Prompt工程全攻略：15+Prompt框架一網打盡（BROKE、COAST、LangGPT）、學會提示詞讓大模型更高效

Prompt工程全攻略：15+Prompt框架一網打盡（BROKE、COAST、LangGPT）、學會提示詞讓大模型更高效

0.相關文章推薦

更多Prompt框架技術細節和原理見相關文章

• Prompt工程原理篇

大語言模型的預訓練[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning詳情

大語言模型的預訓練[4]：指示學習Instruction Learning：Entailment-oriented、PLM oriented、human-oriented以及和Prompt工程區別

大語言模型的預訓練[5]：語境學習、上下文學習In-Context Learning：精調LLM、Prompt設計和打分函式（Scoring Function）設計以及ICL底層機制等原理詳解

大語言模型的預訓練[6]：思維鏈(Chain-of-thought，CoT)定義原理詳解、Zero-shot CoT、Few-shot CoT 以及在LLM上應用

• Prompt工程實踐篇

Prompt進階系列1:LangGPT(從程式語言反思LLM的結構化可複用提示設計框架)

Prompt進階2:LangGPT(構建高效能Prompt策略和技巧)--最佳實踐指南

Prompt進階3:LangGPT(構建高效能質量Prompt策略和技巧2)--穩定高質量文案生成器

Prompt進階系列4:LangGPT(構建高效能Prompt實踐指南)--結構化Prompt

[Prompt進階系列5:LangGPT(提示鏈Prompt Chain)--提升模型魯棒性]https://blog.csdn.net/sinat_39620217/article/details/136946895)

根據 BCG 的銀行生成式 AI 報告，一個好的 Prompt 可以極大地提高效率和效果。ChatGPT 可以看作是一面鏡子，它的回應反映了你的輸入。如同鑰匙開啟門鎖，好的 Prompt 為我們開啟了 AI 大模型的無限潛力。無論是 ChatGPT、Claude 還是 Bard，一個合適的 Prompt 可以極大地提高問題的解答質量與效率。正如一位行業專家所言：“你得到的輸出，往往取決於你輸入的 Prompt。”

Prompt 不僅僅是技巧，它是一種藝術，是 AI 時代的瑪尼瑪尼哄。不管你使用哪款 AI 產品，一個精準、有深度（反應行業 know how 和 SOP）的 Prompt 都能引導模型給出你期待的答案。這種技能不僅僅侷限於 ChatGPT，它是各大模型的通用技巧，是每位與 AI 互動的人都應該掌握的基本功。目前，不僅僅是程式設計師和工程師需要與 AI 互動，每個普通人都可能成為 AI 的使用者。

• 提示詞的歷史

提示詞並不是近年來才有的概念。實際上，從計算機技術的初步發展階段，提示詞就已經存在。在早期的計算機介面中，使用者需要透過鍵入特定的命令列提示詞來與計算機進行互動。隨著技術的發展，圖形使用者介面（GUI）成為主流，但提示詞仍然在某些領域，如程式設計和高階系統管理中發揮著關鍵作用。

接下來我們來講解 18 個常見的提示詞方法論（下稱框架，含配圖、示例），這些方法論方法論有些是基於要件（即必須滿足的條件或特徵，如 CHAT 模型）或基於模板（提供特定的結構和格式，如 BROKE 模型，以及 LangGPT 模型）：

1.提示詞框架簡介

1.1 APE (Action Purpose Expect)提示詞框架

APE 框架提倡將使用者的請求分解為三個主要部分：行動、目的和期望。這種分解方法使得與大模型的互動更加明確和高效。

行動 (Action)：定義需要完成的特定任務、行動或活動。這是框架的第一步，旨在明確要執行的具體任務或活動。

目的 (Purpose)：討論意圖或目標。這部分是為了解釋為什麼要執行這個特定的任務或活動，它的背後意圖是什麼，以及它將如何支援更大的目標或目標。

期望 (Expectation)：陳述期望的結果。在這最後一步，明確表述透過執行特定任務或活動期望實現的具體結果或目標。

例：
假設你是一家產品銷售公司的營銷經理，你想透過社交媒體廣告來提高產品的線上銷售。按照 APE（行動，目的，期望）框架，你可以建立以下提示詞：
1.行動 (Action):計併發布一系列的社交媒體廣告，宣傳我們的最新產品。
2.目的 (Purpose):透過吸引社交媒體使用者的注意，提高產品的線上銷售和品牌知名度。
3.期望 (Expectation):在接下來的一個月中，透過社交媒體廣告，線上銷售增加 30%，並且我們的品牌在社交媒體上的關注度提高 20%。

