12 KiB

Raw Permalink Blame History

1

下面是我整理的提示词写作涉及到的核心技能：

底层认知： 培养支撑有效提示词设计的核心思维能力
- 本质思考能力： 哲学（尤其是在认识论和方法论方面）。
- 逻辑思维： 数学（形式逻辑）、计算机科学（算法设计）。
- 批判性思维： 哲学（逻辑学、认识论）、修辞学。
- 信息素养： 图书馆学、信息科学、传播学。
- 语境理解： 语言学（语义学、语用学）、社会学、文化研究。
方法设计： 学习如何将问题转化为有效的提示词策略
- 问题重构能力： 问题解决理论、设计思维。
- 系统思维： 系统工程、控制论。
- 抽象化能力： 数学、计算机科学（数据结构、算法）。
- 对AI模型工作原理的理解： 计算机科学（机器学习、自然语言处理）、统计学。
- 领域知识的深度和广度： 这取决于具体的领域，可以是任何相关的学科。
具体执行： 掌握实际编写和优化提示词的技巧。
- 表达能力： 语言学、传播学、修辞学、写作学。
- 创意引导能力： 心理学（创造力研究）、艺术理论、音乐理论等（取决于创意领域）。
- 对不同提示词技巧的掌握： 人机交互（HCI）、应用语言学。
- 工具和平台的运用能力： 计算机科学、信息技术。
- 结果优化能力： 评估学、统计学、数据分析。
扩展创新： 探索非常规方法，引领AI能力进化。
- 跨域整合能力： 跨学科研究、综合科学。
- 实验和迭代能力： 科学方法论、研究方法。
- 用户体验意识： 人机交互（HCI）、用户体验设计（UX）、心理学（感知、认知）。
- 伦理意识： 哲学（伦理学）、社会学、法律。
- 风险意识和安全意识： 风险管理、安全研究、计算机科学（安全领域）。

我正在撰写核心技能的PPT，现在到了具体执行层面。具体执行层面除结果优化能力外，已经都写完了。之前，我们在其他对话中交流部分如下：

* **结果优化能力：**
    * **你的理解：** 对AI的输出结果有一个评判过程，这个也是需要掌握一些方法的，比如同时与几个AI讨论话题，生成提纲，最后输出内容时，一个输出，另一个按照要求进行检查等等。
    * **评判：** 理解到位，你已经在使用一些有效的优化方法。
    * **建议和补充：**
        * 建立明确的**评估标准**，例如：准确性、相关性、完整性、逻辑性、创造性等，根据不同的任务类型调整评估标准。
        * 进行**多轮迭代**，根据AI的初步输出，不断调整和完善提示词，直到得到满意的结果。
        * 利用AI工具自身的**反馈和编辑功能**进行优化。
        * 可以尝试使用**元提示 (Meta Prompting)** 的技巧，即让AI自己评估和优化其输出结果。

之前，你对此页PPT的建议如下：

**5. 结果优化能力：精益求精的追求**

* **基础概念：** 对AI的输出结果进行评估、反馈和迭代，以达到最佳效果。
* **核心技能：**
    * **建立评估标准：** 根据任务类型设定明确的评估标准（如准确性、相关性、完整性、逻辑性、创造性等）。
    * **多轮迭代：** 根据AI的初步输出，不断调整和完善提示词。
    * **多模型对比：** 同时与多个AI工具讨论或生成内容，进行比较和选择。
    * **利用AI反馈：** 运用AI工具自身的反馈和编辑功能进行优化。
    * **元提示 (Meta Prompting)：** 尝试让AI自己评估和优化其输出结果。

