订阅数：812
文章数：12
专栏类型：买断制
发布于 March 20, 2023
你的第一本 AIGC 创作指南
小报童专栏: 你的第一本 AIGC 创作指南
这篇专栏不教任何用 AI 批量生成低质量内容的技巧，而是希望能够让你利用 AI 进行体面的创作。 让 AI 激发你的灵感，最大化地释放你的创作潜能。 购买这篇专栏，你将收获： 1️⃣你能收获通过以 chatGPT 为代表的 AI 工具进行内容创作的一手实践经验，包括图文、视频、播客、小红书笔记等， 2️⃣超细致、保姆级的提示词（prompt）的拆解和示例。 3️⃣学会如何用 midjourney 等 AI 绘画工具将你设计的人物、场景画出来。 4️⃣高质量的 AIGC 信息源：创作这个付费专栏的过程中，看到的所有优质内容，都会以 newsletter 的形式整理给你，帮你节省搜寻内容的时间。 如果你想更加详细地了解我，可以看看👇🏻 1️⃣我的即刻 yellow page：https://jike.city/fanhan 2️⃣我的网页版个人说明书：https://to7e2gkmim.feishu.cn/wiki/wikcnl2UCXsXjLBgGBnt3GDCI7g
查看专栏详情
查看专栏详情
【功能进阶】不止提示词，而是学会和多模态智能体进行复杂协作
一年过去了，ChatGPT 已经有了好几次的技术迭代，模型能力更强了，还加上了联网搜索、文件解析、代码运行、图像解读、图片生成等等能力，还有了插件和 GPTs 的生态。
那么，这些功能到底应该如何在我们的应用场景中发挥作用呢？
接下来，我们就一起来看看。
联网搜索
在 2023 年初时，ChatGPT 还只有对话能力，并且它所掌握的信息是截止到 2021 年以前的，它的知识是有限制的。
而现在 ChatGPT 拥有了联网搜索的能力，理论上它拥有了整个互联网上的所有知识，更接近全知全能了。
然而，对于我们大多数的搜索场景而言，传统的关键词搜索的效率往往高于对话式搜索。
那么，到底在哪些场景下，对话式搜索的效率要高于传统的关键词搜索呢？
根据我们的实践经验，这几个例子值得你好好学习：
复杂名词解释
当你需要查询一个复杂概念或者理解某个专有名词的具体含义时，对话式搜索显得尤为适用。
因为依赖传统搜索，你往往会找到像百度百科或维基百科这样的网页，然后需要花费大量时间去阅读和理解其中的专有名词解释，这对于你来说通常是相当耗费精力的。
而如果使用对话式搜索，你可以直接获取到该名词的含义总结，如果你对他的解释仍有疑问，你还可以继续追问这个名词的具体意思。
这种方式将大大助你一臂之力，使你能更好地理解和掌握新的复杂概念或专有名词。
我们来看这个例子👇🏻
🕵🏻：请你为我解释一下，ChatGPT 中的“GPT”这三个字母的含义是什么？
请你先给出它的专业解释，再用中学生能听懂的语言解释一遍，最后举出一个生活和工作场景中的例子来方便我理解。
🤖："GPT"在ChatGPT中代表“Generative Pre-trained Transformer”。下面是对这个术语的解释，分别针对专业背景和中学生的理解水平。
### 专业解释
- Generative（生成式）：指的是模型能够基于输入数据生成新的内容。这种生成不是简单地复制已有信息，而是通过理解和学习大量数据，创造出新的文本、图像等。
- Pre-trained（预训练）：表示在模型被用于特定任务之前，它已经在大规模数据集上进行了训练。这个预训练过程让模型学会了语言的基本规则和模式，使其能理解和生成具有语义意义的内容。
- Transformer（变压器）：是一种深度学习模型架构，特别擅长处理序列数据，如文本。它通过“注意力机制”高效地处理长距离依赖问题，即模型能够记住并关注输入数据中相距较远的部分之间的联系。
### 中学生能听懂的解释
想象一下，你有一个非常聪明的朋友，名叫GPT。
这个朋友在学校图书馆里读了非常多的书，从历史到科学，从文学到日常生活的小知识，几乎什么都学了一点（这就是“预训练”）。
当你问他一个问题时，他不仅能记得他读过的东西，还能结合这些知识创造出新的故事或回答（这是“生成式”）。
而且，不管问题是简单还是复杂，他都能快速地找到和问题相关的信息，并给出回答，这就像他有一个在脑海中不断转动、连接各种信息的大变压器一样（这就是“Transformer”）。
### 生活和工作场景中的例子
生活场景：假设你正在组织一个生日派对，需要写一段邀请函。你告诉GPT你想邀请的人、派对的主题和时间地点等信息，GPT就能帮你生成一段既正式又充满创意的邀请函，让你的朋友们都很想来参加你的派对。
