怎么和AI（LLM）聊天

• 前言
• 引入
• 提示词
• 提示词工程（怎么问）
  • 明确任务类型
  • 具体化要求
  • 角色设定
  • 示例引导
  • 限制输出
  • 语境补充
  • 对抗性提示
  • 元提示（场景：自我优化）
  • 进阶技巧
  • 避坑指南
  • 记住有效提示的RISE原则
• 问什么

前言

现在的AI（LLM）越来越容易接触和使用，但是不同的使用AI的人之间仍旧存在巨大信息差，导致不同的人使用AI的效率天差地别。本文即用来消除信息差。

引入

视频：DeepSeek回答惊现广告，AI广告该来的还是来了吗？【雪鸡观察局345】

这个视频的核心思想就是，特定的谈话会让AI的回复中带有广告内容。这显然不是我们想要的东西。那么应该怎么避免它？这就是本文将要探讨的问题：怎么和AI聊天。

提示词

提示词（Prompt）简单来说就是你给AI下达的“指令”或“问题”。不同的提示词，AI的输出效果天差地别。比如说：

• 提示词1

  • 输入：

  写一首关于秋天的诗

  • 输出：

  秋天来了树叶黄，
  风吹稻谷阵阵香。
  大雁南飞排成行，
  丰收季节人人忙。

• 提示词2

  • 输入：

  请以现代诗的形式创作一首关于“秋天”的诗，要求：  
  1. **情感基调**：突出孤独与离别，避免提到“丰收”“喜悦”；  
  2. **意象参考**：枯井、锈铁轨、褪色明信片；  
  3. **结构**：分四段，每段三行，押朦胧韵；  
  4. **结尾**：用一句疑问句引发思考。

  • 输出：

  锈迹啃食着铁轨的体温，
  枯井咽下最后一声蝉鸣，
  秋天在邮筒里沉默失语。
  
  褪色的明信片蜷缩角落，
  地址是二十年前的月光，
  墨迹晕染成一片芦苇荡。
  
  风撕碎日历的每一页痛，
  落叶在掌心写满无名碑，
  谁在等一场不落地的雪？
  
  ——你说，季节会死于自己的名字吗？

提示词工程（怎么问）

从前面的例子可以看出提示词非常重要。

通过优化提示词的方式来提升AI的回答质量，被称作提示词工程（Prompt Engineering）。

如果需要细致了解提示词工程，可以访问Prompt Engineering Guide。在这里我们通过正反例来快速学会怎么问：

明确任务类型

❌ 反例："写代码"

✅ 正例："用Python编写一个爬取知乎热榜的脚本，要求包含异常处理和数据存储为JSON文件"

💡 说明：明确编程语言、目标网站、功能要求和输出格式

具体化要求

❌ 反例："写个广告语"

✅ 正例："为智能手表撰写3条科技感十足的广告语，每条不超过15字，包含'未来'和'健康'关键词"

💡 说明：限定数量、风格、关键词和长度要求

角色设定

❌ 反例："劳动合同要注意什么？"

✅ 正例："假设你是从业10年的劳动法律师，用表格形式列出签订劳动合同时必须检查的5个核心条款及常见陷阱"

💡 说明：赋予专业角色身份提升回答可信度

示例引导

❌ 反例："分析销售数据"

✅ 正例："参考示例格式：先用柱状图展示各季度销售额，再用折线图显示同比增长率。请分析附件的2023年全球销售数据，要求包含：1）区域Top3市场 2）最佳增长品类 3）异常波动说明"

💡 说明：提供输出格式样本确保结构化响应

限制输出

❌ 反例："写文献综述"

✅ 正例："用学术英语撰写500字左右的区块链金融文献综述，包含5篇近三年核心期刊的引用，按APA格式排版"

💡 说明：限定字数、时间范围、引用规范和格式

语境补充

❌ 反例："客户说物流慢怎么回？"

✅ 正例："假设客户购买的商品预计延误3天，请用温和语气撰写回复模板，包含：1）致歉 2）延误原因 3）补偿方案（20元券+优先发货）4）联系电话"

💡 说明：补充业务背景信息

对抗性提示

❌ 反例："这文章有问题吗？"

✅ 正例："请以最严格的审核标准，检查以下文本是否存在：1）虚假信息 2）歧视性表述 3）违反广告法内容。发现问题时直接标注原文并说明理由"

💡 说明：设定检查标准和输出格式

元提示（场景：自我优化）

❌ 反例："怎么更好使用你？"

✅ 正例："请分析我过去5个提问的质量，指出可优化的3个方面，并示范改进后的提问模板。用‘提问诊断报告’格式回答，包含：原题分析、改进建议、示例模板"

💡 说明：让AI协助提升提问技巧

进阶技巧

1. 混合模式："先以新手能理解的方式解释概念，再用专业术语总结要点"
2. 渐进式追问："首答列出大纲，我选择第2点后深入展开3个细分方案"
3. 格式嵌套："用Markdown输出，其中数据部分用表格，技术参数用代码块"
4. 风险控制："列举该方案的3个潜在风险，并按发生概率排序"
5. 溯源验证："重要数据请注明来源并评估可信度等级（1-5星）"

避坑指南

• 🚫 避免绝对化："最好的方法是什么" → 改为"当前行业主流方案有哪些"
• 🚫 警惕模糊指代："这个数据" → 明确"2023年Q3新能源汽车出口量"
• 🚫 防止过度简化："如何成功" → 改为"创业公司从0到1的关键要素"
• 🚫 注意文化偏见："美国人是不是都..." → 改为"美国东西海岸的文化差异"

记住有效提示的RISE原则

• Relevant（相关） - 紧扣核心目标
• Instructive（指导性） - 明确操作路径
• Specific（具体） - 量化可执行标准
• Explicit（明确） - 减少歧义空间

问什么

在“引入”中的视频，之所以AI会输出广告，是因为问的内容不对。

通常来说，不建议问过于细微的问题。比如说：

• 过于生活化的场景（张三为什么……；XX小区边上有什么好吃的东西）
• 需要极高记忆力的事情（某句诗的下一句；《XXX》中的第X章讲了什么）
• 产品选择（淘宝上哪家店铺卖的手机是正品；充电宝选哪个品牌）

训练AI的过程中，使用的数据完全不会涵盖这些内容。即使涵盖了，AI被训练出来的也是归纳能力，而不是记忆能力。问这些问题属于缘木求鱼。

显然视频里“回收手机”“维修空调”都属于产品选择/生活化场景，明显不适合AI回答。

除了这些反例，AI基本都可以回答。