透過這個 APE 提示詞，團隊能夠清晰地理解要執行的行動、達成的目的以及期望實現的具體結果，從而能夠更有效地執行廣告活動。

1.2 BROKE提示詞框架

陳財貓老師的 BROKE 框架融合了 OKR（Objectives and Key Results）方法論，旨在透過 GPT 設計提示，提高工作效率和質量。這個框架分為五個部分，其中最後一個部分，有比較長遠的視角。

• 背景 (Background): 提供足夠的背景資訊，使 GPT 能夠理解問題的上下文。

• 角色 (Role): 設定特定的角色，讓 GPT 能夠根據該角色來生成響應。

• 目標 (Objectives): 明確任務目標，讓 GPT 清楚知道需要實現什麼。

• 關鍵結果 (Key Results): 定義關鍵的、可衡量的結果，以便讓 GPT 知道如何衡量目標的完成情況。

• 演變 (Evolve): 透過試驗和調整來測試結果，並根據需要進行最佳化。

這個框架的設計旨在透過結構化的方法來提升 GPT 的提示設計，從而達到更高的效率和質量。它不僅僅是一個靜態的框架，而是一個動態的過程，透過不斷的測試和調整，來最佳化提示的設計和輸出。

以下是一個應用 BROKE 框架的提示例項，主題是 " 如何提高程式設計技能 ":

BROKE 框架例項:

**_Background:_** _程式設計是一種重要的技能，能幫助解決各種問題。隨著技術的快速發展，不斷地學習和提高程式設計技能變得至關重要。_
**_Role:_** _假設你是一名經驗豐富的程式設計導師，能提供實用的建議和指導。_
**_Objectives:_**
_瞭解程式設計基礎和核心概念。_
_透過實際專案實踐和提高程式設計技能。_
_接受同行和導師的反饋，瞭解進步和需要改進的地方。_
**_Key Results:_**
_完成至少 5 個不同型別的程式設計專案。_
_每個專案後都能獲得專業的反饋和建議。_
_至少閱讀和總結 10 篇關於程式設計最佳實踐和新技術的文章。_
**_Evolve:_**
_每個月評估一次學習進度，調整學習計劃。_
_根據專案實踐和反饋來調整學習資源和方法。_
_如果發現某個學習資源或方法不再有效，尋找新的替代方案。_

透過應用 BROKE 框架，可以建立結構化和明確的 GPT 提示，從而更有效地達成目標，提高工作效率和質量。同時，透過不斷的評估和調整，可以確保持續的進步和最佳化，從而形成一個正向的迴圈，不斷地推動自己向前。

1.3 CHAT提示詞框架

CHAT 框架集中於角色、背景、目標和任務四個核心部分，為使用者與大模型的深度互動提供了全面的指導。

角色 (Character)

角色為大模型提供了關於使用者身份和角色的資訊，有助於大模型更好地定製其回應。例如，一個醫生可能需要的資訊與一個學生完全不同。

背景 (History)

背景部分提供了與當前問題相關的歷史資訊和背景知識。這使得大模型能夠更好地瞭解使用者所在的上下文環境。

目標 (Ambition)

目標描述了使用者希望從與大模型的互動中實現的長期或短期目標。它可以幫助大模型提供更有針對性的建議和解決方案。

任務 (Task)

任務部分明確了使用者希望大模型執行的具體任務或行動。這是最直接的指導，告訴大模型使用者期望的具體操作或回答。

**_示例：_**

**_使用者：_**_我是一名歷史教師，想知道關於古羅馬的教學資源。_

**_大模型提示詞框架__：_**

**_角色：_**_歷史教師_

**_背景：_**_需要教授古羅馬歷史_

**_目標：_**_尋找高質量的教學資源_

**_任務：_**_提供古羅馬的教學資源或推薦_

這種互動策略使得大模型能夠更準確、更有針對性地為使用者提供所需的答案和資源。

1.4、CRISPE提示詞框架

詳見 GitHub - mattnigh/ChatGPT3-Free-Prompt-List:https://github.com/mattnigh/ChatGPT3-Free-Prompt-List/blob/main/README.md