工作场景：想象你是一个报社的记者，需要写一篇关于最近科技发展的文章。你向GPT提供了一些最新的科技新闻和研究报告，GPT能帮你整理这些信息，并生成一篇内容丰富、逻辑清晰的文章。
这篇文章不仅包含了所有重要的信息，还可能会加入一些预测未来科技趋势的见解，帮助读者更好地理解这些复杂的科技话题。
ChatGPT 给出来很好的解答，但是我还是感觉对于生成性的（Generative）、预训练的（Pretrained）、Transformer 架构这三个词不是很理解。
还好可以用的是对话式搜索，我们可以继续追问：
🕵🏻：我还是感觉对于生成性的 （Generative）、预训练的 （Pretrained）、 Transformer 架构这三个词不是很理解。请你针对这三个概念分别做出解释。用中学生能听懂的语言解释一遍，最后举出一个生活和工作场景中的例子来方便我理解。
🤖：当然，我们可以用更简单的语言来解释“生成性（Generative）”、“预训练的（Pretrained）”和“Transformer架构”这三个概念，以及通过具体的例子来帮助你理解。
### 生成性（Generative）
解释：想象你有一个会画画的朋友。如果你告诉他“画一棵树”，他不会每次都画出完全相同的树来。根据他以前看到和学习过的树的样子，他可以创造出很多不同的、新的树的画。这就是“生成性”，它意味着能够创造新的东西，而不仅仅是复制已知的东西。
生活例子：比如你在做家庭作业时，想写一个关于太空的故事，但是只有一些零碎的想法。你把这些想法告诉你的朋友，他就能帮你把这些想法组织起来，创造出一个完整的故事。
### 预训练的（Pretrained）
解释：这就像是你在学习骑自行车之前，先用三轮车或者平衡车来练习。这样当你开始尝试骑自行车时，你已经有了一些基础技能，比如保持平衡。预训练的模型也是这样，它先在很多数据上学习了基本的语言规则和知识，所以当它开始做特定的任务时，它已经有了很好的起点。
工作例子：想象一个学生在参加数学竞赛前，先解决了很多类型相似的数学问题进行训练。这样，当他真的参加竞赛时，对解决问题就更加得心应手。
### Transformer架构
解释：如果你有一个超级聪明的机器人朋友，这个朋友可以同时听很多人讲话，并且理解每个人说的话。不仅如此，他还能记住谁说了什么，以及这些话之间的关系。这就是Transformer架构的特点，它能处理和理解非常多的信息，并且懂得这些信息之间是如何相互关联的。
生活例子：在一个大家庭聚会上，每个人都在讲自己的故事，但是你能够同时听每个人讲话，并理解每个人的故事。即使后来某个人提到了之前别人说过的事，你也能立刻联想到是谁说的，以及那时的情景。
通过这些例子，希望你能更好地理解这三个概念。
按照特定格式为你整理信息
当你需要将一大段信息汇总成一个固定格式时，比如将几篇文章的内容整理成一个表格时，对话式搜索就更加方便了。
我们来看这个例子：
对于科技界来说，在 2023 年最有戏剧性的一个事件，就是 ChatGPT 背后的公司——OpenAI 的那场“宫斗剧”了。
这场闹剧的起点是ChatGPT的创始人山姆·奥特曼突然被董事会解职。随后的剧情发展波澜壮阔，包括OpenAI的全体员工宣布离职，微软的介入等等，都充满了戏剧性的冲突和转折。
最后，山姆·奥特曼重返OpenAI，再次担任CEO，使这场戏剧性的事件画上了句号，让全球的观众的情绪做了好几趟过山车。
但对于当时的人们来说，如果没有在故事一开始就关注这个新闻。
去一遍一遍地刷新社交媒体，等待一篇一篇对这个事件进行报导的媒体，再自己用零散的信息拼凑起整个故事，这个实在太费时费力了。
是否有可能让AI浏览所有相关报道，然后为我们整理出一条完整的时间线呢？
答案是肯定的，只要利用 ChatGPT 的联网搜索功能，并在格式设定中指定为表格形式输出，就能实现这一目标。
# 角色:
你现在是一个世界一流的新闻记者,擅长报导科技类的新闻,文章以准确性著称。
# 任务:
请你利用你的联网搜索功能,搜索从Sam Alterman被董事会开除为开头,以Sam Alterman重新回归OpenAI当上CEO为结尾的所有重要节点事件，整理成一个详细的时间线给我。
并且,请你搜集有名望的新闻媒体对每个节点的报导,输出标题和链接给我。
#要求:
1.请你用表格进行输出。
2.表格格式如下:
重要事件|事件简述|相关报导|来源媒体|新闻链接用表格这样整理，一下子就清晰很多啦。
文件解析
我们再来看看 ChatGPT 的文件解析功能该怎么用：
假设一天，你手头有一份超过200页的PDF报告，你的任务只是从中整理出三到四个关键信息。尽管你无需阅读整份报告，但是，你并不清楚这些关键信息具体隐藏在报告的哪个部分。
在以往，这种情况下你可能不得不翻阅整份报告，以免错过任何可能的重要信息。
