文章目录

🍊AI内容创作的精髓：提示词Prompt1 什么是提示词工程?1.1 提示词的原理是什么1.2 百万年薪的提示词工程师是真的吗?1.3 谁都能做提示词工程师吗?1.4 提示词未来前景

2 提示词的基本书写技巧3 三种常见的提示词框架3.1 CO-STAR框架3.2 BORKE框架3.3 结构化提示词

4书写提示语技巧4.1 Prompt逆向4.2 利用Coze写结构化提示词

5 提示词聚合网站5.1 AI Short5.2 提示精灵(AI智能酷网)

6 AIGC领域的应用

🍊AI内容创作的精髓：提示词Prompt

在深入探索AI内容创作的广阔天地时，我们不难发现，掌握一套高效且富有创意的提示词编写技巧，是开启这一领域奥秘的关键钥匙。提示词不仅是我们与AI沟通的桥梁，更是引导AI生成高质量、符合预期内容的重要指引。接下来，让我们一同揭开提示词的神秘面纱，深入了解其在AI内容创作中的核心作用与心法，探索如何运用巧妙的提示词，激发AI的无限潜能，共同创造出令人瞩目的作品。

1 什么是提示词工程?

<code>提示词工程一句话的解释组织有规律的关键词，抽取有用的信息。

提示词是如何影响AI的输出结果?

从以上可以看出，对AI输入不同的提示词，会显著影响AI回答问题的角度和专业度。精心设计的提示词能够引导AI更准确地理解问题背景，从而以更专业的视角和更贴切的答案进行回应。反之，模糊或不当的提示词则可能导致AI偏离主题，降低回答的专业性和准确性。因此，提示词工程在优化AI输出、提升用户体验方面扮演着至关重要的角色。

1.1 提示词的原理是什么

在大模型中，提示词通常是指一种技术或方法，用来指导模型生成特定类型的文本或响应。这个概念的核心思想是通过向模型提供一些关键词、 短语或指令，来引导它生成符合预期的输出。

1.2 百万年薪的提示词工程师是真的吗?

国内:

国外：

截至2023年10月10日，美国Prompt Engineering的平均年薪为每年59545美元。(ZipRecruiter数据)

行业前景

2023年算法岗位整体增加;提示词工程师新兴的岗位，岗位数少;与AIGC相关的岗位:数据标注、数据分析等增加。

2023年传统的三巨头岗位数都有增长，从量级上来看产品经理的量级最高，平均薪酬相当。

1.3 谁都能做提示词工程师吗?

那么这么低的门槛，意味着竞争的激烈!

<code>领域专家的薪酬可能才会到百万

护城河:大语言模型的标注等低门槛的事情，已有十几年的历史专业调教:领域的背景知识，纠正大语言模型，提供认知专业模型:: 金融、医疗、法律大模型需要背景+算力

哪些人在使用AI应用？

80% 主要知识工作者是:

大学生

文案

翻译

软件工程师.

数据分析师

教育工作者

1.4 提示词未来前景

DeepMind公司在其研究报告

《Large Language Models as Optimizers》> DeepMind公司在其研究报告中指出，大语言模型展现出了自我优化的潜力，并且能够深入理解人类意识。当前，大语言模型正处于一个高速发展的阶段，不断迭代和提升对提示词（prompt）的理解与认知。其核心价值在于，通过海量语料的训练，能够精准把握用户发出的各种指令，进而驱动机器实现人类的创意与构想。

展望未来，随着大语言模型的持续发展与迭代，我们无需再担忧提示词的精准度问题。因为大语言模型将自动为我们优化提示词，实现更加高效、精准的交互体验。

2 提示词的基本书写技巧

<code>技巧一:提供重要词语的定义，尤其是新的词语、模糊不清的词语比如各种形容词

技巧二:提供详细的背景信息

技巧三:提供上下文、数据

技巧四:善用符号“"、<>、###

技巧五:赋予Al更适合的身份

技巧六:指定输出的格式、内容结构、长度等

技巧七:给大模型优质的内容，让大模型模仿

3 三种常见的提示词框架

3.1 CO-STAR框架

有效的提示结构对于从LLM那里获取最佳回复至关重要。CO-STAR框架是新加坡政府科技部数据科学与人工智能团队的心血结晶，是构建提示的便捷模板。它考虑到了LLM回答的有效性和相关性的所有关键方面，从而使回答更加优化。

