2023 年可谓是 AI 元年，随着 GPT 的发布，人工智能正在影响着人们的生活。甚至有些人会焦虑是否自己将会被取代而失业。据 36 氪，如何看待 AI 代替人类工作？李彦宏表示，不管有多少工作被替代，这只是整个图景的一部分，另外一部分是，存在我们现在甚至无法想象的更多新机会。做一个大胆预测，十年以后，全世界有50%工作会是提示词工程（prompt engineering），不会写提示词（prompt）的人会被淘汰。
有些同学请教同事，在一些技术群里提问时，提出的问题都是模糊的，人都很难理解，更别说人工智能了。
比如“我想实现用户在某个网页提交时获取用户提交的信息，怎么实现？”某个网页是哪个网页？是你开发的还是别人开发的？获取信息的目的是什么？
比如“帮我给某个 Dao 类写一个缓存”，然后期待它能够写完美的实现自己的想法，然后大失所望，说人工智能也不咋地啊。大哥，你这描述人都听不懂啊。某个 Dao 是哪个 Dao？是不是可以给举个例子，比如有一个 StudentDao，其中包括增删改查方法。写一个缓存是指啥？使用什么编程语言，使用哪个缓存框架？是内存缓存还是分布式缓存？是不是可以限定清楚是 Java 语言，使用 Guava框架。
Prompt 是指对模型提出的问题进行描述和约束的文本片段，可以包括问题的主题、范围和关键词等信息。
好的 Prompt 应该具备以下几个特点：清晰具体：好的 Prompt 应该简单明了，避免使用复杂或模糊的语言。Prompt 应该越具体越好，避免过于广泛或开放式的问题。例如，如果我们想让 ChatGPT 回答策略模式的使用场景，我们可以使用 “请描述下策略模式的使用场景” 而不是 “请描述下策略模式”。
重点明确：好的 Prompt 应该有明确的目的，避免过于广泛或开放式的问题。Prompt 应该能够让 ChatGPT 理解问题的背景和范围，从而更好地回答问题。 有可能,提供可选项或问题列表供 AI 选择回答。对于有多个可能回答的 prompts,提供可选项或问题列表可以帮助 AI 选择最恰当的回答方式。但不要提供太多可选项,以免导致 AI 无法决定。 例如，我们可以使用 “请列举出可以提高代码拓展性的设计模式” 而不是 “请告诉我几个设计模式”。
充分详尽：好的 Prompt 应该包含足够的信息，以便 ChatGPT 能够理解问题的背景和范围。例如，如果我们想让 ChatGPT 回答关于狗的健康问题，我们可以使用 “请描述下策略模式的使用场景，并给出 Java 语言的示例代码” 而不是 “告诉我一些策略模式的信息”。
与任务相关：好的 Prompt 应该与任务相关，能够引导 ChatGPT 完成特定的任务。例如，如果我们想要 ChatGPT 回答某个特定的问题，我们可以将问题直接作为 Prompt，以确保 ChatGPT 能够理解任务要求。
语言上下文：好的 Prompt 应该包含一些语言上下文和限制条件，必要的背景信息和前提条件，以帮助 ChatGPT 更好地理解问题。例如，我们在上面的聊天中要求 ChatGPT 给我们准备一篇描写包装器模式的文章大纲，我们可以使用 “请根据上面的大纲帮我写一个草稿”，这样 ChatGPT 更容易理解问题。
多样性：好的 Prompt 应该具备一定的多样性，不仅可以满足不同的需求和场景，还可以帮助 ChatGPT 更好地理解和生成不同类型的回答。例如，我们可以使用不同类型的 Prompt，例如填空式、选择题或开放式问题，以获得更丰富和多样化的回答。
你可以根据 AI 的表现来调整和改进你给出的 prompts。找出哪些 prompts 使 AI 回答成功, 哪些则需要改进。适当调整 prompts 可以促进更好的互动体验。
另外，有时候不要期待一次提问就一定可以得到想要的答案，可以分步骤提问。比如想写一篇文章，可以先提问让 AI 给你写出一个大纲；如果大纲不符合你的要求，你可以再次提问让它修改大纲；大纲修改好之后，再让 AI 给你写出草稿；如果草稿不满意可以再描述自己的想法让它再次修改。
现在很多大语言模型的语料中文占比较少，使用中文提问时有些模型会优先匹配中文的内容，很容易得不到想要的答案。当使用中文得不到满意的答案，可以尝试将问题翻译成英文再去提问，或许会有意外收获。
大家可以将常用的提示词定义成模板（参考 ChatGPT Sidebar 浏览器插件），下次快速使用。
有时候哪怕提示词准确，某个大语言模型也未必能够得到满意的答案。大家除了尝试调整提示词之外，还可以考虑换几个不同的语言模型。通常结合不同的语言模型更能够得到更全面的答案。
Phind 网页快开的搜索结构：
New Bing 网页快开的搜索结构：
网上还有很多相对专业的提示词教程，大家可以参考学习。
四种基础模式：特定指令（By specific）：在这种模式下，我们给模型提供一些特定信息，例如问题或关键词，模型需要生成与这些信息相关的文本。这种模式通常用于生成答案、解释或推荐等。特定信息可以是单个问题或多个关键词，具体取决于任务的要求。
指令模板（Instruction Template）：在这种模式下，我们给模型提供一些明确的指令，模型需要根据这些指令生成文本。这种模式通常用于生成类似于技术说明书、操作手册等需要明确指令的文本。指令可以是单个句子或多个段落，具体取决于任务的要求。
代理模式（By proxy）：在这种模式下，可以充当了一个代理，代表某个实体（例如人、角色、机器人等）进行操作或交互。代理模式的核心思想是引入一个中介对象来控制对实际对象的访问，从而实现一定程度上的隔离和保护。诸如于在 ChatGPT 中，”act as xxx” 可以让 ChatGPT 充当一个代理，扮演某个角色或实体的身份，以此来处理与该角色或实体相关的任务或请求。
示例模式（By demonstration）：在这种模式下，我们给模型提供一些示例文本，模型需要生成与示例文本类似的文本。这种模式通常用于生成类似于给定示例的文本，例如自动生成电子邮件、产品描述、新闻报道等。示例文本可以是单个句子或多个段落，具体取决于任务的要求。
该教程，还介绍了这些模式结合适用的混合模式。
该网站给出全面的提示词学习教程，包括一些基础概念、基础应用和一些进阶用法等。
如思维链提示过程：
未来有更好的提示词教程会补充到这里。
很多人提出的问题连人都难以理解，却希望人工智能能够完全和自己“心有灵犀” ，自己描述不清楚还埋怨 AI 不够智能。