（不用互三）从Prompt到创造：解锁AI的无限潜能

文章目录

🍊AI内容创作核心：提示词Prompt
[1 什么是提示词工程?](#1 什么是提示词工程?)
- [1.1 提示词的原理是什么？](#1.1 提示词的原理是什么？)
- [1.2 提示词工程师：百万年薪的职业？](#1.2 提示词工程师：百万年薪的职业？)
- [1.3 谁都能成为提示词工程师吗？](#1.3 谁都能成为提示词工程师吗？)
[2 提示词书写的基本技巧](#2 提示词书写的基本技巧)
[3 常见的提示词框架](#3 常见的提示词框架)
- [3.1 CO-STAR框架](#3.1 CO-STAR框架)
- [3.2 BORKE框架](#3.2 BORKE框架)
- [3.3 结构化提示词](#3.3 结构化提示词)
[4 书写提示词的技巧](#4 书写提示词的技巧)
[5 提示词聚合网站](#5 提示词聚合网站)
[6 AIGC领域的应用](#6 AIGC领域的应用)
[7 AI生成内容的应用实践](#7 AI生成内容的应用实践)

🍊AI内容创作核心：提示词Prompt

在AI内容创作的广阔天地中，掌握高效且富有创意的提示词编写技巧至关重要。提示词是AI与用户沟通的桥梁，同时也是指导AI生成高质量、符合预期内容的重要指引。本文将为您揭开提示词的神秘面纱，深入探索其在AI内容创作中的核心作用，学习如何通过精心设计的提示词激发AI的潜力，创造出引人注目的作品。

1 什么是提示词工程?

提示词工程简单来说，就是通过组织有规律的关键词，获取有效信息。

不同的提示词输入会影响AI输出的角度和专业度。设计精良的提示词可以引导AI更准确地理解问题背景，做出更加贴切的回答。反之，模糊或不当的提示词可能会导致AI偏离主题，影响回答的准确性。因此，提示词工程在优化AI输出和提升用户体验中起着关键作用。

1.1 提示词的原理是什么？

在大模型中，提示词是指通过关键词、短语或指令来引导模型生成特定类型文本或响应的一种技术。提示词帮助AI理解并生成符合用户需求的输出。

1.2 提示词工程师：百万年薪的职业？

提示词工程师的需求正逐步增加。虽然目前这一岗位的数量相对较少，但AIGC（人工智能生成内容）领域的发展为这一职业带来了广阔的前景。美国Prompt Engineering的平均年薪在2023年10月达到了59,545美元。未来随着技术的发展，提示词工程师可能成为一个高薪岗位。

1.3 谁都能成为提示词工程师吗？

虽然提示词工程门槛较低，但领域专家的薪酬可能更高。提示词工程需要掌握专业知识，能够根据背景纠正AI模型，提供有效认知输入。

2 提示词书写的基本技巧

提供关键术语的定义：尤其是新的或模糊的词语。
提供详细的背景信息：使AI能够理解任务的上下文。
提供上下文和数据：帮助AI做出合理的推断。
使用符号、引号和结构：帮助AI理解提示的重点。
为AI设定角色：引导AI以特定身份做出回答。
明确输出格式和结构：提高生成内容的准确性。
提供优质示例：为AI生成更优质内容提供参考。

3 常见的提示词框架

3.1 CO-STAR框架

CO-STAR框架通过提供上下文、目标、风格、语气、受众和回复格式，引导AI生成最优的响应。这是一个从整体上优化提示词的便捷工具。

3.2 BORKE框架

BORKE框架由陈财猫提出，包含背景、角色、目标、关键结果和实验改进部分，帮助用户持续优化与AI的互动。

3.3 结构化提示词

李继刚提出的结构化提示词框架，通过清晰、具体、灵活的方式，将提示内容模块化，使AI更容易理解并执行提示。

4 书写提示词的技巧

构建提示词框架时，整合上下文、目标、风格、语气、受众和格式要求，以确保AI生成的内容符合预期。

5 提示词聚合网站

AI Short ：https://www.aishort.top/
提示精灵 ：https://www.znkw.com/#term-10

6 AIGC领域的应用

AIGC(Artificial Intelligence Generated Content)是指通过AI系统生成的内容，包括文字、图像、音频和视频。这些内容通常是通过自然语言处理、机器学习或计算机视觉技术生成的。

未来，AIGC将影响从购物、游戏、影视到音乐等多个行业，为工作和生活带来深刻变化。

生成式AI的常见工具包括：

文字生成工具: ChatGPT
图像生成工具: Midjourney、Stable Diffusion

7 AI生成内容的应用实践

生成式AI的Prompt实验：

python 复制代码

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",
    prompt=prompt,
    max_tokens=100
)

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