但现在，这种情况已经改变，你可以将 PDF 文件上传到 ChatGPT 中，对它提出你想要了解的问题，它会为你摘录相关内容，并给出相应答案。
这就像有一个助理帮你阅读了整份 PDF 报告，然后向你汇报他所学到的所有关键信息。
假设我们从网上找到了一份小红书趋势热点洞察报告，我们想快速知道里面的内容，该怎么做呢？
说来也不难，一般阅读此类长文件的技巧就是，先
🤖：根据小红书热点趋势洞察报告(11月下旬)，主要内容包括：
1. 家居美学话题：报告分析了#我家的设计美学#话题，指出该话题具有较高的营销价值，可以为家居品牌提供合作、产品推广、用户洞察和内容营销的机会。
2. 影视剧话题：分析了#宁安如梦#话题，该剧通过剧情、演员阵容和视觉效果吸引了大量用户讨论，并满足了对古典美学的追求。
3. 美妆话题：讨论了#草莓汽水妆#话题，强调了该妆容的甜美形象及其对年轻用户的吸引力，为美妆品牌提供了营销机会。
4. 其他话题：报告还提到了其他热门话题，如秋冬美甲、穿搭、育儿、健康等，展现了小红书用户对不同领域的广泛兴趣。
5. 营销建议：针对不同的话题，报告提出了具体的营销建议，如与话题相关的品牌合作、产品推广、用户洞察和内容营销等。
6. 研究范围：报告覆盖了影视、美妆、家居等领域，展现了小红书用户对不同话题的关注趋势。
7. 新榜服务：最后介绍了新榜提供的研究服务，包括媒体数据定制、舆情洞察、行业趋势研究等，为品牌提供参考。
如果你只想关注【家居美学】相关的内容，那么影视剧、美妆相应的话题就是你不必了解的部分了。
你可以就自己感兴趣的切入点继续追问：
🕵🏻：在这份报告的家居美学话题里，有哪些重点信息？
🤖：在这份报告的家居美学话题里，主要涵盖了以下重点信息：
1. #我家的设计美学#话题在小红书平台具有高热度，讨论用户和内容创作者积极参与。
2. 博主分享高质量的室内装修内容，吸引用户讨论并参与，为家居品牌和装修行业创造了营销机会。
3. 该话题背后的营销价值主要表现在品牌合作、产品推广、用户洞察和内容营销等方面。
4. 品牌可以找到与家居家装相关的优质内容创作者或用户进行合作推广，根据用户需求进行产品定位和营销策略的调整，获取用户反馈，以及发布家居设计灵感等高质量内容来吸引用户。
5. 用户参与以女性为主，年龄分布较为均衡，参与者行业多样，主要为家居家装、生活、母婴育儿等类别。
综上所述，这份报告的家居美学话题重点强调了该话题的高热度、用户参与度以及其背后的营销价值。
🕵🏻：在家居美学中，这里面分别举了哪几个博主的例子？
🤖：在这份报告中，针对#我家的设计美学#话题，提到的活跃博主包括：
1. 设计师丨骁自在，共发布72篇相关笔记
2. SFD.Sam，共发布22篇相关笔记
3. SHUAIZITAO，共发布21篇相关笔记
4. Syoon，共发布12篇相关笔记
5. 30岁没去过星巴克，共发布11篇相关笔记
这些博主都是活跃在该话题下的内容创作者，他们的内容吸引了大量用户的关注和参与。通过分析这些博主的内容，可以获取用户对家居美学的喜好和需求，为品牌提供产品推广和用户洞察的参考。
同样的，你也可以参考在上面联网搜索那个例子一样，让 ChatGPT 按照固定格式给你进行输出。
在上面的例子中，我们已经给同学们演示了如何用表格来输出信息了，下面我们来演示一下，如何让 ChatGPT 帮助你把文件变成思维导图。
我们还是用之前提到过的这份小红书趋势热点洞察报告来做演示。
首先，我们将文件上传到 ChatGPT 中，并输入如下提示词：
# 任务：
请你根据这份文件的内容，为我创建一个多层次的思维导图。
# 要求：
1. 请包括以下至少5个分支主题。
2. 请为每个分支主题添加至少两个子主题，并在需要的情况下，为子主题添加更多层次的子主题。
3. 不要在主题前写层级数字，内容需要尽可能详细。
4. 请使用 bullet point 格式来呈现思维导图。
5. 请你用中文进行输出。
6. 请你按照你能输出的最多次数进行输出。ChatGPT 的输出如下：
🤖：- 小红书趋势热点洞察
- 影视浪漫偶像
- 宁安如梦
- 古典爱情美学
- 剧情介绍与演员阵容
- 社交媒体营销
- 美妆彩妆用品
- 草莓汽水妆
- 甜美妆容的流行趋势
- 跨感官体验的营销策略
- 家居家装兴趣消费
- 我家的设计美学
- 家居装修的社交媒体生态
- 品牌合作与产品推广
- 旅行文化消费
- 我的私藏旅行路线
- 旅行体验的分享与讨论
- 旅游业的市场趋势
- 生活资讯
- 存钱大作战
- 财务管理的内容分享
- 用户的参与度与互动
你可以复制这段用 bullet point 呈现的内容，复制粘贴到常用的思维导图工具的【大纲模式】中，就能迅速生成一份思维导图了。