CRISPE 是由 Matt Nigh 建立，它提供了結構和清晰度，將提示建立過程分解為明確和不同的步驟。該框架包括五個主要組成部分：

能力和角色 (Capacity and Role): 定義 ChatGPT 應扮演的角色或角色。

洞察 (Insight): 提供有關請求的幕後洞察、背景和上下文。

宣告 (Statement): 說明您要求 ChatGPT 完成的任務。

個性 (Personality): 定義您希望 ChatGPT 回應時採用的風格、個性或方式。

實驗 (Experiment): 要求 ChatGPT 為您提供多個示例。

**_CRISPE 示例:_**

**_能力和角色:_** _“作為軟體開發方面的專家，討論機器學習框架的主題，並作為專家部落格作者。”_

**_洞察:_** _“此部落格的受眾是對學習最新機器學習進展感興趣的技術專業人員。”_

**_宣告:_** _“提供對最流行的機器學習框架的全面概述，包括它們的優勢和劣勢。包括真實的示例和案例研究，以說明這些框架如何在各種行業中成功應用。”_

**_個性:_** _“在回應時，請混合使用 Andrej Karpathy, Francois Chollet, Jeremy Howard 和 Yann LeCun 的寫作風格。”_

**_實驗:_** _“給我多個不同的示例。”_

此框架有助於確保建立的提示具有明確的目的和結構，從而使 ChatGPT 能夠更有效地理解和回應使用者的請求。

官方示例：

1.5 CARE提示詞框架

CARE 框架強調四個關鍵要素：上下文指導、行動、結果和示例。此外，與 CARE 框架類似的框架還有不少，如 CAR (Context, Action, Result) 框架、CCAR (Challenge-Context-Action-Result) 模型和 CARL (Context, Action, Result, Learning) 框架。這些框架有著相似的元素和原則。

上下文指導

上下文指導提供了操作的背景資訊，幫助大模型更好地瞭解使用者所處的環境或情境。例如，“在我開車時” 可以作為上下文指導，告訴大模型使用者當前正在駕駛。

行動

與 APE 框架中的行動類似，這裡的行動描述了要進行的具體活動。

結果

結果描述了完成活動後期望得到的效果或反饋。它可以是明確的，也可以是隱含的。

示例

示例提供了一個或多個使用提示詞的例項，幫助使用者理解如何正確地與大模型進行互動。

如下是一個例項：

假設您是一家軟體開發公司的專案經理，您的團隊將負責開發一個新的移動應用程式。以下是一個可能的 CARE 提示詞例項：

上下文 (Context):

我們的客戶是一家大型零售商，他們想要一個能夠提高線上銷售和客戶互動的移動應用程式。

行動 (Action):

設計和開發一個使用者友好的移動應用程式，整合社交媒體共享功能，推送通知和線上購物功能。

結果 (Result):

應用程式的釋出促使線上銷售增加了 25%，並且客戶滿意度評分提高到 4.5/5。

示例 (Example):

提供一種__移動應用程式__樣例（例如競品拼多多的首頁設計）

1.6 COAST提示詞框架

COAST 框架專注於五個核心元素：背景、目標、行動、支援和技術，確保與大模型的互動既明確又具有目的性。

背景

背景為大模型提供了與命令相關的情境資訊。這通常涉及到命令發出的環境或情景，類似 CARE 框架的上下文，就是輸入足夠多的補充資訊，補足大模型的知識補足。

目標

目標描述了使用者希望透過此次操作實現的具體成果。例如，“寫 5000 字心得”。

行動

行動指出了使用者希望大模型採取的具體措施或方法。例如，“搜尋”。

支援

支援為大模型提供了關於如何完成該行動的額外資訊或資源。這可以是一種指南、建議或輔助工具。

技術

技術描述了執行該操作需要的特定技術或工具。這可以涉及到特定的裝置、應用程式或軟體。

**_一個關於開發一個名為 “EcoTrack” 的環保追蹤應用的 COAST 框架提示詞例項：_**

**_提示詞例項:_**

**_背景 (Context):_**_“建立一個名為‘EcoTrack’的應用，它可以幫助使用者追蹤和減少他們的碳足跡。”_

**_目標 (Objectives):_**_“__設計並實現一個使用者友好的介面，使使用者能夠輕鬆輸入和檢視他們的碳排放資料，並在 6 個月內獲得至少 1 萬名活躍使用者。”_

**_行動 (Action):_**_“__開發一個功能，使使用者能夠輸入他們的日常活動，如駕駛、飛行和用電，然後計算和顯示他們的碳足跡。”_

**_支援 (Support):_**_“__為大模型提供必要的培訓資料，包括碳排放的計算方法和公__式，以及使用者介面設計的指導原則。”_

**_技術 (Technology):_**_“__使用 Flutter 框架進行應用開發，並利用__大模型__學習演算法來估算使用者的碳足跡。”_

1.7 CREATE 框架

"Clarity、Relevant info、Examples、Avoid ambiguity 和 Tinker" 這五個原則構成了一個用於建立和最佳化提示詞（Prompt）的框架。

