你有沒(méi)有這種經(jīng)歷：滿懷期待地打開(kāi)ChatGPT或者Gemini，輸入一句“幫我寫(xiě)個(gè)文案”，然后它吐出來(lái)一堆看似由于華麗、實(shí)則全是廢話的“AI味”垃圾？

那一刻你肯定在想：“這人工智能，大概是人工智障吧？”

打?。∠葎e急著拔插頭。

這就好比你走進(jìn)理發(fā)店跟托尼老師說(shuō)“給我剪個(gè)好看的頭”，最后卻剪成了“非主流殺馬特”，你能全怪托尼嗎？你也得反思一下，自己是不是沒(méi)給參照?qǐng)D？

其實(shí)，AI這東西，它不是人，它是個(gè)有著無(wú)限算力但缺乏常識(shí)的“概率預(yù)測(cè)機(jī)器”。想讓它干活利索，你得學(xué)點(diǎn)“黑話”。最近我扒了Google官方出的《Prompt Engineering v7》白皮書(shū)，發(fā)現(xiàn)只需掌握幾招，這幫AI立馬能從“人工智障”變成“頂級(jí)打工人”。

來(lái)，咱們擼著串，慢慢嘮。

第一招：別讓它猜，給它穿上“Cosplay”的戲服

很多時(shí)候AI回答得爛，是因?yàn)樗恢雷约菏钦l(shuí)。

大模型本質(zhì)上就是個(gè)預(yù)測(cè)下一個(gè)字會(huì)蹦出啥的機(jī)器。你問(wèn)它“去紐約玩什么”，它可能給你念一段維基百科。但如果你給它穿上一套戲服，效果立馬炸裂。

這在行話里叫“角色提示 (Role Prompting)”。

這就是好比你在片場(chǎng)當(dāng)導(dǎo)演。你不能給演員一張白紙讓他“隨便演”。你得告訴他：“你現(xiàn)在是一個(gè)在紐約混了20年的老炮導(dǎo)游，說(shuō)話要風(fēng)趣幽默，最好帶點(diǎn)諷刺，給我推薦3個(gè)只有本地人知道的博物館?！?。

你看，有了角色，有了語(yǔ)調(diào)（Tone），有了風(fēng)格（Style），AI瞬間就入戲了。它不再是那個(gè)冷冰冰的機(jī)器，它變成了那個(gè)帶你鉆胡同的“老炮”。

書(shū)中特別提到，你可以讓它扮演各種角色：刻薄的書(shū)評(píng)人、耐心的幼兒園老師、甚至是一個(gè)只會(huì)寫(xiě)JSON代碼的程序員。

記住：給AI一個(gè)身份，它就還你一個(gè)奇跡。

第二招：別只動(dòng)嘴，哪怕給個(gè)“栗子”呢？

你有沒(méi)有試過(guò)教家里長(zhǎng)輩用智能手機(jī)？你說(shuō)：“點(diǎn)擊那個(gè)綠色圖標(biāo)?！遍L(zhǎng)輩：“哪個(gè)綠色？是這個(gè)原本是綠色還是發(fā)著綠光的？”你崩潰了，直接拿過(guò)手機(jī)演示一遍：“看，就點(diǎn)這個(gè)。” 長(zhǎng)輩秒懂。

AI其實(shí)也是個(gè)只有蠻力沒(méi)有眼力見(jiàn)兒的家伙。這在書(shū)里叫“少樣本提示 (Few-shot Prompting)”。

也就是所謂的“喂飯喂到嘴邊”。

如果你直接讓AI“把這段話里的披薩訂單提取出來(lái)”，它可能會(huì)給你寫(xiě)一篇小作文。但如果你先給它看兩個(gè)例子：

用戶說(shuō)：我要個(gè)大披薩，加火腿。輸出：{"size": "large", "toppings": ["ham"]}
用戶說(shuō)：來(lái)個(gè)小的，只要奶酪。輸出：{"size": "small", "toppings": ["cheese"]}

