AI提示词Prompts有没有好公式？（计育韬老师高校公益巡讲答疑实录2024）

这是计育韬老师第 8 次开展面向全国高校的新媒体技术公益巡讲活动了。而在每场讲座尾声，互动答疑环节往往反映了高校师生当前最普遍的运营困境，特此计老师在现场即兴答疑之外，会尽量选择有较高价值的提问进行文字答疑梳理。

*本轮巡讲主题除了涉及 SVG 交互外，还包含了新媒体中 AI 人工智能工作流的详解，为高校师生带来包括与多家央媒的项目合作经验和复旦大学本校的案例分析，因此答疑梳理中也会出现与 AI 相关的知识点，如有任何偏颇之处也欢迎在评论区斧正。

第八期计育韬老师继续梳理了在西安高校的讲座中，关于「AIGC创作过程中提示词Prompt有什么建议？」的问题，一起来看看计育韬老师的答复吧！

不要过度迷信公式

公式化提示词是圈内一直存在的重要思潮。毫无疑问，对 Prompts 的公式性梳理必定有助于初出茅庐的用户优化对 AIGC 的控制能力，但计育韬老师注意到一些过于碎片化、词组化的公式表格实质上正在对用户产生误导。很多用户不惜花费重金购买所谓的提示词清单进行 AIGC 工具的学习，其实大可不必。

其实优秀的提示词，往往胜在逻辑观，而不是尸块状且晦涩机械的特定关键词权重控制。去年 11 月 8 日，Sheila Teo 以数据科学家身份，夺得了在新加坡举办的 GPT-4 提示工程（Prompt Engineering）大赛冠军，赛后她慷慨撰文以《我是如何赢得了新加坡 GPT-4 提示工程赛》标题与大众分享了它的提示词编辑策略：

提示词本文应包含以下内容，其中 🔵 是指适合初学者的提示工程技术，而 🔴 是指进阶技术。1. [🔵] 使用 CO-STAR 框架来搭建 prompt 的结构 2. [🔵] 使用分隔符为 prompt 设置分节 3. [🔴] 使用 LLM 防护围栏创建系统 prompt 4. [🔴] 仅使用 LLM 分析数据集，不使用插件或代码 —— 附带一个实操示例：使用 GPT-4 分析一个真实的 Kaggle 数据集。

公众号：机器之心我是如何赢得GPT-4提示工程大赛冠军的

结合全文不难看出，冠军级的提示词自身就具备严密的自然语言逻辑顺序，既不是通俗直白的纯口语表达，也并非支离破碎的词组组合。结合优秀的提示词结构分隔方法，并给 AI 工具准确的反馈结构要求，我们得到的人工智能反馈才能既高效，又符合人类的预期。

AIGC的产品使命

我们不要忘记，不论是 ChatGPT-4o、Midjourney、DALL·E、Suno……产品层的使命都在于对人类自然语言的极致 AI 认知与反馈，不应逆着平台的发展宗旨使用平台，毕竟终有一天我们可以不再需要所谓「提示词」这样的概念，以最质朴而直观的表达与 AI 沟通。虽然当下我非常推荐读者通过「冠军提示词分享」优化与 AI 工具的对话效率，但长久看这个答疑问题也将最终消解在科技历史的长河中。