具体操作如下:

© 上下文:提供任务的上下文信息:这有助于LLM了解正在讨论的具体情景， 确保其答复具有相关性。

(O)目标:确定你希望LLM执行的任务是什么:明确你的目标有助于LLM把回答的重点放在实现这一具体

目标上。

(S)风格:指明你希望LLM使用的写作风格:这可以是某个名人的写作风格，也可以是某个行业的某个专

家，如商业分析专家或首席执行官。这将引导LLM以符合你需求的方式和用词做出回复。

(T)语气:确定回复的态度:这可确保LLM的回复与所需的情感或情绪背景产生共鸣。例如，正式的、幽默

的、善解人意的等。

(A) 受众:确定回复的对象:根据受众(如某一领域的专家、初学者、儿童等)量身定制LLM的回复，确保

其在所需的语境中是恰当的、可以理解的。

®回复:提供回复格式:这可确保LLM按照下游任务所需的准确格式输出。例如，列表、JSON、 专业报

告等。大多数LLM应用程序都会以编程方式LLM回复进行下游操作，对于这些应用程序来说，JSON输出格

式是最理想的。

3.2 BORKE框架

BROKE框架由陈财猫提出，著有书籍《ChatGPT进阶一-提示工程入门》

(B)背景(Background): 提供足够的背景信息，帮助AI理解问题的具体情境和背后意图。这可以是关于某

个事件的历史背景，或是某个问题的具体环境。

(R) 角色(Role): 指定AI在对话中扮演的角色，如“资深产品经理”或“顶尖心理学家”。这有助于建立一个具

体的形象，并明确Al在交流中的角色和职责。

(O)目标(objectives): 明确表达希望实现的目标，这有助于AI集中精力在实现这些目标上。

(K)关键结果(Key Results):定义关键结果以补充和完善目标，确保AI能够 更精确地满足需求。关键结果

应该是具体和可衡量的。

(E)实验改进(Evolve): 在与AI的互动过程中，如果生成的回答不符合预期，需要对指令进行改进和优化，

以获得更好的结果。

3.3 结构化提示词

结构化提示词是<code>李继刚老师提出的一个提示词的编写技巧

结构化提示词的特点 :

清晰性

结构明确：结构化提示词通过明确的标题、子标题、段落和句子等结构，使得提示内容一目了然。

便于理解：这种结构化的方式使得模型能够更容易地理解并执行提示内容。具体性

详细列出要素：通过详细列出角色、任务、目标、限制条件、技能和工作流程等要素。

提供执行指南：结构化提示词为模型提供了具体的执行指南，从而减少了模型对意图的误解。灵活性

模板与框架：虽然结构化提示词有一定的模板和框架。

自定义与调整：但用户可以根据具体任务的需求进行自定义和调整，以适应不同的场景和情境。

KIMI-AI:https://kimi.moonshot.cn/

4书写提示语技巧

4.1 Prompt逆向

将以下内容 总结并融合成一个提示词框架:

(C )上下文:提供任务的上下文信息:这有助于LLM了解正在讨论的具体情景，确保其答复具有相关性。

(O)目标:确定你希望LLM执行的任务是什么:明确你的目标有助于LLM把回答的重点放在实现这一具体目标上。

(S)风格:指明你希望LLM使用的写作风格:这可以是某个名人的写作风格，也可以是某个行业的某个专家，如商业分析专家或首席执行官。这将引导LLM以符合你需求的方式和用词做出回复。

