当前位置: 首页 > news >正文

AI 提示词(Prompt)入门 十:最佳实践|详细询问,提供细节!

1、原则解释

当与 ChatGPT 交流时,提供具体和详细的信息非常重要。

这样做可以帮助 ChatGPT 更准确地理解你的需求和上下文,从而生成更相关和有用的回答

明确的信息可以包括具体的问题背景、相关领域的说明、你所期望的答案类型等。

2、如何实践

  • 明确问题背景:提供足够的信息来描述你的问题背景。例如,如果你在问一个医学相关的问题,提供相关的症状或情境。
  • 具体描述需求:清楚地说明你需要什么类型的信息或帮助。例如,如果你需要建议,指明是寻求专业意见还是一般性建议。
  • 提供相关领域信息:如果问题涉及特定的知识领域,提供这一领域的相关信息,以便 AI 更精确地定位答案。
  • 避免模糊和广泛的问题:尽量避免提出过于广泛或模糊的问题,这样的问题往往导致 AI 无法提供具体和有用的回答。

3、示例

1)明确问题背景

  • 不佳的提问:“我感觉不舒服,这是怎么回事?”

  • 改进后的提问:“我近三天出现了发热、咳嗽和疲劳的症状,没有过敏史和慢性疾病。这些症状可能是什么原因导致的?”

这里就增加的问题的背景细节“我近三天出现了发热、咳嗽和疲劳的症状,没有过敏史和慢性疾病。”,GPT 回答就更加有针对性

2)具体描述需求

  • 不佳的提问:“我该怎么提高工作效率?”

  • 改进后的提问:“我在日常的项目管理工作中感到效率低下。请给我一些建议,如何使用时间管理工具或技巧来提升工作效率。”

3)提供相关领域信息

  • 不佳的提问:“怎么做市场分析?”

  • 改进后的提问:“我正在进行一项关于健康饮品市场的分析。请根据当前的健康饮品市场趋势,提供一些关于市场细分和目标消费者的分析方法。”

4)避免模糊和广泛的问题

  • 不佳的提问:“如何做好营销?”

  • 改进后的提问:“我刚开始在社交媒体上为我的手工艺品店做营销。我应该如何制定一个具体的社交媒体策略,以吸引 20 到 30 岁之间对手工艺感兴趣的顾客群体?”

通过以上示例,我们可以看到明确问题背景、具体描述需求、提供相关领域信息以及避免模糊和广泛的问题是如何帮助 AI 更准确、更有效地回答问题的。

这些示例展示了如何通过清晰的说明来优化与 ChatGPT 的交互,以获得更相关和有用的答案。


大全目前专注于小白 AI 入门领域的研究,分享从 0 到 1 入门 AI,ChatGPT 知识的系统性教程,

0 基础的小白也可以学会 ,有基础的小伙伴也可以学到进阶的知识,这里全部免费送给大家:

都是干货!超全 AI 提示词(Prompt)入门, ChatGPT、Kimi 资料分享!

大全的愿景是成为 AI 的布道者,带领 10 万小白入门 AI。关注 @大全Prompter 带您 AI 入门。

最后,祝大家都能寻得可以全身心投入的事情,生活愉快!记得给我一个赞。

http://www.lryc.cn/news/487340.html

相关文章:

  • web应用安全和信息泄露预防
  • 《人工智能深度学习的基本路线图》
  • 基于Java Springboot宠物猫售卖管理系统
  • 力扣-Hot100-链表其三【算法学习day.36】
  • iOS逆向入门:使用theos注入第三方依赖库
  • JavaScript 原型
  • 力扣 LeetCode 20. 有效的括号(Day5:栈与队列)
  • git使用及上线流程(仅为我工作中常用)
  • React Native 全栈开发实战班 - 打包发布之热更新
  • 2024年11月16日 星期六 重新整理Go技术
  • 力扣第 55 题 跳跃游戏
  • Golang | Leetcode Golang题解之第564题寻找最近的回文数
  • Spring Boot汽车资讯:科技与速度的交响
  • 从 IDC 到云原生:稳定性提升 100%,成本下降 50%,热联集团的数字化转型与未来展望
  • 移动零
  • C#编写的日志记录组件 - 开源研究系列文章
  • 猎板PCB罗杰斯板材的应用案例
  • 使用esp32c3开发板通过wifi连网络web服务器
  • 供应链管理、一件代发系统功能及源码分享 PHP+Mysql
  • Windows docker下载minio出现“Using default tag: latestError response from daemon”
  • 工厂模式-简单工厂模式
  • 【linux】使用minicom调试串口
  • C# 异常处理、多个异常、自定义异常处理
  • 【从零开始的LeetCode-算法】3210. 找出加密后的字符串
  • redis linux 安装
  • springboot006基于SpringBoot的网上订餐系统(源码+包运行+LW+技术指导)
  • 【QNX】QNX侧如何抓取日志?
  • 深度学习:计算卷积神经网络中输出特征图尺寸的关键公式
  • 【惠州大亚湾】之维修戴尔服务器DELLR730XD
  • 跟我学C++中级篇——Design Patterns的通俗说法