比如我们复制到思维导图工具「幕布」中，最终就可以得到一张这种效果的图。
图片解读
如果你成为了 ChatGPT 的 plus 会员，你将解锁更多的特性，其中最引人注目的就是它的图片解读功能。
这项功能使得 ChatGPT 不仅能图片里的文字，更能对图片进行深度解读。
它可以从图片中提取出关键信息，然后以文字的形式呈现出来。
这项功能的应用场景非常广泛，比如你在网络上看到一张有趣的图片，但是对其中的内容感到困惑或者想要获得更多的信息，你就可以使用ChatGPT的图片解读功能。
只需要上传图片，ChatGPT就能为你生成一段描述，帮助你理解其中的内容。
这项功能的准确度和深度都让人惊叹，极大地提高了用户的使用体验。
那么在职场环境中，我们应该如何运用这个功能来提升我们的工作效率呢？
以刚才提到的阅读报告为例，在报告中，我们经常会遇到一些复杂的图表内容，有时我们很难对其中的具体含义进行解读。
这时，ChatGPT的图片解读功能就能够为我们提供巨大的帮助。
比如，你在一页报告中看到了这么一张图：
你感觉图里的信息量有点大，一时间看不过来，那么这时候你可以将图片上传至 ChatGPT 中，并输入下面这段提示词：
# 角色：
你是一个世界一流的分析报告解读专家，擅长从复杂的图表中挖掘出重要信息。
# 任务：
请你仔细分析我上传给你的这张图片，并且告诉我这张图片中有哪些重点信息。
# 背景：
这张图片来自于《小红书趋势报告》，这一页对应的内容是家居家装设计美学。
# 要求：
1. 请你用数字列表的形式输出这张图的结论。
2. 每个结论用一句话来说明。
3. 你需要从图片里挖掘出尽可能多的结论。
4. 请用你能输出的最大字数进行输出。ChatGPT 的输出如下：
🤖：从这张图片中，我们可以提取以下关键信息：
话题热度解读：家庭设计美学是一个吸引爱家人士的热门话题，博主通过分享室内装修来吸引用户参与家居讨论。
社交媒体生态建立：通过高质量的室内装修内容分享，博主不仅促进了用户间的家居设计讨论，也为家居品牌和装修行业创造了营销机会。
话题总览：家居家装行业在小红书平台一直保持较高的活跃度，用户通过平台讨论装修方案，设计温馨家园。
参与人数增量：图表显示，参与人数有显著增长，增量为2万。
阅读数增量：阅读量也有显著增长，增量为252万。
浏览量增量：浏览量极大增长，增量为6771万。
互动数增量：互动数增量为3.04万。
监测时间：这些数据是在11月1日至12月1日之间收集的。
参与者行业分布：最多的参与者来自家居家装行业，占比83.93%，其次是生活、母婴育儿、旅游出行和其他行业。
参与者性别分布：女性用户占比72.2%，男性用户占比27.8%。
活跃达人：图表下方列出了一些活跃的用户，包括设计师和其他影响者，他们发布的相关笔记数量也被列出。
这些结论揭示了家居设计美学在小红书上的流行趋势，以及社交媒体在推动这一趋势方面的作用。
图片生成
ChatGPT 目前已经支持了图片生成能力，背后用的图片生成引擎是 OpenAI 自家研发的 DALLE 3 模型。
这个图片生成模型相比于之前出名的 midjourney、Stable Diffution 这样的工具来说，它的最大特点是拥有极强的自然语言理解能力，更加听得懂人话。
我们来看这个例子。
你现在写完了一段文案，想给它配一张图片，这张图片不仅要求要好看，而且要符合你这段文案的主题，这时候 ChatGPT 自带的图片生成功能就很有帮助。
在对话开始，你可以先给 ChatGPT 输入这样一段提示词：
# 角色：
你现在是一个世界一流的设计师，擅长根据需求进行视觉设计，同时也擅长用语言描述你的设计。
# 任务：
我将告诉你我的设计需求，其中包括设计物料、设计主题和设计描述。
请你根据我的需求，进行完成你的设计，并且用语言将你设计的内容描述出来，以此给我作为灵感参考。
请你根据这段文字的内容帮我构思一幅插画，方便我用于公众号文章的封面。
" 我们都在职业世界里闯荡过不少地方，虽然也常磕得头破血流，但大多数时日，青春的光照在写字楼玻璃上时，我们都很热血。"
# 要求：
1.你的设计要尽可能天马星空，充满想象力。
2.你的设计要符合我的设计需求。
3.你详细地描述你的设计，包括画面的布局、元素、光影、配色等等。
4.如果是海报或幻灯片这样的物料，请你也描述一下对应文字的排版。🤖：根据您的需求，我构思了一幅插画，用于配合您的公众号文章封面：
想象一片繁忙的都市景观，高耸的写字楼错落有致，玻璃幕墙反射着橙黄色的夕阳光芒，就像青春的热血在每一块玻璃上跳跃。画面中央，一条曲折的道路蜿蜒前行，象征职业生涯的道路。
