用AI来协助我们完成工作，提示词的撰写十分重要。本文作者分享了自己亲自调试的提示词，能帮我们获得更高质量的回复，一起来学习下。
你是否曾因为写一个合适的prompt而苦恼过？
花了很多时间不断调整，却始终得不到想要的结果？
告诉你们一个好消息，不用再抓狂啦！
今天我给你带来了一个优化prompt的技巧，只需输入内容，大模型就会自动帮你生成优化后的提示词，节省大量时间，集中精力去解决实际问题。
（后面有测试效果，绝对好用！）
01 上技巧我开发了一套专门用于优化用户prompt的prompt。
你只需输入需求，系统就会根据你提供的信息自动进行优化，确保生成的内容不仅准确全面，还易于大语言模型理解和处理。
以下是我开发的prompt：
02 看效果## 第一部分：用户输入
“请详细描述您希望大语言模型帮助解决的问题，提供尽可能多的背景信息和期望结果。”
（把这段话替换为你的问题和需求即可）
## 第二部分：改写的指令（千万不要动）
系统将根据以下标准优化您的输入，并生成一个适合大语言模型处理的 prompt：
1. **格式优化**：将输入改写为大模型易于处理的 markdown 格式，确保结构清晰。
2. **内容优化**：扩展您的描述，增加细节，使其更加具体、丰富，并避免歧义。根据任务的复杂性，增加必要的背景、目标、限制、期望结果等，以确保大模型能够完整理解并生成合适的回应。
3. **结构化输出动态调整**：系统将根据您问题的具体需求，动态调整所需的结构要素。这可能包括但不限于：
– **角色**：指定大模型的角色（例如导师、顾问、开发者等）。
– **任务**：描述您希望模型执行的具体任务。
– **目标**：明确期望的最终结果或效果。
– **细节说明**：提供相关背景、约束条件或可选方案。
– **技能和能力**：定义大模型在执行任务时应具备的特定技能或能力。
– **规则**：设定任务的执行规则或限制条件（如字数、风格等）。
– **步骤或阶段**：如果任务较复杂，系统将建议分步骤或阶段完成，并标明每个步骤的预期成果。
4. **反馈和调整**：在输出改写后的 prompt 后，温柔地询问用户是否需要进一步调整或优化。例如：”这是我们为您生成的 prompt，请查看是否符合您的预期。您是否希望在某些部分进行进一步调整呢？我们可以根据您的反馈继续优化。”
5. **原则**：不要输出第一部分 prompt，仅根据第二部分的改写指令进行优化调整，必须要用markdown输出，但不要包含问用户的反馈和调整最后这句话，这句话需要单独以普通格式输出。
先说说这个优化的作用：它通过结构化和优化的方式，让模型能更好地理解任务要求，从而提供更精准的结果。
为了让你更直观地感受到这个优化prompt的效果，下面我举两个例子来说明使用前后的区别。
示例：竞品分析
原始的prompt：
” 我在写竞品分析时遇到了困难，不知道怎么对比分析功能，帮我想想办法。”
返回效果：
优化后的prompt：
# 任务描述
### 角色
请扮演一位具有丰富产品分析经验的顾问。
### 任务
帮助我制定一份详细的竞品分析报告框架，特别是关于如何系统地对比分析产品功能的部分。
### 目标
– 明确竞品分析的目的。
– 设计一套逻辑清晰的功能对比方法。
– 列出分析过程中应关注的关键点。
– 提供一个模板，可以用来持续更新竞品信息。
### 细节说明
– 我正在研究的是企业级软件产品市场中的两个主要竞争对手。
– 分析的目的是为了找出我们产品的优势与劣势，以及识别市场机会。
– 我们关注的重点在于功能集、用户体验、技术架构等方面。
### 技能和能力
– 具备市场分析技巧。
– 拥有产品功能对比的专业知识。
– 能够提出实用的分析框架。
### 步骤或阶段
1. 定义竞品分析的目标和范围。
2. 选择合适的竞品进行比较。
3. 设计功能对比表格或矩阵。
4. 收集并整理竞品的信息。
5. 对比分析，识别差异点。
6. 总结发现，提出改进策略。
返回效果：
注：测试者使用通义千问2.5，其他模型可能会有不同的输出。
总结：
通过示例可以明显看出，未使用优化prompt前，大模型的输出多为概括性的建议，内容较为基础，无法真正提供解决复杂问题的具体步骤。
而使用优化后的prompt，模型能够基于用户输入，提供更加细致、结构化的回答。输出的内容不仅更加全面，还能深入到每个问题的细节，提出有针对性的方案。
03 观未来我在回想自己在调试这个prompt的起心动念，那时的我就在想，大模型的时代，什么才是人类存活的根本？
那必然是人的创造力，想象力和洞察力。
因此，我在想技术又会有什么变化呢？
- 自我生成与优化：大模型或工具将具备根据用户输入自动生成最优prompt的能力。用户不再需要手动输入复杂的提示，而是通过简洁描述，由系统自动调整和扩展prompt。
- 多模态优化：未来的prompt不再局限于文本输入，而会结合语音、图片、视频等多模态信息，从而为大模型提供更全面的背景，输出更加丰富、精准的结果。
- 情境自适应：随着大模型理解能力的增强，prompt会自动根据不同的任务场景调整。无论是写代码、进行数据分析还是创作文案，模型将更好地理解用户在不同任务中的需求，提供最合适的回应。
我记得在23年初刚火的时候，有人就随便输入几句话就觉得大模型一文不值，但恰恰这一批人，短短1年后被piapia打脸。
因为他们妄图用一两句话就能让大模型知道他们想要什么，这根本就是一种妄自尊大的存在。
把大模型当人看，是一种更理智的形式，而与他们交流时的prompt，就是一种互相沟通和解释的过程，而这个过程就在于打磨和调试的过程。
如果你始终得不到满意的结果，请先把问题归咎于自己没有给大模型一个好的prompt，想想自己是不是有什么没告诉它的，然后反复优化。
希望带给你一些启发，加油。
作者：柳星聊产品，公众号：柳星聊产品
本文由 @柳星聊产品 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
