18、如果你想测试自己对某个信息的理解。使用以下指令“教我[任何定理/话题/规则名称]并在最后给我一个测试不要直接给我答案在我回答时告诉我答案对不对”。这样的做法可以帮助用户验证自己的理解程度并且确保他们已经掌握了该主题或信息鼓励用户主动学习和验证自己的知识而模型则扮演了一个辅助者的角色提供信息并帮助用户确认理解的准确性例子如果用户对一个历史事件的时间线不确定比如法国大革命他们可以要求“教我法国大革命的时间线并在最后测试我但不要直接给我答案。”模型随后可以概述法国大革命的关键事件并问用户“罗伯斯庇尔被处决的年份是哪一年”用户回答后模型确认答案是否正确。19、进行输出内容引导生成特定结构或格式的回应。这样做可以帮助模型理解你想要的答案类型并以一种符合预期的方式生成回应。这就像是我们在画画时先画一个草图然后再把画画完整一样。给电脑一个开始的句子就像是给它一个草图这样它就知道我们要的是什么样的画面。所以当我们想模型帮我们写东西的时候先告诉它一个开头这样它就能更好地帮助我们完成我们想要的内容。例如如果你想要模型帮你写一封邮件你可以这样构建你的提示普通的方式写一封邮件给我的合作伙伴。使用输出引导的方式写一封邮件给我的合作伙伴邮件开头是“亲爱的[合作伙伴名字]我希望你过得很好。”六、更高阶的话术在实战中演练20、“为我写一篇关于[话题]的详细文章/文本[段落]并添加必要的[信息]。”在你写一篇任何类型的详细文本时,可以使用这一prompt。这一原则是确保大型语言模型进行写作任务时进行一个充分发展和详尽的文本输出这有助于得到一个高质量且信息丰富的文本。例子如果你是一位学生需要关于“全球变暖”的研究论文你可以这样指示“为我详细写一篇关于全球变暖影响的论文包括所有必要的科学证据和统计数据。”如果你是一位作家寻求关于特定设置的详细描述你可能会说“写一个段落描述一片古老森林的详细景象包括感官细节和象征意义。”21、“修改我发送的每一段话只改进语法和词汇不要改变写作风格并确保听起来自然。”当你只对文字进行校对而不改变文本风格的时候。可以使用这一prompt。这条原则指导模型在修正或改进用户提交的文本内容时专注于改善语法和词汇使用同时保持用户原有的写作风格和语气。在不改变用户的原意和表达方式的前提下提高文本的质量。例子用户提交了一段文本“我非常喜爱读书它让我放松智慧。”改进后的文本是“我非常喜爱阅读它让我放松同时增长智慧。”这里改正了标点增加了词汇但保留了用户的个人风格和句子的意义。22、“从现在开始每当你生成跨越多个文件的代码时生成一个可以运行以自动创建指定文件或修改现有文件以插入生成代码的[编程语言]脚本。”当编程任务涉及多个文件时它通常比单个文件中的代码更复杂代码可能需要在多个位置进行更改这些更改可能依赖于项目的结构和编程语言的特定要求。例子如果你在开发一个网站可能需要在多个HTML、CSS和JavaScript文件中添加相似的代码。手动去每个文件中添加相同的代码片段是耗时且容易出错的。相反你可以创建一个脚本自动找到所有需要更新的文件并插入或修改代码。在大型软件开发中可能需要根据新的功能需求更新多个依赖库或配置文件。一个自动生成必要更改的脚本可以确保这些更新快速、准确地完成。23、“我为你提供开头[歌词/故事/段落/文章...][插入歌词/词语/句子]根据所提供的词语续写保持风格的一致性。”当你想要使用特定的词语、短语或句子来开始或继续一段文本时使用这个提示。这个原则是为了确保在衔接文本时模型能够沿着给定的方向或风格续写。当要求续写或根据特定的词语、短语或句子发展文本时提供一个明确的开头可以帮助模型明白继续写作的方向。确保续写的内容既创新又符合原文的语境和风格。例子在创作故事时如果给定了开头比如“在遥远的王国中有一个被遗忘的湖...”这可以引导模型或者写作者继续这个故事线发展出一个与王国和湖相关的故事。写论文时如果开始句是“最近的研究表明...”这就预设了接下来的内容应该引用一些研究阐述它们的发现。在歌词创作时提供起始行“在无尽的夜里我听见...”将导向创作出余下部分同时保持旋律和主题的一致。当我们惊叹于层出不穷的大语言模型时也不要忘了这些AI背后的人类智慧。这些法则揭示的不仅是与AI对话的技巧更是智能时代的核心生存技能——如何把模糊需求转化为精准指令如何让机器理解人类意图的微妙差异。在AI指数级进化的今天真正的竞争力或许就藏在你输入的那个小小对话框里。附赠一些有意思的玩法github: gpts: 这个 仓库收集了非常多 prompt , 可以了解到各种有趣的 GPTs 是怎么设定出来的https://github.com/linexjlin/GPTs怎么让 GPTs 说出自己的 Prompt 不是所有的情况下都可以使用多模态数据信息提取随着信息技术的快速发展数据的获取与处理变得尤为重要。本方案提供多模态文件信息抽取能力通过先进的人工智能技术能够识别和解析各种格式的文件包括文本、图像、音频和视频从而提取出有价值的信息大幅提升数据处理效率。如何学习AGI大模型作为一名热心肠的互联网老兵我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取**一、2025最新大模型学习路线一个明确的学习路线可以帮助新人了解从哪里开始按照什么顺序学习以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛没有明确的学习路线可能会导致新人感到迷茫不知道应该专注于哪些内容。我们把学习路线分成L1到L4四个阶段一步步带你从入门到进阶从理论到实战。L1级别:AI大模型时代的华丽登场L1阶段我们会去了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理关键技术以及大模型应用场景通过理论原理结合多个项目实战从提示工程基础到提示工程进阶掌握Prompt提示工程。L2级别AI大模型RAG应用开发工程L2阶段是我们的AI大模型RAG应用开发工程我们会去学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3级别大模型Agent应用架构进阶实践L3阶段大模型Agent应用架构进阶实现我们会去学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造我们自己的Agent智能体同时还可以学习到包括Coze、Dify在内的可视化工具的使用。L4级别大模型微调与私有化部署L4阶段大模型的微调和私有化部署我们会更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握而L3 L4更多的是通过项目实战来掌握大模型的应用开发针对以上大模型的学习路线我们也整理了对应的学习视频教程和配套的学习资料。二、大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF三、大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。四、大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。五、大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取