提示工程（Prompt Engineering）是一种针对AI模型（如CHATGPT）
通过设计、实验和优化输入提示词来引导模型生成高质量，准确和有针对性的输出的技术
很多人可能花了100多买了个GPT会员，但是会发现可能玩了几天就失去了兴趣，本质上因为大部分人无法把GPT当做一种必备的工具，无法合理的使用GPT。
本网站将通过一系列课程帮助你逐步把AI当做你的随身助手，学会提问、寻找应用场景。

我们已经知道了GPT的作用是什么
现在我们来看下GPT的边界在哪里
哪些是GPT能做的，哪些是GPT做不到的
具体什么应用场景用人工智能模型合适

在与GPT或其他人工智能系统进行交流时
精准提问尤其重要
因为它们依赖于我们提供的信息来生成回答
定义和区分：
泛提问：这是一种宽泛、不具体的提问方式，通常缺乏详细的背景信息或具体需求。泛提问可能导致回答缺乏针对性，因为它们没有为回答者提供足够的信息来确定提问者的真正意图。
精准提问：这是一种具体、明确的提问方式，它提供了足够的背景信息、具体需求或目标，使回答者能够提供更准确、更有针对性的答案。

在提问中，问题词和限定词是帮助我们构建问题的核心元素，它们决定了问题的范围和具体性。下面是对这两个概念的解释：
问题词（Question Words）： 问题词是用来引导问题的词汇，它们通常指示了提问者想要了解的信息类型。常见的问题词包括：
谁（Who）：涉及人或者角色。
什么（What）：涉及事物、事件或者概念。
哪里（Where）：涉及地点或者位置。
何时（When）：涉及时间或者日期。
为什么（Why）：涉及原因或者目的。
如何（How）：涉及方式、方法或者过程。
是否（Whether）：涉及选择或者存在性。
限定词（Qualifier Words）： 限定词是用来限定问题范围或者具体性的词汇，它们帮助回答者更准确地理解问题的上下文和细节。常见的限定词包括：
每个（Every）：强调全体或者每一个。
一些（Some）：表示部分或者特定的数量。
哪些（Which）：在多个选项中指定特定的一个或多个。
这个（This）：指代特定的或者当前的话题。
那个（That）：指代特定的或者先前提到的另一个话题。
谁（Who）：在涉及人时，也可以作为限定词使用，指代特定的人或角色。

优秀的提示词（prompt）是指那些能够有效引导和激发思维或行动的词汇或短语。在人工智能、创意写作、教育、心理辅导等领域，优秀的提示词能够帮助人们产生新的想法、回忆信息、解决问题或进行深入思考。以下是一些构成优秀提示词的特点：

明确性：优秀的提示词应该清晰明确，避免歧义，使接收者能够迅速理解意图。
启发性：提示词应该能够激发思考或创造性的想象力，引导人们产生新的观点或解决方案。
相关性：提示词应该与接收者的背景、兴趣或当前任务紧密相关，以增加其吸引力和实用性。
开放性：虽然提示词需要明确，但它们也应该足够开放，以允许多种可能的回答或思考方向。
适时性：优秀的提示词应该在恰当的时间提供，以便在接收者最需要的时候发挥作用。
鼓励性：提示词应该鼓励人们积极参与和探索，而不是感到压力或限制。
适应性：优秀的提示词应该能够适应不同的情境和个体差异，以满足多样化的需求。

0样本提示（Zero-Shot Prompting）和少样本提示（Few-Shot Prompting）是两种在机器学习和自然语言处理中常用的技术，特别是在使用大型语言模型时。它们通过提供不同的上下文或示例来引导模型生成输出。

0样本提示不需要任何示例，模型根据一般的指令或描述来执行任务。少样本提示则提供了一些示例，帮助模型更好地理解和执行任务。这两种技术都展示了大型语言模型的能力，即使是在没有大量特定训练数据的情况下，也能根据提示来生成合理的输出。

分步骤解答（Step-by-Step Explanation）： 分步骤解答是一种解释问题解决过程的方法，它通过将复杂的问题分解成一系列更简单、更易于管理的步骤来逐步解答。这种方法不仅有助于清晰地传达思路，而且可以帮助理解问题的每个组成部分，从而更好地理解和解决问题。