现在详细介绍结果优化能力，并且示例在提示词写作上的使用方式。

Ge

好的，我们来详细展开“具体执行”层面中的“结果优化能力”。这一部分是确保我们从AI获得的不仅仅是“一个”回答，而是最符合我们需求、最高质量的回答的关键环节。

以下是针对“结果优化能力”这一页PPT的详细介绍和示例：

结果优化能力 (Result Optimization Ability): 精益求精，追求卓越

这一能力是提示词写作流程中闭环的关键：获取AI输出后，对其进行有效地评估、反馈，并基于评估结果调整策略或提示词，直到获得满意甚至超出预期的结果。

基础概念：

AI的输出是基于概率和训练数据的生成过程，并非总是完美或完全符合意图。
结果优化是通过系统性的评估和迭代，提升AI输出质量和可用性的能力。
它要求使用者不仅仅是内容的消费者，更是内容的共同创造者和质量把控者。

核心技能：

1. 建立评估标准 (Establish Evaluation Standards)

理解： 在生成或评估AI输出之前，明确你判断结果好坏的标准是什么。不同的任务类型需要不同的评估维度。
在提示词写作中的应用：
- 任务导向的标准： 根据你想要AI完成的具体任务设定标准。
  - 例如，写一篇文章的标准可能是：准确性（信息无误）、相关性（内容紧扣主题）、完整性（包含所有必要信息）、逻辑性（结构清晰、论证合理）、表达能力（语言流畅、用词恰当）、格式要求（是否符合字数、段落等）。
  - 例如，生成代码的标准可能是：功能性（是否实现所需功能）、效率（代码运行效率）、可读性（代码是否易于理解）、健壮性（是否处理异常）、符合规范（是否遵循某种编码风格）。
- 在提示词中明确标准： 直接在提示词中告知AI你的评估标准或要求它满足的特定约束。这相当于让AI“知道”你要如何评价它。
  - 示例提示词： "请撰写一篇关于[主题]的博客文章，要求内容准确无误，篇幅在800-1000字之间，结构上必须包含引言、至少三个分论点及其支撑、结论。语言风格要生动有趣，适合普通读者。" (加粗部分即为设定的标准或约束)
- 自我评估： 形成一套内在的评估框架，对照提示词的初始意图和设定的标准，快速识别AI输出的优点和不足。

2. 多轮迭代 (Multi-round Iteration)

理解： 基于对AI初步输出的评估，不断调整、细化、补充原始提示词，进行多轮交互，逐步引导AI生成更符合需求的结果。
在提示词写作中的应用：
- 分析不足： 拿到AI输出后，对比评估标准，识别问题所在（如：内容太空泛、遗漏了关键信息、语气不对、格式错误等）。
- 修正提示词：
  - 如果内容太空泛：要求AI聚焦到某个特定方面，或提供更多背景信息。
  - 如果遗漏信息：明确告知AI需要包含哪些点。
  - 如果语气不对：要求AI使用指定的语气（专业、友好、幽默等）。
  - 如果格式错误：明确要求使用特定的格式（列表、表格、Markdown等）。
  - 如果需要深入：要求AI对某个点进行详细展开或提供论证。
- 分步进行： 对于复杂的任务，可以将大任务分解成小步骤，分步提示AI完成，每一步都进行迭代和优化。
- 示例迭代过程：
  - 第一轮提示词： "写一个关于太空探索的短介绍。" (输出可能很笼统)
  - 评估： 内容太短，缺乏细节。
  - 第二轮提示词： "在前一个介绍的基础上，详细展开介绍哈勃望远镜的贡献，并提及詹姆斯·韦布空间望远镜。要求总字数在300字左右。" (在第一轮基础上增加要求)
  - 评估： 包含了哈勃和韦布，但可能贡献说得不够具体。
  - 第三轮提示词： "在前文提及哈勃望远镜贡献时，请具体说明它在理解宇宙膨胀速度方面的作用。" (进一步细化)
  - ... 直至满意。

3. 多模型对比 (Multi-model Comparison)