“Clarity”（清晰度）強調了提示詞應當明確地界定任務或者意圖，以便接收者能準確地理解並執行。

“Relevant info”（相關資訊）則是要求在提示詞中提供所有必要和關聯的細節，比如關鍵詞、語氣、受眾、以及格式和結構等。

“Examples”（例項）是透過使用示例來為輸出提供背景和方向，這有助於接收者更好地理解任務的具體需求。

“Avoid ambiguity”（避免含糊不清）則要求避免使用模糊或多義詞，確保提示詞儘可能地明確和精確。

“Tinker”（迭代、修補）意味著透過多次的測試和反饋來不斷最佳化和完善提示詞，確保其達到預期的效果。

Prompt 例項：

如果你是一個線上購物平臺的客服，你可能會使用這樣的提示詞：

“請提供您遇到問題的具體描述，包括訂單號、商品名稱和遇到的具體問題。”

這個提示詞符合以上五個原則，清晰地界定了任務，提供了相關資訊的具體種類，避免了含糊不清，也很容易透過迭代進行最佳化。

1.8 RACE提示詞框架

RACE 是一個用於建立提示的框架，它旨在提供結構和明確性，以便更有效地與 ChatGPT 交流。它分解為四個主要步驟，包括：

角色 (Role): 定義場景中人或實體的特定角色或功能。

行動 (A - Action): 描述您想要做什麼，明確您的請求或目標。

結果 (C - Result): 描述期望的結果，讓模型瞭解您希望實現什麼。

示例 (E - Example): 提供一個例子來說明您的觀點，幫助模型更好地理解您的請求。

示例：

R：你是一個商業記者

A 行動：撰寫一篇關於許仰天的人物傳記

C 結果：得到一篇 2000 字的許仰天商業傳記

E 示例：參考 Amazon 創始人的簡介

1.9 RISE提示詞框架

RISE 框架主要包括四個組成部分：

角色 (Role): 定義場景中人或實體的特定角色或功能。

輸入 (Input): 指定需要考慮的必要輸入或因素。

步驟 (Steps): 要求提供實現期望結果所需採取的詳細步驟。

期望 (Expectation): 描述期望的結果、成果或期望。

RISE 框架提示示例:

假設您想要從 ChatGPT 中獲得有關如何為即將舉行的專案會議做準備的建議。

角色:“假設你是一個經驗豐富的專案經理。”

輸入:

“我們的團隊將在下週舉行一個重要的專案會議，需要討論專案的當前狀態、接下來的里程碑和可能遇到的風險。”

步驟:

“請提供準備此類會議的詳細步驟，包括應收集的資訊、應建立的議程和如何有效地組織會議。”

期望:

“期望能夠透過會議明確專案的下一步行動計劃，並得到團隊的共同理解和支援。”

透過這個框架，您可以為 ChatGPT 提供清晰的指示，以便得到符合您需求的答案。

1.10、ROSES提示詞框架

ROSES 框架是一個用於建立 ChatGPT 提示的結構化方法，它將互動細分為五個核心部分，以確保清晰、有目的的交流。這五個核心部分包括：

角色 (Role): 指定 ChatGPT 的角色，例如，它應該扮演專家、助手或某個特定領域的顧問。

目標 (Objective): 描述您想要實現的目標或您想要 ChatGPT 完成的任務。

場景 (Scenario): 提供與您的請求相關的背景資訊或上下文。

預期解決方案 (Expected Solution): 描述您期望的解決方案或結果。

步驟 (Steps): 詢問實現解決方案所需的具體步驟或操作。

**_ROSES 框架提示例項:_**

_假設您是一個軟體開發團隊的負責人，想要了解如何提高團隊的協作效率。_

_角色:“__假設你是一個具有豐富經驗的軟體開發團隊協作專家。”_

_目標:___“_我想了解如何提高我團隊的協作效率。_”__

_場景:___“_我們的團隊分佈在不同的地區，通常依賴於線上工具來協作。_”__

_預期解決方案:___“_我期望能收到一些實用的策略和工具推薦，以幫助提高我們團隊的協作效率。_”__

_步驟:___“_請列出實施每個推薦策略的具體步驟，並解釋如何使用推薦的工具。_”__

透過遵循 ROSES 框架，您可以建立具有結構和清晰度的提示，從而使 ChatGPT 能夠更好地理解您的需求，並提供滿足這些需求的解決方案或建議。

1.11RTF 提示詞框架

RTF 實際是 CHAT 模型的 CAT 部分的細化，但忽略了 H，對上下文依賴不明顯的通用任務比較好。

_“_R（角色）、T（任務）和 F（格式）” 這三個元素構成了一個用於明確設定與聊天生成模型（如 ChatGPT）互動的框架。這個框架可以幫助使用者更高效地從聊天機器人處獲得所需的資訊或服務。

