本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
一、发现问题
本文 使用大模型对话的技巧和原则，提升对话回复的效率和质量。
我们来回顾下，先看下demo代码
这是我们调用WebApi接口的返回值，我们在使用chatgpt网页版问相同的问题，得到的结果差异很多。比如下图。大家可以测试下各种提问。而且不管是openai的大模型，还是DeepSeek都会出现这个情况。
原因很好解释，chatgpt网页版调用的是基于gpt大模型进行各种微调优化后的回答，而我们直接调用gpt大模型，所以得到的结果也是不一样的。那就有很多问题了，比如：
- 1、我们调用WebApi回答的问题是永远没有网页版本的好吗？
- 2、如何缩小这个差距，或者能否超越网页版本？
- 3、如何使用接口给的那些参数来优化对话？
今天我们就带着这些问题来聊一下对话WebAPI的最佳实践。有如下几种方式：
- 角色设定：擅于使用 System 给GPT设定角色和任务，如"哲学大师"；
- 指令注入：在 System 中注入常驻任务指令，如"主题创作"；
- 问题拆解：将复杂问题拆解成的子问题，分步骤执行，如：Debug 和多任务；
- 分层设计：创作长篇内容，分层提问，先概览再章节，最后补充细节，如：小说生成；
- 编程思维：将prompt当做编程语言，主动设计变量、模板和正文，如：评估模型输出质量；
- Few-Shot：基于样例的prompt设计，规范推理路径和输出样式，如：构造训练数据；
接下来我们就根据这几点一一介绍。
一、大模型对话接口WebAPI调用模拟器playground
OpenAI官方提供一个playground，是调用对话WebAPI的一个网页模拟器，地址如下：
platform.openai.com/playground/...
不过需要充值，有些麻烦，我们可以使用国内的硅基流动的playground来体验一下。
cloud.siliconflow.cn/playground/...
本文都是针对system角色的内容进行优化！
二、角色设定
请求参数messages里，有一个非常重要的角色system,system就是大模型在本次对话中扮演什么身份，比如大模型本次扮演的是"体育专家"，一般使用第3人称"你是xxx专家/教授等"，所以接口调用时，role=system的content内容需要重点思考。
1、角色设定的差异对比
vbnet
system:"你是一位小学数学老师"。
syetem:"你是一位博学多才的哲学家"
提问：1+1=2
结果差异很大。说明system的设定非常重要。我们可以根据具体的场景，针对不同的客户群里，设置不同的system的content值，就能让大模型的回答更贴近各种客户群体的不同所想。
还有一些system的content常用用法，
模版：你是一位xxx（身份），对于我的所有问题，你都用xxx(身份)的思维解答。
比如：（1）你是一位小学数学老师，对于我的所有问题，你都用小学生的思维解答。
（2）对于我的所有问题，你都用佛学或中国哲学来回答，不要啰嗦，要有大师风范。
三、指令注入
同样是对角色system的content设置，比如"主题创作"。
比如1：
css
对于陈列出的每个[话题],创作100字的内容，体现话题的论点，语言风趣幽默。
比如2：
lua
您将获得一对关于同主题的文章（用-------标签分隔）。首先总结每篇文章的论点，然后指出那篇文章提出了更好的论点，并解释原因。
四、分步骤设定
同样是对角色system的content设置。比如：
您将受到DEBUG问题，将每个问题分类为报错日志分析、根因可能性推断、解决方案、参考资料，分点陈列输出，格式如下所示：
报错日志分析：
根因可能性推断：
解决方案：
参考资料：
五、编程思维
事例1
根据以上的事例，可以看到，system里的内容，很像我们编程的思维，第一步执行什么，第二步执行什么，最后还有统计count数。并且还有"每个"，跟我们代码里的for循环一样。
回答的内容可以看到整个for循环输出，计算出了count数量。
事例2-翻译
system:我输入英文，你翻译成中文，我输入中文，你翻译成英文。
事例3-按照你的格式输出
总结
我们针对system角色设置内容，也是一种提示词设置方法，只有不断地测试不同的方式，才能更大程度的挖掘大模型的能力,才能更好的贴合实际的需求。
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。