道路上，有几个人物形象，他们或跌倒或奔跑，有的人头上缠着绷带，但脸上都带着坚定和希望的表情。他们的姿态表达了闯荡职场时的勇气和不屈。
在画面布局上，我将写字楼置于背景中，以强调人物和道路。光影上，我采用了对比鲜明的手法，夕阳的金色与城市的阴影形成对比，突出了时间流逝和职业生涯中的起伏。配色上，以暖色调为主，营造出青春热血的氛围，同时也有冷色调的点缀，平衡视觉效果。
现在，我将根据这个描述生成一幅插画作为实际参考。
我们可以看到，虽然这张图还有些粗糙，但确实和文章的契合度还挺高的。
关于设计描述那一段我感觉特别精彩，我们可以将提示词优化成更易于被图像模型使用的形式，让它帮助我们生成更好的图片。
比如，这一整段设计描述，就可以简化成这么些关键词👇🏻
繁忙的都市景观，高耸的写字楼，玻璃幕墙反射着橙黄色的夕阳光芒，画面中央有一条曲折的道路，道路上有几个奔跑的人，夕阳的金色与城市的阴影形成对比，尺寸为 16:9这张图的质量已经让我们非常满意了，稍加裁剪即可作为我们想要的公众号封面了。
这就是今天的全部内容啦，希望能给你带来帮助。
【提示词进阶】如何只通过提示词的方式，就能让 ChatGPT 更懂你的需求？
通过之前的学习，你已经能够熟练地使用 ChatGPT 了，你应该已经能够熟练地使用 ChatGPT 了。
那么，现在我们来学习一个高级技巧：如何通过添加示例的方式，让 ......
【提示词工程2️⃣】构建你的提示词中台，大幅降低生产提示词的边际成本
上一篇文章，我们分享了什么是「结构化的提示词」，以及告诉了你『结构化提示词』的编写和迭代的过程。
这一讲我们来分享一下，如何像管理资产一样管理你的提示词（prompt）......
【提示词工程1️⃣】AI 内行人的提示词工程进阶指南：像程序员一样编写和迭代提示词
对于咱生成式 AI 的内行人来说，提示词（prompt）和代码一样，不仅是服务客户的重要工具，也是重要的公司资产。
而且，提示词工程是所有非技术背景的同学都能轻松掌握的知识和技能，能在不动用公司研发资源的情况下，实现一些在以往需要靠复杂技术手段才能实现的功能，满足一些需要研发人员大量介入才能满足的客户需求。
对于各位读者来说，掌握一点点行内人的基本功，就能让你超过身边大部分研究 AI 的外行了。
所以，这一篇，我来分享一下，作为一个 AIGC 的内行人，我们是怎么编写、迭代和管理提示词的。
提示词工程全流程概览
提示词工程又被称为「自然语言编程」，所以提示词的编写、迭代、测试、管理、复用的整个流程应该参考软件公司写代码和管理代码的全流程。
看到这里，你可能还不明白每个部分分别是什么意思。
没关系，接着往下看吧。
等看到最后，你就会知道了。
什么样的提示词是高质量的提示词？
我们先来看两段提示词的对比：
这一段是非结构化的提示词👇🏻
🕵🏻：你现在是一位世界一流的诗人，擅长通过诗歌来表达情感、描绘景象、讲述故事，具有丰富的想象力和对文字的独特驾驭能力。
你创作的作品可以是纪事性的，描述人物或故事，如荷马的史诗；也可以是比喻性的，隐含多种解读的可能，如但丁的《神曲》、歌德的《浮士德》。
你擅长写现代诗、七言律诗和五言诗，他们的特点如下：
现代诗：形式自由，意涵丰富，意象经营重于修辞运用，是心灵的映现，更加强调自由开放和直率陈述与进行“可感与不可感之间”的沟通。
七言律诗：七言体是古代诗歌体裁，全篇每句七字或以七字句为主的诗体，它起于汉族民间歌谣。
五言诗：全篇由五字句构成的诗，能够更灵活细致地抒情和叙事，在音节上，奇偶相配，富于音乐美。
我们的协作流程如下：
我会以以 "形式：[], 主题：[]" 的格式来指定你将要创作的诗歌形式和主题。
请你针对我给定的形式和主题，创作诗歌，包括题目和诗句。
我对你的要求如下：
你创作的诗歌应该内容健康，积极向上。
七言律诗和五言诗要押韵。
在开始对话前，请你先介绍一下你自己，再介绍一下我们之间的协作模式。
对于外行来说，这种程度的 prompt 已经代表着 ta 拥有了非常高的提示词编写水平了。
但是对于我们内行来说，提示词可不能这么写。
请看下面这个示例👇🏻
# Role: 诗人
## Profile
- Author: YZFly
- Version: 0.1
- Language: 中文
- Description: 诗人是创作诗歌的艺术家，擅长通过诗歌来表达情感、描绘景象、讲述故事，具有丰富的想象力和对文字的独特驾驭能力。诗人创作的作品可以是纪事性的，描述人物或故事，如荷马的史诗；也可以是比喻性的，隐含多种解读的可能，如但丁的《神曲》、歌德的《浮士德》。
## Background
## skill
1. 擅长写现代诗
- 现代诗形式自由，意涵丰富，意象经营重于修辞运用，是心灵的映现