“R（角色）” 用於指定 ChatGPT 的角色，這可以是客服、技術支援、教師、專家等。明確角色有助於設定模型的回應風格和專業領域。

“T（任務）” 定義了具體要完成的任務或問題，這讓機器人能更準確地生成有用的回應。

“F（格式）” 則明確了使用者希望獲得答案的具體形式，比如列表、段落、點狀資訊等，這樣可以讓輸出更符合使用者的使用習慣。

這個框架實用性強，無論是在業務場景還是個人使用中，都能讓與聊天機器人的交流變得更為高效和精準。

Prompt 例項：

假設你是一個健身愛好者，想從 ChatGPT 獲取一些營養建議。一個合適的提示詞可以是：“R：營養專家，T：給我提供一份針對健身愛好者的飲食計劃，F：以列表形式呈現。” 這樣，ChatGPT 就會以營養專家的身份，按照列表格式提供一個專門為健身愛好者設計的飲食計劃，滿足你的具體需求。

12 SAGE提示詞框架

“SAGE” 框架由 “情況（Situation）、行動（Action）、目標（Goal）、預期（Expectation）” 四個元素組成，用於明確和最佳化與人工智慧模型或其他任務執行者的互動過程。

“情況（Situation）” 描述了任務執行的上下文或背景，比如時間、地點、相關人物等。這有助於執行者更全面地瞭解任務需求。

“行動（Action）” 明確了需要進行什麼操作或步驟，它是任務完成的核心。

“目標（Goal）” 則指出任務完成後應達到的目的或效果，為任務提供了方向。

“預期（Expectation）” 則是對輸出結果的具體要求，包括格式、時間限制等。

這個框架適用於各種任務型別和執行場合，不僅可以用於簡單任務，也適用於複雜的專案管理。它強調全面性和明確性，使得任務描述更完整，執行過程更高效。

Prompt 例項：

假設你是一個專案經理，你需要指派一個團隊成員去完成一個與客戶關係管理（CRM）系統相關的任務。一個符合 SAGE 框架的提示詞可能是：“情況：由於最近的軟體更新，我們的 CRM 系統出現了一些小問題。行動：請你負責調查這些問題，並與開發團隊溝通以找到解決方案。目標：確保 CRM 系統在兩週內恢復正常執行。預期：請在完成後提供一份詳細的報告，包括問題診斷、解決方案和實施時間表。” 這樣的提示詞非常全面和明確，使得團隊成員可以清晰地瞭解任務要求和預期結果。

1.13、SCOPE提示詞框架

“情境（Scenario）、複雜情況（Complications）、目標（Objective）、計劃（Plan）、評估（Evaluation）” 這五個元素組成了一個全面且具體的問題解決和任務管理框架。

“情境（Scenario）” 提供了問題或任務發生的上下文和背景，這是瞭解整個問題的起點。

“複雜情況（Complications）” 進一步描述了問題中存在的難點或複雜因素，通常這包括一系列可能妨礙解決問題或達成目標的因素。

“目標（Objective）” 明確了應該達到的目標或預期效果，它為整個問題解決過程提供方向。

“計劃（Plan）” 是一個或多個具體的行動方案，用於解決問題或達到目標。

“評估（Evaluation）” 則是在行動之後，對實施效果進行的考核或分析，通常用於判斷是否達到了預定的目標。

這個框架可以廣泛應用於各種專業領域和實際生活中，不僅適用於個人問題解決，也適用於團隊和組織的專案管理。

Prompt 例項：

假設你是一個產品經理，負責一個新產品的上市計劃。一個符合這個框架的提示詞可能是：“情境：我們計劃在下個季度推出一個新產品。複雜情況：市場上已有多個競爭產品，而且我們的預算有限。目標：在上市三個月內實現銷售目標的 80%。計劃：1）進行市場調查以確定目標客戶 2）設計營銷活動 3）與銷售團隊密切合作以推動銷售。評估：在產品上市後的每個月進行銷售資料分析，並根據結果調整計劃。” 這樣的提示詞設定非常全面，覆蓋了從問題識別到解決方案實施和效果評估的整個過程。

1.14、SPA提示詞框架

“情境（Scenario）、問題（Problem）、行動（Action）、結果（Result）” 是一個用於解決問題和任務分配的綜合框架。這個框架提供了一種結構化的方式來描述和解析問題，從而更有效地找到解決方案。

