05 官方最佳实践 | 提供更多细节,大模型不是你肚子里的蛔虫

引言

在OpenAI的官方文档中已经提供了Prompt Enginerring的最佳实践,目的就是帮助用户更好的使用ChatGPT

专栏前面我们已经通过5篇文章了解了学习提示词需要知道的基本概念,从本文开始,我们就正式进入到如何写好提示词的环节,接下来我们会通过9篇文章来讲解官方给出的写好提示词的最佳实践。分别是

  • 提供更多的细节
  • 让大模型扮演角色
  • 使用分隔符
  • 指定任务所需步骤
  • 提供样例
  • 指定输出长度
  • 提供参考文本
  • 将复杂任务拆分成子任务
  • 给GPT足够的时间思考

本文针对提供更多的细节进行展开讲解

适用人群:新手

难度:⭐

一、为什么要提供更多细节

因为大模型不是我们肚子里蛔虫,他无法猜测我们的意图,只有我们将问题的细节描述完整,大模型才能给我们高度相关的回答。就跟我们在问问题的时候,千万不要惜字如金,而是应该尽可能的把自己的问题表述清楚,这样才能让回答的人知道你到底想要什么

二、实践

接下来我们通过3个例子来看下更加详细的问题描述会让ChatGPT的回答带来哪些优化

2.1 电脑启动失败

  • 缺少细节的提问方式
  • 有更多细节的提问方式

通过补充更多电脑启动失败的细节,ChatGPT可以有针对性的给出特定的解决方案

2.2 寻求如何减肥

  • 缺少细节的提问方式
  • 有更多细节的提问方式

更详细的Prompt提供了年龄、性别、当前的运动频率以及具体的目标,这使得模型能够提供更个性化和实用的建议

2.3 制定旅行计划

  • 缺少细节的Prompt
  • 有更多细节的Prompt

通过说明旅行的时间、同行者(包括孩子的存在)以及兴趣偏好,较好的Prompt能够得到更为定制化的旅游建议,包括合适的目的地和活动,使得旅行规划更加符合需求

三、如何给出更多的细节

在我们编写Prompt的时候,我们很清楚要给出更多的细节,但是大多时候我们不知道该如何给出更多的细节,接下来我会根据我的实践给出一个方法论,只要你在提问的时候按照这个流程全部问自己一遍,你就可以写出一个合格的Prompt

3.1 明确你的目标

你想要什么样的旅行体验?

优化前:"我想去欧洲旅行",

优化后:"我计划在春季去意大利进行为期两周的文化和美食之旅"

3.2 提供背景信息

你为什么选择这个目的地?有什么特别的原因吗?

优化前:"我听说那里不错",

优化后:"我对罗马的历史遗迹和托斯卡纳的乡村风光特别感兴趣"。

3.3 描述已经尝试过的解决方案

在计划旅行时,你查找了哪些信息?

优化前:"我已经看了一些旅行指南"

优化后:"我已经阅读了几篇关于意大利旅行的博客,并在旅行论坛上询问了关于住宿和餐馆的建议,但仍然希望得到更具体的推荐"

3.4 指定你的需求和限制

你有什么特定的需求或限制条件?(比如预算、时间、旅伴等)

优化前:"我希望不要太贵"

优化后:"我的预算是2000美元,包括机票和住宿,我和我的伴侣都能请到两周的假"

3.5 预期的输出和结果

你希望得到什么样的旅行建议或规划?

优化前:"给我一些建议"

优化后:"请提供包括文化体验、当地美食、以及价格合理的住宿在内的详细旅行计划,最好能包括交通方式和推荐的日程安排"

四、总结

在编写优秀的Prompt时,提供更多的细节给大模型是性价比最高的一种策略了。当你不知道该如何给出更加详细的Prompt时,请按照第三小节中的5个步骤问自己一遍,相信你会得到答案

相关推荐
kkk_皮蛋1 分钟前
“红色警报“后的反击:OpenAI 发布 GPT-5.2,AI 霸主之争白热化
人工智能·gpt·chatgpt
Felaim2 分钟前
Sparse4D 时序输入和 Feature Queue 详解
人工智能·深度学习·自动驾驶
Ki138112 分钟前
我的AI学习小结:从入门到放弃
人工智能·学习
迪三达14 分钟前
智能体交易员 - AI-Trader
人工智能
dog25021 分钟前
LLM(大语言模型)和高尔顿板
人工智能·语言模型·自然语言处理·高尔顿板
LaughingZhu31 分钟前
Product Hunt 每日热榜 | 2025-12-13
人工智能·经验分享·神经网络·搜索引擎·产品运营
Hello娃的31 分钟前
【量子力学】Hohenberg-Kohn 定理
人工智能·算法
学好statistics和DS37 分钟前
机器学习中所有可以调整的超参数(考试/自己调参用)
人工智能·机器学习
老马啸西风38 分钟前
成熟企业级技术平台 MVE-010-IGA(Identity Governance & Administration,身份治理与管理)平台
人工智能·深度学习·算法·职场和发展