理解： 利用不同的AI模型（如不同的GPT版本、Claude、Gemini等）来执行相同的提示词任务，比较它们的输出结果。
在提示词写作中的应用：
- 发挥模型优势： 不同的模型在处理特定类型的任务时可能有不同的优势（如创意写作、逻辑推理、代码生成等）。通过对比，找到最适合当前任务的模型。
- 获取多样化视角： 不同模型可能从不同角度解读提示词并生成内容，提供更丰富的思路和选择。
- 交叉验证信息： 对于需要准确性的任务，使用多个模型可以帮助验证信息的可靠性。
- 组合优化： 从不同模型的输出中提取最佳部分，组合成最终结果。
- 示例：
  - 同时将同一个产品描述需求发给GPT-4和Gemini 1.5 Pro。
  - GPT-4可能生成一份结构严谨、用词精准的描述。
  - Gemini可能生成一份更具创意、情感色彩更强的描述。
  - 你可以选择其中一个，或者结合两者的优点进行修改。

4. 利用AI反馈 (Utilize AI Feedback)

理解： 要求AI对自己的输出进行分析、修改或提供改进意见。这让AI从单纯的“生成者”转变为“协助优化者”。
在提示词写作中的应用：
- 自我检查与修正： 要求AI检查其输出中的错误或不符合要求的地方。
  - 示例提示词： "请仔细检查我刚才写的文章，找出其中所有的语法错误和拼写错误。" 或 "根据我们最初设定的要求（字数、结构、语气），请指出我刚才给出的回答有哪些地方不符合要求。"
- 风格或表达调整： 让AI以不同的方式重新组织信息或调整表达风格。
  - 示例提示词： "请将上面这段文字用更专业的术语重新表述一遍。" 或 "请将上面的观点用更简洁的方式总结为三个要点。"
- 解释生成原因： 对于某些意外或不理解的输出，可以询问AI生成该内容的理由。
  - 示例提示词： "在你之前的回答中，为什么你会特别强调[某个信息点]？能否解释一下你是基于什么考虑包含它的？" (有助于理解AI的逻辑和数据来源)

5. 元提示 (Meta Prompting)

理解： 一种更高级的技巧，通过赋予AI特定的“角色”或指示其遵循特定的“思考过程”，让AI在更高的层次上理解任务并优化其自身的行为或输出。它是一种让AI“反思”和“自优化”的方式。
在提示词写作中的应用：
- 设定角色进行评估： 要求AI扮演一个严苛的编辑、批判性思考者或领域专家，来评估它自己或你提供的内容。
  - 示例提示词： "假设你是一位有着20年经验的新闻编辑，请以这个身份严格审阅你刚才生成的新闻稿，指出其中的不准确之处、潜在的偏见或表达不清晰的地方，并给出修改建议。"
- 要求AI规划思考过程： 在让AI执行复杂任务前，先让它规划解决问题的步骤，这有助于提高最终结果的逻辑性和完整性。
  - 示例提示词： "在回答关于[复杂问题]之前，请先列出你将如何分析这个问题、会考虑哪些关键因素，以及你打算按照怎样的步骤来组织回答。等我确认了步骤，你再正式回答。"
- 引导AI进行自我修正的思考： 让AI思考如何改进它之前的输出。
  - 示例提示词： "回顾你上一个关于[主题]的回答。如果目标是让这个回答更具说服力，你会如何修改你的论证结构或增加哪些支撑证据？请只描述修改思路，不需要实际修改。"

总结：

结果优化能力是将AI潜力转化为实际价值的关键。它不是一次性的动作，而是一个持续的、迭代的过程。通过系统性地应用建立标准、多轮迭代、多模型对比、利用AI反馈和元提示等技巧，我们可以显著提升提示词的效果，获取更高质量、更符合需求的AI输出。掌握这些能力，意味着你能更好地驾驭AI，从“能用”到“好用”，甚至引领AI能力的边界。

希望这份详细说明和示例能够帮助你完成关于“结果优化能力”的PPT内容！

12 KiB Raw Permalink Blame History Unescape Escape

1

Ge