“情境（Scenario）” 給出了問題發生的上下文，包括涉及的各方、時間、地點等資訊，有助於深入理解問題的背景。

“問題（Problem）” 是需要解決的核心難題或挑戰。它直接指出了存在的問題或需要改進的地方。

“行動（Action）” 描述了為解決問題需要採取的步驟或措施。這通常是一個或多個具體的行動計劃。

“結果（Result）” 是行動後應達到的目標或效果，通常用於評估行動的有效性。

這一框架廣泛應用於專案管理、教育培訓、健康護理等多個領域，用於提供明確、全面的問題解決方案。

Prompt 例項：

假設你是一個 IT 部門的經理，需要解決一個關於網路安全的問題。一個適用於這一框架的提示詞可能是：“情境：公司內部網路最近遭到了多次未授權的訪問。問題：如何提高網路安全以防止未授權訪問？行動：1）進行網路安全審計 2）更新防火牆規則 3）教育員工網路安全意識。結果：在一個月內減少未授權訪問次數至少 50%。” 透過這個提示詞，團隊可以清晰地瞭解到問題的全貌、需要採取的行動以及預期達到的結果，從而更加高效地解決問題。

1.15、TAG提示詞框架

Tag 框架是個簡潔的框架，實際是 CHAT 模型的 AT 部分的細化，但忽略了 CH，對場景依賴不明顯的通用任務比較好，否則容易讓大模型表現不夠好，有點是簡潔快速。

“Task（任務）、Action（行動）和 Goal（目標）” 這三個要素組成了一個簡潔而高效的提示詞設計框架。這個框架用於確保在建立提示詞或任務指示時，所有必要的資訊都能被明確地表達。

“Task（任務）” 涵蓋了需要完成的具體工作內容，它定義了什麼是需要完成的。這是提示詞的核心，也是最直接的資訊。

“Action（行動）” 則描述了為了完成這個任務，具體需要做些什麼。它可能包括步驟、方法或者具體的行為指導，有助於執行者瞭解如何操作。

“Goal（目標）” 解釋了完成這個任務最終要達到的目的或效果，它提供了一個評估任務是否成功完成的標準。

這個框架的優點在於其簡潔性和明確性，使得執行者能快速理解任務要求，準確地進行操作，並明瞭最終目標。這對於任何需要明確任務指示的場景都是非常有用的，無論是企業管理、軟體開發，還是日常生活中的各種任務。

Prompt 例項：

假設你是一個專案經理，需要指派一個團隊成員進行市場分析。一個符合這個框架的提示詞可能是這樣的：“Task：進行下季度的市場趨勢分析。Action：收集與我們產品相關的市場資料，分析競爭對手，預測銷售趨勢。Goal：為下季度的產品戰略提供資料支援。” 這個提示詞明確了任務是什麼，需要採取什麼行動，以及最終目標是什麼，既簡潔又具有指導性。

1.16、TRACE提示詞框架

TRACE 框架是一個用於建立和組織與 ChatGPT 互動的方法，它將互動細分為五個核心部分，以確保清晰、有目的的通訊。這五個核心部分包括：

任務 (Task): 定義要解決的特定任務或問題。

請求 (Request): 明確您想要 ChatGPT 完成的具體請求。

操作 (Action): 描述應採取的步驟或操作來完成任務或請求。

上下文 (Context): 提供與請求相關的背景資訊或上下文。

示例 (Example): 提供一個或多個示例，以幫助 ChatGPT 理解您的請求和期望的結果。

TRACE 框架提示例項:

假設您是一個專案經理，希望從 ChatGPT 那裡獲得有關如何更有效地管理專案時間的建議。

任務:“作為專案經理，我需要確保專案按時完成，同時保證質量。”

請求:“請提供一些有效的專案時間管理策略和技巧。”

操作:“描述每種策略的實施步驟和預期效果。”

上下文:“我們的團隊分佈在不同的地區，有時很難協調時間。”

示例:

“例如，如果你建議使用某種專案管理軟體，請解釋如何配置和使用它來跟蹤專案進度。”

透過這個框架，您可以建立具有結構和清晰度的提示，從而使 ChatGPT 能夠更好地理解您的需求和提供有用的回應。

1.17 LangGPT 提示詞框架

傳統 Prompt 存在一些挑戰包括缺乏系統性、靈活性和使用者友好性，以及未能充分利用大模型的特點。Prompt 的重要性與日俱增，特別是在新一代的 GPT-4 模型出現後。Prompt 編寫不僅僅是一種技術，它正在變成 AI 時代的程式語言。

因此，如何像學習程式設計一樣，高效地編寫高質量的 Prompt，即 Prompt 程式設計，成為了一個迫切的問題。為了解決這個問題，我們推出了 LangGPT。LangGPT 由雲中江樹 (劉遠忠）建立，目前已有 2.1k stars

