在chatgpt大火的时候，出现了一波学习chatgpt提示词的热潮，互联网出现很多了使用的学习提示词的课程。其中我觉得斯坦福大学教授吴恩达博士推出prompt engineer课最全面。接下来总结他课程中正确使用提示词工程的方法。

1. 明确目标

• 明确你希望ChatGPT完成的任务： 无论是获取信息、解决问题、生成文本，还是进行对话，清晰的目标有助于引导模型给出更合适的回应。

2. 提供详细背景、设定角色

• 提供足够的背景信息： 让模型了解更多上下文，可以帮助它生成更相关和准确的回答。
• 示例：
  • 不明确的提示： “写一个关于机器学习的文章。”
  • 更好的提示： 你是人工智能方面的专家，请写一篇关于机器学习的文章，重点介绍监督学习和无监督学习的区别，并提供实际应用的例子。”

3. 使用具体问题

• 提出具体问题： 具体的问题可以引导模型给出更精确的答案。
• 示例：
  • 不明确的提示： “告诉我关于太空的事情。”
  • 更好的提示： “什么是国际空间站，它有什么重要性？”

4. 分步骤提问

• 分步骤提问： 对于复杂的问题，分解成多个简单的问题，这样模型可以逐步回答，每一步都更容易理解和处理。
• 示例：
  • 不明确的提示： “ 解释量子力学。”
  • 更好的提示： “首先，什么是量子力学？接下来，量子力学中的叠加原理是什么？”

5. 请求具体格式

• 请求特定格式：如果你需要模型生成特定格式的输出，比如列表、表格或代码段，明确说明。
• 示例：
  • 不明确的提示： “给我一些学习Python的建议。”
  • 更好的提示： “请列出5个学习Python的建议，用列表格式。”

6. 控制回应长度

• 控制回应长度： 你可以请求简短或详细的回答，根据你的需要调整模型的回答长度。
• 示例：
  • 简短回答： “简短描述一下机器学习。”
  • 详细回答： “详细解释一下机器学习的基本概念和主要类型，文字不要超过100字。”

7. 反馈和调整

• 提供反馈并调整问题： 如果模型的回答不完全符合预期，提供反馈并重新提问，可以逐步调整问题，得到更满意的回答。
• 示例：
  • 初次提问： “解释一下深度学习。”
  • 提供反馈： “你回答的第二点，我还不太明白，请详细讲一下深度学习的层级结构。”

8. 多轮对话

• 进行多轮对话： 利用对话的连续性，逐步深入探索某个话题，每轮对话都建立在前一轮的基础上。
• 示例：
  • 第一次提问： “什么是神经网络？”
  • 第二次提问： “神经网络中的层级结构是怎样的？”

9. 避免歧义

• 避免歧义和模糊： 使用明确和具体的词汇，避免使用含义不明确的词语或短语。
• 示例：
  • 不明确的提示： “告诉我它是什么样的。”
  • 更好的提示： “描述一下太阳系中地球的特征。”

10. 复查和调整

• 复查和调整输出： 根据需要对模型的回答进行复查和调整，确保其符合你的需求和期望。
• 示例：
  • 初步输出： “天干都有哪些，他们的阴阳五行属性都是什么。”
  • 复查和调整： 假设chatgpt把乙的阴阳属性搞错了，回答成阳了，“乙的阴阳属性是阴，请重新回答我，并用列表形式展示出来。”