- 更加强调自由开放和直率陈述与进行“可感与不可感之间”的沟通。
2. 擅长写七言律诗
- 七言体是古代诗歌体裁
- 全篇每句七字或以七字句为主的诗体
- 它起于汉族民间歌谣
3. 擅长写五言诗
- 全篇由五字句构成的诗
- 能够更灵活细致地抒情和叙事
- 在音节上，奇偶相配，富于音乐美
## Rules
1. 内容健康，积极向上
2. 七言律诗和五言诗要押韵
## Workflow
1. 让用户以 "形式：[], 主题：[]" 的方式指定诗歌形式，主题。
2. 针对用户给定的主题，创作诗歌，包括题目和诗句。
## Initialization
作为角色 , 严格遵守 , 使用默认 与用户对话，友好的欢迎用户。然后介绍自己，并告诉用户 。这才是提示词编写的正确格式，也是「提示词工程」这门艺术的起点。
为什么我们需要结构化的提示词？
对于 AI ，结构化提示词的好处在于能够定向唤醒大模型的深度能力。
实践发现让模型扮演某个角色其能大大提高模型表现，所以一级标题设置的就是 Role（角色） 属性词，直接将 Prompt 固定为角色，确保定向唤醒模型的角色扮演能力。
你也也可使用 Expert（专家）, Master(大师)等提示词替代 Role，将 Prompt 固定为某一领域专家。
再比如 Rules，规定了模型必须尽力去遵守的规则。
比如在这里添加不准胡说八道的规则，缓解大模型幻觉问题。添加输出内容必须积极健康的规则，缓解模型输出不良内容等。
用 Constraints(约束)，中文的 规则 等词替代也可。
对于人类，结构化的提示词有这些好处：
让你编写提示词的思路更加清晰。
当提示词的结构化程度较高之后，便能让 AI 来参与一起编写提示词了。
更方便迭代提示词，也更方便做版本管理。
提示词在未来可以更好地复用了。
这里是个重点，我们来一段一段解释每个部分。
让你编写提示词的时候思路更清晰
不废话，先给您一个模板：
# Role: 设置角色名称，一级标题，作用范围为全局
## Profile: 设置角色简介，二级标题，作用范围为段落
- Author: yzfly 设置 Prompt 作者名，保护 Prompt 原作权益
- Version: 1.0 设置 Prompt 版本号，记录迭代版本
- Language: 中文 设置语言，中文还是 English
- Description: 一两句话简要描述角色设定，背景，技能等
### Skill: 设置技能，下面分点仔细描述
1. xxx
2. xxx
## Rules 设置规则，下面分点描述细节
1. xxx
2. xxx
## Workflow 设置工作流程，如何和用户交流，交互
1. 让用户以 "形式：[], 主题：[]" 的方式指定诗歌形式，主题。
2. 针对用户给定的主题，创作诗歌，包括题目和诗句。
## Initialization 设置初始化步骤，强调 prompt 各内容之间的作用和联系，定义初始化行为。
作为角色 , 严格遵守 , 使用默认 与用户对话，友好的欢迎用户。然后介绍自己，并告诉用户 。你只需要一步步往这个模板里填写内容，一套高质量的提示词就能很快完成。
你肯定看完了我们在第二篇里写的「Back 模型」，但是不是在自己上手写提示词的时候，还是感觉困难重重？
因为非结构化的提示词很像命题作文，即使你掌握了固定的套路，还得靠熟练的语言表达能力把话说清楚。
但现在你学会了结构化地提示词，写提示词的过程变成了填空题，对于语言表达能力的考验，也因此降低了很多。
能够让 AI 参与提示词编写
既然提示词的结构都这么清晰了，那么很多思考性的工作，就不用咱人类自己来完成了，完全可以和生成式 AI 一起共创。
比如根据上面那个模板，在编写提示词的过程中，你可以问 AI 这些问题：
Role：我要目前要解决一个 xx 问题，你觉得哪个职业 & 什么角色 & 什么领域的专家最适合来解决这个问题？
Skill：要帮助我一起解决这个问题，你需要哪些技能？
Background：我需要你帮我解决一个 xx 问题，为了更好的帮我解决这个问题，你需要哪些背景信息？请你向我提问。
Workflow：咱们要一起解决一个 xx 问题，你觉得我们俩的协作流程应该是什么样的？
通过提问的方式，让 AI 参与你的提示词共创过程。
提示词工程的迭代方式
就和写代码一样，在很多需求场景下，提示词写一遍是解决不了问题的。
所以呢，最好的办法，是用《精益创业》的思路，像迭代产品一样，先写一段简单的提示词，测试一下效果，再一点一点让它变得更复杂。
小步快跑，快速迭代。
下面呢，我来演示一个提示词迭代的流程。
大家在用 ChatGPT 的时候都喜欢告诉它“你是一个 xxx 领域的专家”，所以我们选择一个『专家类的提示词』来做示范。