然后再問(wèn)它：

用戶說(shuō)：我要個(gè)中號(hào)的，多加菠蘿。

這時(shí)候AI就會(huì)恍然大悟：“噢！原來(lái)你好這就口啊！”。

谷歌建議，通常給3到5個(gè)例子效果最好。而且要注意，這些例子最好把各種奇葩情況（Edge Cases）都覆蓋到。

別高估AI的理解力，它就像個(gè)剛進(jìn)公司的實(shí)習(xí)生，你給的模板越細(xì)，它干活越從容。

第三招：別逼它秒回，讓它“喘口氣”再說(shuō)是

這可能是最反直覺(jué)的一點(diǎn)。

我們總覺(jué)得電腦運(yùn)算速度快，必須秒回。但對(duì)于復(fù)雜的邏輯題或數(shù)學(xué)題，AI如果回答太快，通常都是在瞎蒙。

書(shū)里有個(gè)經(jīng)典的數(shù)學(xué)題案例：“我3歲時(shí)，我的合伙人是我年齡的3倍?，F(xiàn)在我20歲了，合伙人多大？”

如果你直接問(wèn)，很多AI會(huì)腦子不轉(zhuǎn)彎地回答：“60歲！”（因?yàn)樗苯幽?0乘以3了）。

這時(shí)候，你需要祭出神級(jí)咒語(yǔ)：“讓我們一步一步地思考 (Let's think step by step)”。

這在學(xué)術(shù)界叫**“思維鏈 (Chain of Thought)”**。

這就好比考數(shù)學(xué)時(shí)，老師非讓你寫(xiě)“解題步驟”。一旦你強(qiáng)迫AI把步驟寫(xiě)出來(lái)：

1. 我3歲時(shí)，合伙人9歲（3x3）。
2. 差值是6歲。
3. 現(xiàn)在我20歲，合伙人應(yīng)該是20+6...
4. 答案是26歲！。

看，智商瞬間占領(lǐng)高地了有沒(méi)有！

所以，遇到復(fù)雜任務(wù)，別急著要答案。給AI一點(diǎn)“思考時(shí)間”，讓它把邏輯鏈條捋順了再?gòu)堊臁?/strong>

第四招：別說(shuō)“不許做什么”，要說(shuō)“請(qǐng)做什么”

這一點(diǎn)簡(jiǎn)直就是育兒心經(jīng)。你跟熊孩子說(shuō)：“別把牛奶灑了！” 結(jié)局通常是牛奶灑一地。你跟熊孩子說(shuō)：“請(qǐng)雙手握緊杯子，慢慢喝?！?結(jié)局通常比較完美。

AI也是個(gè)熊孩子。

谷歌的白皮書(shū)里特意強(qiáng)調(diào)：使用指令（Instructions）優(yōu)于使用約束（Constraints）。

如果你告訴AI：“寫(xiě)文章時(shí)不要用復(fù)雜的詞，不要寫(xiě)太長(zhǎng)，不要有錯(cuò)別字...” 它可能會(huì)陷入“不要”的死循環(huán)里，反而搞得一團(tuán)糟。

你應(yīng)該直接說(shuō)：“請(qǐng)使用小學(xué)生都能看懂的簡(jiǎn)單詞匯，把文章控制在200字以內(nèi)，保持語(yǔ)氣活潑。”。

多給正向反饋，少給負(fù)面清單。 畢竟，誰(shuí)還沒(méi)點(diǎn)逆反心理呢？哪怕是硅基生物。

你看，所謂的 Prompt Engineering (提示工程)，聽(tīng)著挺高大上，說(shuō)白了就是“把話說(shuō)明白”的藝術(shù)。

它不是讓你去學(xué)寫(xiě)代碼，而是讓你學(xué)會(huì)如何像產(chǎn)品經(jīng)理一樣提需求：

• 定人設(shè)（Role）：你是誰(shuí)？
• 給模板（Few-shot）：照著這個(gè)抄。
• 理邏輯（CoT）：一步一步想。
• 下指令（Instruction）：我要你做這些，而不是別做那些。

當(dāng)然，這也是個(gè)不斷試錯(cuò)（Iterative）的過(guò)程。哪怕是谷歌的工程師，也不可能一次就把提示詞寫(xiě)完美，都得修修補(bǔ)補(bǔ)。

所以，下次如果AI再給你吐出一堆垃圾，先別急著罵娘。深呼吸，喝口水，把你發(fā)給它的那句話讀一遍——如果有人這么給你提需求，你會(huì)不會(huì)也想打人？

行了，拿好這幾招，趕緊去調(diào)教你的AI吧。
AI應(yīng)用到工作學(xué)習(xí)中已是大勢(shì)所趨，浪潮中的你我只能順勢(shì)而為。

如果您使用AI中任何疑惑，或者覺(jué)哪款A(yù)I更好用，歡迎留言交流！