反向提示（Inverse Prompting）： 反向提示是一种在创造性任务中使用的技术，特别是在生成文本或图像时。它通过指定你不想看到的内容来指导模型生成输出，而不是直接告诉模型你想要什么。这种方法可以用来避免特定的主题或风格，从而引导模型朝向不同的创意方向。

条件提示（Conditional Prompting）
这种提示技巧涉及在提问中加入特定的条件，以引导模型生成符合这些条件的答案
这对于提高问题解决的灵活性和准确性非常有帮助

提问的自我一致性（Self-consistency in prompting）
指在构建提示时确保提问的逻辑一致性和内部一致性自我一致性（Self-consistency in prompting）

条件提示通过设置特定条件或限制来引导模型的输出，确保输出满足特定的要求。自我一致性则要求模型在一系列的提示中保持一致的回答或行为，以保持回答的连贯性和可靠性。这两种技术都可以在与人工智能模型互动时提供帮助，特别是在需要特定指导或保持信息一致性的情况下。

在提示工程（prompt engineering）中，角色设定是指为人工智能模型设定一个特定的角色或身份，以便在生成输出时模拟该角色的行为、语言风格和知识水平。这种方法可以极大地影响模型的输出，使其更符合特定的场景、目的或用户需求。以下是角色设定在提示工程中的意义：

增加真实感：通过为模型设定一个具体的角色，可以使模型的输出更加真实和有说服力，尤其是在模拟对话或创作故事时。
指导输出：角色设定为模型提供了一个明确的框架，指导模型在生成回答或内容时应该遵循的规则和风格。
提高相关性：当模型需要针对特定领域或专业知识生成输出时，角色设定可以帮助模型提供更相关和准确的信息。
定制用户体验：通过角色设定，可以为用户提供更加个性化的体验，例如，设定一个友好的人工智能助手或一个专业的行业顾问。
限制输出范围：角色设定可以帮助限制模型的输出范围，避免生成与设定角色不符或不适当的内容。
增强交互性：在交互式应用中，角色设定可以增强用户与模型的互动，使对话更加流畅和有趣。

根据您在上方已经掌握的知识，我们可以提供一个综合的提示词公式。

目前我们已经了解了
泛提问精准提问
问题词限定词
样本提示
分布解答
条件提示
ROLE角色设定

我们依次来写一些提示词公司

这个公式可以帮助您在未来的提问中构建更具体、更有针对性的问题。

下面会介绍3种好用的提示词公式

不同场景需要用不同的提示词，主要是因为每个场景都有其特定的目标和上下文，这影响了与人工智能模型有效交互的方式。以下是一些为什么不同场景需要不同提示词的原因：

上下文相关性：不同的场景涉及不同的背景信息、专业知识和语境。使用与场景相关的提示词可以确保模型生成的回答更加贴切和有用。
精确性：在某些专业或技术性较强的领域，使用精确的提示词可以帮助模型提供更准确的信息，避免误解或模糊不清的答案。
用户体验：根据场景使用适当的提示词可以提升用户体验。例如，在教育应用中使用学术性的提示词，在客户服务中使用友好和亲切的提示词。
模型性能：大型语言模型虽然强大，但它们的能力和局限性也与输入的提示词密切相关。适当的提示词可以更好地发挥模型的潜力，避免触发其弱点。
避免歧义：不同的场景可能有不同的术语和概念。使用特定于场景的提示词可以帮助避免歧义，确保模型理解问题的意图。
引导创造性：在创意写作或艺术创作中，提示词可以用来设定风格、情感或主题，引导模型生成符合特定方向的内容。

第十二课：了解专业的提示框架

第十三课：编写复杂的提示词

第十四课：GPTS的编写

第十五课：复杂GPT的提示词应用

第十六课：高级应用篇用GPT去写一首歌

第十七课：高级应用篇0基础用GPT去做一个桌面截图工具

第十八课：让GPT用HTML和css设计一个登录页面

第十九课：高级应用篇0基础用GPT去做一个网站

第二十课：专业的人工智能提示词案例