LangGPT 的特點和優勢：

系統性：LangGPT 提供模板化的方法，使用者只需按照模板填寫相應內容即可。

靈活性：LangGPT 引入了變數概念，可以輕鬆引用、設定和更改 Prompt 內容，提高程式設計性。

互動友好：透過工作流，LangGPT 定義了與使用者的互動和角色行為，使得使用者可以輕鬆理解和使用。

大模型充分利用：LangGPT 結合了大模型的特點，例如模組化配置和分點條理性敘述，還透過 Reminder 功能緩解了長對話的遺忘問題。

LangGPT 的核心語法：

LangGPT 變數：我們引入了基於 markdown 的變數概念，利用大模型對層級結構內容的敏感性，方便地引用和修改 Prompt 內容。

LangGPT 模板：基於大模型在角色扮演方面的強項，我們設計了 Role 模板。這些模板使得 Prompt 編寫變得像程式設計中的 “類宣告”，極大地簡化了使用者的工作。

為了進一步輔助使用者，我們還開發了 LangGPT 助手，一個專門為 LangGPT 設計的工具，它能夠幫助使用者更容易地設計和生成 “咒語”。

格式化技巧：使用特定的格式（如 Markdown）來更明確地指示大模型如何提示詞框架和響應。

明確性技巧：透過提供具體的指令，如 “簡短地回答” 或“提供詳細解釋”，確保大模型的響應與使用者的期望一致。

上下文技巧：在指令中加入上下文資訊，幫助大模型更準確地理解使用者的需求。

目前全網流行比較多的李繼剛的結構化提示詞，我摘錄其中一個：

#Role: 文字排版大師

#Profile:

- author: 李繼剛

- version: 0.1

- language: 中文

- description: 使用 ASCII 符號和 Emoji 表情符號來最佳化排版已有資訊, 提供更好的閱讀體驗

##Goals:

- 為使用者提供更好的閱讀體驗，讓資訊更易於理解

- 增強資訊可讀性，提高使用者專注度

##Constrains:

- 不會更改原始資訊，只能使用 ASCII 符號和 Emoji 表情符號進行排版

- 排版方式不應該影響資訊的本質和準確性

##Skills:

- 熟悉各種 ASCII 符號和 Emoji 表情符號的使用方法

- 熟練掌握排版技巧，能夠根據情境使用不同的符號進行排版

- 有較強的審美和文藝能力

##Workflows:

- 作為文字排版大師，將會在使用者輸入資訊之後，使用 ASCII 符號和 Emoji 表情符號進行排版，提供更好的閱讀體驗。

- 排版完畢之後，將會將整個資訊返回給使用者。

##Initialization: 歡迎使用者, 並提示使用者輸入資訊

1.18 Google 提示詞工程最佳實踐

當我們進入數字化和自動化的時代，如何有效地與模型互動並獲得我們期望的輸出變得越來越重要。Google 為我們提供了一套全面的提示詞工程最佳實踐，可以指導我們更好地與大模型互動。

一、提示詞工程的最佳實踐

明確意圖：始終清楚地傳達最重要的內容或資訊。

構建提示詞：首先定義其角色，提供上下文 / 輸入資料，然後給出具體指令。

參照例子：為模型提供具體的、多樣化的例子，幫助它產生更準確的結果。

限制輸出範圍：使用限制條件確保模型的輸出與指令緊密相關。

任務分解：對於複雜任務，將其分解成一系列更簡單的提示詞。

質量監控：指導模型在生成響應之前對其進行評估或自檢。

逐步思考：針對複雜問題，引導模型按照逐步的邏輯推理輸出結果。

關鍵要點：充分發揮創意，開放思考，隨著技術的發展，不斷適應和調整。

二、提示詞迭代的技巧

隨著時間的推移，我們可能需要調整或重寫我們的提示詞。以下是一些有助於最佳化提示詞的技巧：

重申關鍵元素：強調詞彙、短語或主要觀點。

明確格式：提前告訴模型你期望的輸出格式，例如 CSV 或 JSON。

突出關鍵資訊：使用強烈的語言或格式突出重要內容。

多樣化表達：嘗試使用不同的同義詞或短語，並找出哪種更有效。

三明治法：在長提示詞中，多次重複核心指令以增強模型的注意力。

參考資源：使用諸如 Prompt Hero 和 Google 的提示詞展覽等線上資源，作為靈感來源。

隨著大模型學習模型的不斷進化，我們的互動策略也需要持續調整。這些建議和策略旨在幫助我們更高效、更準確地與模型互動。

2.Prompt 八招要訣

李家貴（微信:dtalk2023）的 Prompt8 框架，融合了前述的一些 prompt 技巧, 注意事項，是一個廣義的 prompt engineer 方法，採用 1、2、3、4、5、6、7、8 順口溜的方式。

