把 AI 融入日常的 5 个 Prompt 制作思路

0 评论 605 浏览 1 收藏 10 分钟

AI发展这么久了,有的人已经将AI融入到自己的工作流程中,提高了不少工作效率;也有的人几天不用一次,总是觉得AI产出的质量不佳。其实都是提示词的问题。这篇文章,作者分享的几个思路,供大家参考学习。

使用 AI 对话助手,你可以随时提出自己的问题,比如让它帮你扩写、润色、写招聘文案、写发版公告….,几乎每一个职业的打工人都有使用到它的场景。

但是用过的都知道,大模型懂得太多了,对的错的都敢答。

经常面临:输出内容是对的但语气太 AI 了、输出格式不是自己想要的,输出的内容过时了的问题。

我们必须得通过一些手段对抗“大模型的幻觉”。

技术人员使用微调、RAG 从数据层面处理,用户则可以从“Prompt”的制作来实现。

通过输入 Prompt 指定 AI 的角色、任务、输出格式,来达到我们的预期:

Prompt =【定义角色】+【背景】+【输入信息描述】+【输出信息/ 目标】+【格式要求】+…

这样做,比随便问这种开盲盒方式效果好多了。

举个例子,下面是我做的一个对话助手:输入想法,AI 会引用名言回答。这我怎么问 AI ,他都跳不出这个框架,其实这背后就是用 Prompt 定制实现的:

网络上制作 Prompt 的方法、模板和案例有很多,大多人有了方法还是用不起来。

如何判断有没有用起来?我提供一个标准,是否存在3 个以上 Prompt,每天至少使用 1-3 次,没有的话,这个有史以来最强的工具,价值就没被挖掘到。

制作方法是武功秘籍,AI 对话框是用武之地,虽然都拿到了,但是使不出大招,只能随便一问,显然很难得到理想的答案。

原因就是没有把 AI 和自己的生活和工作中的业务结合起来。

这篇文章写于飞书发布会之前,没想到他们 PPT 也在强调这一点

再来看,大模型平台提供的 Agent ,很多都是图一乐,用一次就走了,他们提供这种通用型的解决方案,好像每个人工作都用的到,但实际上没卵用。

比如工作周报生成的结果和你的工作结合不到一块,也肯定用不到你们部门所要求的格式。

所以,制作 Prompt 是要从自己的日常工作出发,而不是抽象所有人面临的共同问题去做。

Prompt 是否有效,我也有一个判断标准。

有效的Prompt = 一周内平均使用次数为一天/次,如果没有,那这个 Prompt 就是无效的,可以删掉或者迭代优化。

没有谁比你更懂自己的需求。

而对于需求的处理,产品经理就比较擅长了:发现问题——定义问题——解决问题。

所以我拿我日常 Prompt 的五种制作思路,希望给你一些启发,可以应用到工作和生活中:

第一个是利用教程

利用教程就是教 AI 学会做某个事情,先找到你工作中常做的事情,让 AI 提炼教程,制作成 Prompt。

比如产品经理的工作中,给软件写提示语,就是每天要做好几次,但是也挺费脑的一件事,这个事情交给 AI 做后,可靠性 100%。

那么为了让它做好,那些 Prompt 制作框架对我没啥用,我只需要让 AI 知道提示语该怎么设计,所以去网上搜一篇软件提示语设计规范,然后告诉 AI 按这个规范做即可。

下面软件提示语的网站[1]就有很多数据可以给 AI 用。

第二个是利用 SOP、模板

SOP:什么工作需要做 SOP,那些你重复做的事情最需要,比如制作写公告,写策划方案。

制作完 SOP,告诉 AI 让它按这个输出,比如下面就是一个制作 PPT 的 SOP,拿着给到 AI,其中一些环节定制成小助手。

模板:网络上最多的就是思维模板,比如商业模式画布、5w2h,波特五力分析、漏斗分析,在想到用这时,首先就扔给 AI 让他们做补充,自己再思考和 AI 碰撞。

第三个是定义角色

这个角色不是 Prompt 设定里的角色,而是我拿身边的人来虚构一个角色,比如:

我的领导,以他为原型,提炼出他对我的工作交付物的要求,比较看重创意、可行性、技术思考,拿相关的数据去问 AI

我的同事,比如我经常和开发打交道,我在要问开发问题前,先问问我自己定义的 AI 开发角色,这是我以我的业务为模型,提炼的角色

所以这个时候就凸显出聊天记录的重要性了。

第四个是学习

我认为 AI 可以处理我两种学习的场景。

一个是按领域来给我规划学习路线,比如:

  • 大模型 AI 知识
  • 代码编程学习

为这个不同的领域创作一个对话空间,做一个线性的规划,不必是 Prompt,是一个每天打开对话框就能解决我提出的问题就够了,这样做能始终保持我的上下文在同一处理框,催促个人的学习进度。

另一个是通过模仿别人来学习。

我会经常留意一些写的好的文章,分析他的写作思路,所谓见贤思齐,AI 能帮你更好的看见。现在就把写的好的文章丢给 AI,让他来分析,哪些好,哪些值得参考。

第五个是创作

拿自己写的东西,去问 AI ,让他从不同角度来分析,提出建议。

它能从语气、结构、情感等多个角度为你剖析和提供建议。也能建议你如何加入故事、数据或比喻,让文章更有情感和说服力。

保留些个人写作风格的数据,用来喂给 AI ,让他按个人风格来扩写、优化、或者反驳你的观点来激发思考。

看完上面这五个方法,有没有留意到,Prompt 的制作都和数据密切相关,想要 Prompt 能够更懂自己业务,首先这个业务要沉淀数据。RAG 和 Fine-tuning 更是如此,都要大量的优质数据。

前段时间, AI 行业李沐的演讲提到:“数据越多的行业越容易自动化”。

这个观点同样适用于个人,自己的数据,包括自己相关的文字、图片和视频,即便是聊天记录也是有价值的。

同样也需要我们去刻意创造数据、保存有价值的数据。

这个层面的数据价值不在于记录,而是有朝一日,你可以应用这些数据创造自己的影分身。

最后,分享一个 Prompt 使用的技巧。

当你拥有很多 Prompt ,在面对kimi、豆包、智谱、通义这么多对话助手,不可能每一个平台都给它创建 Agent。

我会把常用的 Prompt 都输入到常用语里面,输入关键词就能调用 Prompt。

觉得有用,欢迎点赞、转发和关注。

本文由 @Zephyr 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。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!