(T)语气:确定回复的态度:这可确保LLM的回复与所需的情感或情绪背景产生共鸣。例如，正式的、幽默的、善解人意的等。

(A)受众:确定回复的对象:根据受众(如某一领域的专家、初学者、儿童等)量身定制LLM的回复，确保其在所需的语境中是恰当的、可以理解的。

®回复:提供回复格式:这可确保LLM按照下游任务所需的准确格式输出。例如，列表、

JSON、专业报告等。大多数LLM应用程序都会以编程方式LLM回复进行下游操作，对于这些应用程序来说，JSON输出格式是最理想的。

(B)背景(Background): 提供足够的背景信息，帮助AI理解问题的具体情境和背后意图。这可以是关于某个事件的历史背景，或是某个问题的具体环境。

®角色(Role): 指定AI在对话中扮演的角色，如“资深产品经理”或“顶尖心理学家”。这有助于建立一个具体的形象，并明确AI在交流中的角色和职责。

(0)目标(Objectives):明确表达希望实现的目标，这有助于Al集中精力在实现这些目标上。

(K)关键结果(Key Results):定义关键结果以补充和完善目标，确保AI能够更精确地满足需求。关键结果应该是具体和可衡量的。

(E)实验改进(Evolve): 在与AI的互动过程中，如果生成的回答不符合预期，需要对指令进行改进和优化，以获得更好的结果。

4.2 利用Coze写结构化提示词

Coze：https://www.coze.cn/home

这里有300个现成的提示词资源，涵盖了从职业规划、面试准备、简历编写，到销售话术优化、私域运营等多个维度的专业提示词。

https://download.csdn.net/download/2201_75539691/89544180

每个部分都针对特定场景，提供了详细的指导和建议，帮助用户在不同职业发展阶段和营销活动中，更有效地表达、沟通和展示自己。

5 提示词聚合网站

5.1 AI Short

链接：https://www.aishort.top/

5.2 提示精灵(AI智能酷网)

链接：https://www.znkw.com/#term-10

6 AIGC领域的应用

AIGC(Artificial Intelligence Generated Content)

指的是<code>人工智能系统生成的内容，通常是文字、图像、音频或视频。这类内容可以通过自然语言处理，机器学习和计算机视觉等技术生成，即生成式AI。

AIGC将会影响今后的购物、游戏、影视、音乐…工作与生活的方方面面

AIGC领域发展方向与产品:基础设施、大模型训练平台与工具、Al代理、Al编程和其他的工具和平台。

底层支撑是算力平台，大模型是具体的目前的产品。

文字: ChatGPT图片: Midjourney、 StableDiffusion

…

还有应用到非常多的上市公司:

每天都在涌现着

新的想法

新的创意

新的工作机会

生成式AI的Prompt实验

<code>import openai

openai.api_key = 'your-api-key'

prompt = "Write a story about an AI that learns to"

response = openai.Completion.create(

engine="text-davinci-003",code>

prompt=prompt,

max_tokens=100

)

print(response.choices[0].text.strip())

自然语言处理（NLP）中的提示词优化：

from transformers import pipeline

# 初始化一个文本生成模型

generator = pipeline('text-generation', model='gpt-2')code>

# 提供一个基础提示词

prompt = "How can AI be used to"

# 生成多个补全选项

completions = generator(prompt, max_length=50, num_return_sequences=3)

for i, completion in enumerate(completions):

print(f"Completion { i+1}:\n{ completion['generated_text']}\n")

自动化提示词生成:

from sklearn.feature_extraction.text import TfidfVectorizer

corpus = [

"AI can revolutionize healthcare by",

"Using AI in finance to",

"The role of AI in education is to"

]

vectorizer = TfidfVectorizer()

X = vectorizer.fit_transform(corpus)

feature_names = vectorizer.get_feature_names_out()

print("Important words for prompt creation:", feature_names)

基于AI的实时提示词调优工具:

from flask import Flask, request, jsonify

from transformers import pipeline

app = Flask(__name__)

generator = pipeline('text-generation', model='gpt-2')code>

@app.route('/optimize_prompt', methods=['POST'])

def optimize_prompt():

prompt = request.json.get('prompt')

completion = generator(prompt, max_length=50)[0]['generated_text']

return jsonify({ "optimized_prompt": completion})

if __name__ == '__main__':

app.run(debug=True)