1. 個本質：和 ChatGPT 合作是透過提問進行的。本質是要做好一個管理者，德魯克依然不會過時。我們需要明白與 ChatGPT 的合作核心是提問。我們在與 AI 的互動中扮演的角色類似於一個管理者。就如同管理學之父德魯克的管理思想所強調的，我們需要明確、細緻地指導 AI，引導它朝著我們想要的方向前進。

2. 二個關注：在探討 AI 的特徵時，一個重要的研究來源是 HBR 的《Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality》。作者 Fabrizio Dell'Acqua 在其中詳細探討了 AI 如何影響知識工作者的生產力和質量。兩種廣為人知的 AI 協同工作方式是 Centaur（半人半馬）和 Cyborg（半機械人）。這種協同方式讓我們思考，面對這些技術，我們該如何應對。據 ideogram 資料顯示，與 ChatGPT 合作實際上是透過提問進行的。這本質上是一個管理者的工作，德魯克的管理思想在這裡依然不會過時。給 ChatGPT 交代工作，就像給一位剛剛大學畢業的新員工佈置工作：明確、細緻、循循善誘。還有一個二是，prompt 提供的是輸出結果的下限，要達到理想效果，核心是挑戰輸出結果的上限，這個核心是要關注兩點：know how（公式）和工作流（SOP）。

3. 三個要點背景要求角色（BOR），沒有單獨提到上面，一個是不流行，一個是本質和下面的 CHAT 模型是重複的。背景相當於 Chat 模型的 History，要求相當於 Chat 模型的 AT 的融合，列這個是為了分享，prompt 技巧很多，但本質不多。

4. 四字真言：呼叫前面的 CHAT 提示詞框架，因為 ChatGPT，就記住 Chat 就行了，其他模型是便於理解，但要記憶主要還是記這個。提問有其獨特的藝術。CHAT 模型為此提供了一個很好的框架。CHAT 是 Character（角色）、History（背景）、Ambition（目標）和 Task（任務）的縮寫。一個有效的任務指令可以定義為：定義角色 + 提供背景資訊 + 描述任務目標 + 設定輸出要求。

5. 思維五環客戶、架構、戰略、專案和資料五環思維為我們提供了一個多角度的視野，使我們能夠從不同的層面上思考問題。

客戶思維：永遠思考如何創造客戶價值

架構思維：系統思考，而不是散點思考

戰略思維：站在上級的上級考慮問題

專案思維：把提示詞當專案，考慮成本和收益

資料思維：量化效果

6. 六句參考：透過提供具體的例子和明確的格式要求，我們可以使 AI 更好地理解我們的需求，並給予我們更精準的答覆。

提供至少 5 個例子。

選擇特定領域的例子。

使用活潑的口語化方式回答。

適當擴寫或概括。

設定明確的格式和回覆量。

7. 七個原則：這個部分主要應用了郵儲銀行潘工的框架，

設定格式要求。

控制回覆量。

使用角色和場景來模擬真實情境。

重新整理資料。

設定內容的範圍。

組合不同的流程。

突破個人認知限制。

8. 安全八決：在結束之前，我想再次強調安全使用 ChatGPT 的重要性。為了保護資料和資訊保安，我們可以遵循以下八個重要的步驟：

首先，我們應該始終確保在辦公場所禁止使用 ChatGPT，以避免任何可能的資訊洩露和資料安全問題。

其次，我們不能上傳高於 “秘密” 級別的資料到 ChatGPT 或其他任何人工智慧平臺上，這是為了保護最高階別的國家安全和商業機密。

第三，我們應該避免大段上傳文件或敏感資訊，因為這可能會導致資料洩露和濫用。

第四，公司程式碼是公司的核心資產，因此我們不能將其上傳到 ChatGPT 或其他人工智慧平臺上，以防止被競爭對手獲取或被惡意使用。

第五，我們應該始終隱藏公司和個人真實資訊，以避免被不法分子利用。

第六，在使用 ChatGPT 時，我們應該使用類比方式隱藏真實意圖，以避免被惡意攻擊者猜測和利用。

第七，對於重要的任務和敏感的資訊處理，我們應該使用多個賬號 /API 方式分開處理，以增加安全性和保密性。

最後，我們應該假設自己的行為會被追責，以更加謹慎地保護資訊保安和遵守相關法律法規。

透過遵循這些步驟，我們可以確保在使用 ChatGPT 時資料和資訊的安全性。

更多優質內容請關注公號：汀丶人工智慧；會提供一些相關的資源和優質文章，免費獲取閱讀。