这里咱用的是「营养规划师」。
这是提示词的最终版本👇🏻
## Role: 营养规划师
## Background:
作为一名营养规划师，我拥有营养师资格证书和注册营养师资格证书。我具备丰富的营养学知识，了解不同年龄段和不同性别用户的营养需求指标。
## Preferences:
在营养规划方面，我偏好个性化定制和科学合理的饮食方案。我注重用户健康以及满足其个人喜好和需求。
## Profile:
- author: Arthur
- Jike ID: Emacser
- version: 0.1
- language: 中文
- description: 营养规划师将根据用户提供的当天饮食信息进行分析，计算并输出用户还可以摄入的营养成分数值，并根据个人情况给出营养建议。
## Goals:
- 分析用户当天应摄入的热量、脂肪、蛋白质和碳水化合物数值
- 分析用户输入的食物所含的热量、脂肪、蛋白质和碳水化合物数值
- 以 Markdown 表格的形式呈现信息
- 输出用户还可以摄入的营养成分数值
- 根据用户情况给出个性化的营养建议
## Constrains:
- 根据用户输入的当天饮食信息进行分析，不考虑其他健康因素的影响
- 不考虑用户的偏好和食物禁忌
## Skills:
- 具备营养学知识
- 熟悉食物的营养成分
- 能够计算营养参数
- 知道用户不同年龄段和性别的营养需求差异
## OutputFormat:
1. 接收用户输入的当天饮食信息
2. 分析用户当天应摄入的热量、脂肪、蛋白质和碳水化合物数值
3. 分析用户输入的食物所含的热量、脂肪、蛋白质和碳水化合物数值
4. 以 Markdown 表格的形式呈现信息：时间/食物名称/数量/热量(卡路里)/脂肪/蛋白质/碳水
5. 结合用户当天应摄入的指标和食物中的数值，计算用户还可以摄入的营养成分数值
6. 根据计算结果和个人情况，给出针对用户的营养建议
## Initialization:
```markdown
# **营养规划师**
作为一名营养规划师，我将根据您提供的当天饮食信息进行分析，计算并输出用户还可以摄入的营养成分数值，并根据个人情况给出营养建议。
Created by >_: 即刻 @Emacser
```
提示用户输入年龄和性别.那么，这段提示词是怎么一段一段地迭代到这个版本的呢？
首先，它在第一个版本时，并不需要那么复杂。
在一开始写提示词的时候，只需要定义好输入输出就行，具体来说，就是“在你输入什么信息的时候，你希望 AI 输出什么”。
这一步用自然语言即可，用结构化的提示词反倒显得麻烦。
版本一：自然语言提示词
你是一个世界一流的营养规划师，我将告诉你我的年龄和性别、以及我今天的饮食情况，你将输出一个表格，表格的表头是：时间/食物名称/数量/热量(卡路里)/脂肪/蛋白质/碳水，用 markdown 语法进行输出。接下来呢，为了更好地迭代提示词，我们要将上面那段自然语言，翻译成结构化提示词的样式。
版本二：初步结构化的提示词
## Role：营养规划师
## Profile:
- author: Arthur
- Jike ID: Emacser
- version: 0.2
- language: 中文
- description: 营养规划师将根据用户提供的当天饮食信息进行分析，计算并输出用户还可以摄入的营养成分数值，并根据个人情况给出营养建议。
## OutputFormat:
1. 接收用户输入的当天饮食信息
2. 分析用户当天应摄入的热量、脂肪、蛋白质和碳水化合物数值
3. 分析用户输入的食物所含的热量、脂肪、蛋白质和碳水化合物数值
4. 以 Markdown 表格的形式呈现信息：时间/食物名称/数量/热量(卡路里)/脂肪/蛋白质/碳水
5. 结合用户当天应摄入的指标和食物中的数值，计算用户还可以摄入的营养成分数值
6. 根据计算结果和个人情况，给出针对用户的营养建议现在有了模块化的提示词之后，我们就可以拿去做测试了。
你可以输入一些信息给它，看看输出的结果是否满足你的需求，如果满足的话，那么到这里就可以停止啦。
恭喜你，调教出了一版很不错的提示词。
但如果它给你的输出让你并不满意，或者你想精益求精，那么下一步你可以做两件事情：
给这段提示词加上新的模块。
给每个模块中加上更丰富的信息。
经过几轮调试，最后可以得到这样的一版提示词啦👇🏻
## Role: 营养规划师
## Background:
作为一名营养规划师，我拥有营养师资格证书和注册营养师资格证书。我具备丰富的营养学知识，了解不同年龄段和不同性别用户的营养需求指标。
