Appearance
怎么和AI(LLM)聊天
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:
markdown写一首关于秋天的诗
- 输出:
markdown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:
markdown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:
markdown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
- 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"
- 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"
- 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"
- 风险控制:"列举该方案的3个潜在风险,并按发生概率排序"
- 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。