【精华合集】和提示词有关的一切

发布时间：1970-01-20 11:06:55
免费阅读
提示词指南 提示词案例 提示词产品 AI 写作 GPT 提示
本文整理了与提示词相关的多种资源和方法，旨在帮助读者更好地理解和应用提示词。首先介绍了“Back 模型”作为撰写提示词的有效工具，并推荐了Zapier的英文教程。对于英文阅读困难的读者，建议使用翻译工具。此外，文章还介绍了其他提示词公式，如“任务指令=定义角色 + 背景信息 + 任务目标 + 输出要求”以及“BORE 分析法”，并推荐了GitHub上的两个专业框架：Elavis Saravia的框架和Matt Nigh的CRISPE框架。对于新手，建议通过阅读他人案例来快速入门。最后，文章介绍了一款名为“PromptPerfect”的产品，能够优化提示词，使其更完整和专业。所有相关链接均附在文末，方便读者进一步查阅。
文章内容
思维导图
常见问题
社交分享

这一篇内容，准备将在写之前所有的内容中，看到过的所有的有启发的媒介整理一下，作为补充阅读提供给大家，于都也方便大家找到这些更好的信息源。

为了方便大家顺畅地阅读完全文，所有的链接都会统一整理在文末，大家可以在耐心看完前面的内容后，再去文末自取。

同时，这篇内容也会作为「免费试读」公开出来，如果你感觉对你的某个朋友有帮助的话，也欢迎你转发给 ta。

提示词指南

在第二篇内容《一个模型，搞定你 99%的提示词难题》中，我提到了自己用来写提示词的**“ Back 模型”，其中有很多案例摘录自 Zapier 的官方 blog 中的《How to write an effective GPT-3 or GPT-4 prompt 》**这篇文章。

这是我之前看过的第一篇关于 prompt 系统性教程，很有收获，虽然是一篇全英文的文章，也十分推荐你阅读。

如果对英文文章阅读感到困难的同学，可以试试用「火山翻译」的 Chrome 插件，可以全文网页翻译，或者中英对照。

双语对照效果

全中文效果

提示词公式

除了我总结的“ Back 模型”，还有很多不错的类似的 prompt 公式。

比如，在得到 App 的课程《快刀青衣·给职场人的AI写作课》中，快刀青衣老师也提到了一个写提示词的公式：任务指令=定义角色 + 背景信息 + 任务目标 + 输出要求。

这个公式也非常有用，在这门课中的所有案例都是根据这个公式展开的。

此外，小红书博主「小富贵」总结的 “BORE 分析法”也很有价值，推荐关注。

除了这两个，在 GitHub 上还流传着两个偏专业的框架：

Elavis Saravia 总结的框架：

  • Instruction（必须）： 指令，即你希望模型执行的具体任务。
  • Context（选填）： 背景信息，或者说是上下文信息，这可以引导模型做出更好的反应。
  • Input Data（选填）： 输入数据，告知模型需要处理的数据。
  • Output Indicator（选填）： 输出指示器，告知模型我们要输出的类型或格式。

Matt Nigh 总结的 CRISPE 框架：

  • CR： Capacity and Role（能力与角色），你希望 ChatGPT 扮演怎样的角色。
  • I： Insight（洞察力），背景信息和上下文。
  • S： Statement（指令），你希望 ChatGPT 做什么。
  • P： Personality（个性），你希望 ChatGPT 以什么风格或方式回答你。
  • E： Experiment（尝试），要求 ChatGPT 为你提供多个答案。

这两个框架更加复杂一些，但是完备性比较高，可以用来处理更加复杂的任务。

提示词案例

其实吧，你不懂那么多提示词的技巧也是可以的，对于新手来说，有一种非常快速的入门方式，就是**“熟读唐诗三百首，不会作诗也会吟”**。

多看看别人写的提示词，多看看别人的用法，慢慢就能找到写提示词的感觉了，在用chatGPT 来处理自己的工作时，也会很容易找到思路。

我的朋友给我推荐了一份文档，上面有很多很精彩的中文案例，是一位叫“生财王子”的朋友整理的合集。

提示词产品

在即刻上也刷到了这么一个产品，叫作「PromptPerfect」，由即友 @ 米奇妙妙张 开发，作用是“将你的提示词优化至完美”。

这款产品的作用就是通过程序来优化你的提示词，帮你把简单的提示词扩展得更完整、更专业。

这个团队更新很快，隔一段时间就能看到他们更新一些有趣实用的小功能。

这就是本期精华合集的所有内容啦，这期内容会放在【免费试读】的部分，欢迎你转发给你的朋友。

以下是所有刚刚提到的文章和产品的链接👇🏻

《How to write an effective GPT-3 or GPT-4 prompt 》：https://zapier.com/blog/gpt-prompt/

《快刀青衣 · 给职场人的 AI 写作课》：https://www.dedao.cn/course/detail?id=RnDwgL1k6EWX6kDsj7KpBjNq3Y2QAd

《BORE 分析法》 from 小红书博主「小富贵」：http://xhslink.com/fXUt7o

Elavis Saravia 总结的框架：https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-intro.md

Matt Nigh 总结的 CRISPE 框架：https://github.com/mattnigh/ChatGPT3-Free-Prompt-List

ChatGPT 提示词大全（中英文双语）持续更新 | by 生财王子：https://fauvi7x7h0.feishu.cn/docx/DviKdbKreorNZ5xddGjcUMjlnwh?continueFlag=c8a6f73eb25216947e09ea64e8397b3f

提示词优化产品 PromptPerfect：https://promptperfect.jinaai.cn/?utm_source=wechat_session

思维导图生成中，请稍候...

问题 1： 什么是“Back 模型”？
回答： “Back 模型”是一种用于编写提示词的框架，包含多个案例和技巧，帮助用户更有效地生成提示词。

问题 2： 如果我不擅长阅读英文文章，有什么工具可以帮助我？
回答： 可以使用「火山翻译」的 Chrome 插件，它支持全文网页翻译或中英对照，方便阅读英文内容。

问题 3： 快刀青衣的提示词公式是什么？
回答： 快刀青衣的提示词公式是：任务指令=定义角色 + 背景信息 + 任务目标 + 输出要求。

问题 4： 什么是“BORE 分析法”？
回答： “BORE 分析法”是小红书博主「小富贵」总结的一种提示词分析方法，具有较高的实用价值。

问题 5： Elavis Saravia 和 Matt Nigh 的提示词框架分别是什么？
回答： Elavis Saravia 的框架包括 Instruction、Context、Input Data 和 Output Indicator；Matt Nigh 的 CRISPE 框架包括 Capacity and Role、Insight、Statement、Personality 和 Experiment。

问题 6： 如何快速入门提示词的编写？
回答： 可以通过多阅读他人编写的提示词案例，逐步掌握编写技巧，类似于“熟读唐诗三百首，不会作诗也会吟”的方法。

问题 7： 什么是「PromptPerfect」？
回答： 「PromptPerfect」是一款提示词优化产品，能够将简单的提示词扩展得更完整、更专业，帮助用户生成更优质的提示词。

问题 8： 哪里可以找到更多提示词案例和资源？
回答： 可以在文末提供的链接中找到相关文章、课程和资源，如《How to write an effective GPT-3 or GPT-4 prompt》、快刀青衣的 AI 写作课、以及生财王子的 ChatGPT 提示词大全等。

问题 9： 这篇文章是否支持免费分享？
回答： 是的，这篇文章作为「免费试读」公开，欢迎转发给有需要的朋友。