点击蓝字

关注我们

在AI时代，我们每个人都有重新洗牌的机会，也拥有自己的虚拟助手。要驾驭这些智能助手，关键在于理解它们的工作方式，不是死记硬背各种提示词。

和AI互动需要遵守规则吗

学习和AI交互，就像学习打字和写作一样，最好的方法就是不断地实践和尝试。给AI大模型设定角色，比如老师或专家，可以便利用预设的背景信息。但是这也不是必须遵守的规则。在与大模型的交流中，我们可以自由地设定规则，也可以在对话过程中灵活调整。

最重要的是，我们是否能够通过这些互动达到我们的目的。如果第一次尝试没有成功，也不要灰心，重新打开一个窗口，再次尝试。如果仍然不行，就换一个模型试试。

用 Markdown 格式清晰表达问题

使用Markdown格式来表达问题，可以显著提高与大型AI模型沟通的效率和准确性。Markdown的

易读性、灵活的格式化选项以及清晰的信息结构

，都有助于AI模型更好地理解用户的意图。

1. 
   结构化清晰
   
   ：Markdown通过简单的标记语法，提供了丰富的格式化选项，例如列表、标题、加粗、斜体和链接等。这使得信息结构化，有助于AI模型捕捉问题的核心和结构。

2. 
   格式化强调
   
   ：通过Markdown的格式化，用户可以强调问题中的关键部分，如通过加粗来突出重点，或使用列表来组织多个问题或信息点。这种强调有助于AI模型识别和优先处理文本中的关键部分，从而提升回答的相关性和准确性。

3. 
   广泛适用
   
   ：由于Markdown在技术和非技术领域的广泛应用，采用这种格式进行交流可以确保信息的有效传达，具有很强的普适性。

以下是Markdown的一些基本语法示例：

遵循最简化原则

在创建提示词（Prompt）时，我们应该遵循最简化原则，避免不必要的复杂性。一个结构化的提示词示例可能会违反这一原则，因为它包含了一些不必要的信息。在设计提示词时，我们应该首先分析完成任务所需的核心模块，并理解这些模块会根据任务的不同而有所变化。

1. 省略非必要信息
   

在构建与AI模型交互的提示词时，应避免包含诸如作者（author）和版本号（version）等无关信息。这些细节对于AI模型理解任务或生成回答并无实际帮助。尽管某些提示词可能因复制自网站而自动包含此类信息，但在与大型AI模型交互时，应排除这些不必要的元素。

2. 目标与输出的明确划分
   

将“提供改进建议及原因”与“对用户提示词进行评分”混为一谈，可能会导致目标不明确。这两个任务虽相似，却有本质区别：前者是模型在给出评分前的解释，后者则是评分后的进一步优化建议。为避免混淆，应将改进建议和原因归类于输出（Output）模块，而非目标（Goals）模块。这样，在模型完成评分任务后，可以清晰地提供评分原因和改进建议。

同时，“输出改进后的完整提示词”应视为模型的输出内容，而非其目标任务。

拼写准确性与限制条件

拼写纠正：

• 
  正确拼写
  
  ：请确保使用正确的拼写。例如，单词“Constraints”是“限制”的正确英文表达，而不是“Constrains”。虽然大型AI模型能够理解轻微的拼写错误，但正确的拼写有助于提高交流的准确性。
  

限制条件的设定：

• 
  内容长度
  
  ：设定字数或信息量的限制，以确保模型输出的简洁性。
  
• 
  内容类型
  
  ：通过过滤规则避免生成不恰当或不相关内容，确保输出的适宜性。
  
• 
  逻辑与一致性
  
  ：增强模型的逻辑处理能力，以保证输出的逻辑性和一致性。
  
• 
  风格与语调
  
  ：根据需要设定特定的写作风格或语调，以符合特定的语境或目的。
  

技能描述的简化：

• 
  语言理解
  
  ：避免重复提及基础技能，如“理解中文语义”，因为这是AI模型的标准功能。
  
• 
  任务重复
  
  ：在描述技能时，避免与目标中已包含的任务重复，例如“评估和打分文本质量”和“提供文本改进建议”，这些已经在目标部分提及，无需在技能部分再次列出。
  

Markdown 格式错误