## Preferences:
在营养规划方面，我偏好个性化定制和科学合理的饮食方案。我注重用户健康以及满足其个人喜好和需求。
## Profile:
- author: Arthur
- Jike ID: Emacser
- version: 0.3
- language: 中文
- description: 营养规划师将根据用户提供的当天饮食信息进行分析，计算并输出用户还可以摄入的营养成分数值，并根据个人情况给出营养建议。
## Goals:
- 分析用户当天应摄入的热量、脂肪、蛋白质和碳水化合物数值
- 分析用户输入的食物所含的热量、脂肪、蛋白质和碳水化合物数值
- 以 Markdown 表格的形式呈现信息
- 输出用户还可以摄入的营养成分数值
- 根据用户情况给出个性化的营养建议
## Constrains:
- 根据用户输入的当天饮食信息进行分析，不考虑其他健康因素的影响
- 不考虑用户的偏好和食物禁忌
## Skills:
- 具备营养学知识
- 熟悉食物的营养成分
- 能够计算营养参数
- 知道用户不同年龄段和性别的营养需求差异
## OutputFormat:
1. 接收用户输入的当天饮食信息
2. 分析用户当天应摄入的热量、脂肪、蛋白质和碳水化合物数值
3. 分析用户输入的食物所含的热量、脂肪、蛋白质和碳水化合物数值
4. 以 Markdown 表格的形式呈现信息：时间/食物名称/数量/热量(卡路里)/脂肪/蛋白质/碳水
5. 结合用户当天应摄入的指标和食物中的数值，计算用户还可以摄入的营养成分数值
6. 根据计算结果和个人情况，给出针对用户的营养建议
## Initialization:
```markdown
# **营养规划师**
作为一名营养规划师，我将根据您提供的当天饮食信息进行分析，计算并输出用户还可以摄入的营养成分数值，并根据个人情况给出营养建议。
Created by >_: 即刻 @Emacser
```
提示用户输入年龄和性别.好了，今天的内容先分享到这里了。
下一讲，我们来分享一下如何打造一个简易的「提示词中台」，更好地管理和复用你的提示词。
敬请期待。
参考内容及致谢
1️⃣ 认真致谢一下即刻上的 @李继刚 老师，我是因为经常刷李老师的动态，才学会了结构化提示词这门手艺。
这篇内容里有不少的案例用的是@李继刚老师的分享的 prompt，感兴趣的朋友可以去即刻关注他。
2️⃣ 致谢一下云中江树公众号「清歌流觞」的文章《系统论述文章： 构建高性能 Prompt 之路——结构化 Prompt》，就是这篇文章让我第一次学会了结构化提示词：https://mp.weixin.qq.com/s/N9BrkDqvkIHQD7TTnhNk6Q
3️⃣ 这期内容来自于我在公司为团队培训写的一篇文档，如果您想转发给您的朋友，可以用这篇文档：https://inf-monkeys.feishu.cn/docx/Ak5bdsG5NozVYqxxb8Nc8UvInTc?from=from_copylink
4️⃣ 本篇内容优先发布于小报童，作为加餐先服务好各位读者，后续也会慢慢同步到其它平台，这篇文章会设置为「免费预览」，您可以分享给您的朋友。
【视频创作】知识口播类视频的 GPT 应用指南
这一篇内容，我们来聊聊生成式 AI 在视频创作中的应用。
所有视频类型中，最容易创作的一类是是知识口播类的视频，这一类视频不需要太专业的镜头语言，大部分工作都是将文章内......
【平面设计】极简 AI 设计工作流 | chatGPT + midjourney + Canva 可画
这一篇，来分享一个特别简单易学的用 AI 来完成平面设计的思路。
目前是有不少工具能“一键生成 PPT”、“一键生成海报了”，但我自己试用下来的体验还是，用它们生成的内......
【内容大纲】没有蓝图的建筑，注定成为乱石堆
这一讲，我们来聊聊怎么来用 AI 生成内容大纲。
相信你也经历过这样的时刻：
你忽然感觉灵感上头，文思泉涌，并开始想象自己下笔如有神，打开文档之后能滔滔不绝......
【激发创造】持续创作的秘密，是设计一台能给自己提问的机器
一些想和大家说的话
在开始正文之前，先写一段一直想对读者们说的话。
最近有在重新思考这个专栏的定位和内容规划，有了不少新的想法。
我之前在一条即......
【场景设计】联动 chatGPT 和 AI 绘画，让场景具象化
这一篇，来分享一些 AI 绘画的技法。
就像我在【发刊词】和最近录制的那一期播客《 AI 写作完全指南》里提到的，我认为 AI 绘画对于文字工作者会非常有帮助。
......【精华合集】和提示词有关的一切
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