13676100082

在AI面前，只要它的主人能力足够强大，那么它就是万能的神。相反，如果你不行，那么AI对你而言，也不会有太大的价值和帮助。

百度创始人李彦宏说：未来50%的工作，都会变成“提示词工程”。

作为驱动AI的核心，提示词是ChatGPT的第一生产力。那么，如何玩转ChatGPT提示词，不被AI替代的同时，更能让它为你所用？

知道ChatGPT人不少，但能用的好不多，最关键的是GPT的提示词如何如何使用?

话不多说，万物皆可公式，直接上公式：

身份定位+确认目标+建议方法+表达期望+持续优化（5W公式）

一、Who | 身份定位：你是谁？

1、ChatGPT是谁：即“角色扮演”模式，目前最多人用的都是这种定位法，比如“你是一个作家，帮我写故事”、“你是一个翻译，帮我翻译英文”等等。

2、你是谁：告诉GPT“操作者是谁”，可以让回答更有针对性。因为归根结底，GPT是在为你服务，所以与界定“GPT是谁”相比，在这个维度上，他会以一个顾问的形式，从你的需求场景考虑。

所以如何描述好这个需求场景，也是值得斟酌的内容。

3、听众是谁：在开始给ChatGPT写提示词之前，必须要了解自己的目标受众。不同的受众可能对同一话题有不同的看法和理解。例如，你可以告诉 ChatGPT，你是在对一群10岁的孩子说话？还是在对一众企业家说话？它都将作出相应的反应。

所以，思考“听众是谁”其实就是在设定一个场景，让GPT在这个场景下找到最优解。

4、这个场景里还有谁：这个听起来可能有些模糊，我们举一个简单的例子来说明。

问题①：请写一篇关于巧克力的短视频脚本。

问题②：请写一篇关于巧克力的短视频脚本，模拟一个女孩给男朋友送情人节礼物的口吻，这个女孩是大学生，性格很温柔，这次是她和男朋友的第一次约会。

所以你可以看到：Who这个因素其实就是在塑造两个“景”，即背景+场景。

最后要说的是，在撰写提示词时，这四种身份并不是只能出现一种，或必须同时出现。Who的用法，需要根据你真正的需求去进行组合。与此同时，你需要不断优化这几种身份的DNA，找到基于身份的Key Word，才能让GPT写出更好的答案。

二、What | 确认目标：你要让GPT干什么？

就像我们在公司里汇报方案一样，凡事都要遵循金字塔原则: 先说结果

在ChatGPT中也是一样，“What (千什么)“是确定身份之后，我们首先要给到GPT的任务。AI和人一样，先确认最终目标，再进行其他的相关描述，才不会造成GPT的理解混乱，

什么是“目标“? 我列几个不同的指令，大家来猜一下那个是目标。

1、我要公众号涨粉1000个

2、我要客人都喜欢我的产品

3、我要20个短视频选题方案

我要一年用直播赚到100万

是不是有点晕？其实在以上四个指令中，只有第3个“我要20个短视频选题方案”是“目标”，而其他几个都是“指标”，不是GPT实际要给你交的作业。

就像小学老师会跟小朋友说“今天的作业是做XX书第X页的第X题”，而不是“今天的作业，是为学好数学努力奋斗”

所以对于目标的描述，我们的指令应该极度的明确、简洁、具体。你必须告诉GPT它要帮你做一个什么事，是文案还是方案？是脚本还是销售信？这是他的目标。

而通过这个事可以怎么怎么样，则是“指标”，千万不要搞混。

三、Way | 建议方法：用方法论指定模型输出

这一步骤的操作，可能很多人在实际应用ChatGPT的时候都会忽略掉。但用好“Way”，完全可以将GPT的答案提高N的档次。

对于无所不能的GPT而言，无论你问什么样的问题，它都有无数个珍珠般宝贵的答案可以给你；但也正是因为多，让这些答案反而失去的条理性，也就让你需要不停地去使用不同地提示词，去追寻一个让自己满意的答案。

那应该怎么做呢？一句话总结：用一个模型作为线，去串GPT的珠子

1、找到线（激活模型）：针对你想要得到的答案，先找到一个经典的模型。比如你想分析一个行业的市场，那你可以先问GPT：你知道PEST模型吗？你知道波特五力模型吗？这个时候你就为GPT找到了这跟线，让他继续他的工作。

2、串珠子（使用模型）：基于锁定的模型，加上你要问的问题，向GPT发问。如：我希望你通过PEST的模型，帮我进行A市场和B市场的竞争分析。

所以基于线（模型）的区别，我们能串出来的珠子（答案）也随之不同。

这个时候肯定有人问了：如果我要问的问题没有任何一个合适的模型，或者我就是不知道该用什么模型，该怎么办呢？

这里提个思路，就是你可以通过“先案例、再模型”的方法来搞定。你可以先把一个成功的案例投喂给GPT，然后问他你可以从这个案例中学到什么，请用模型的形式给我展现。然后再使用这个新出现的模型，来完成你的问题。

这个方法，也被称为：逆Prompt思维。

值得一提的是，现在甚至有很多公司和超级个体，把自己多年的方法论和案例，上百万字的灌输给GPT，然后由此生成了一个独一无二的模型，相当于一个自己的分身。

然后干什么呢？卖自己的这个分身，当商业咨询机器人去卖，一年50-100万不等。

四、Want | 表达期望：量化具体执行效果

表达期望（Want）是我们要为GPT本次的工作，定义出一些关键结果，也就是前面说过的“指标”。这样才能保证它的回答更加符合你的要求，并且高质量。这其中我认为主要考虑三点：

1、核心指标：这个回答的最终目的是什么？具体要达成什么效果？

例如：我希望通过这个脚本做出来的视频，可以提高我的播放量，同时吸引到更多关注XX领域的粉丝

2、内容颗粒度：你需要GPT的回答有多细？同时这里面你要给他多少比例的主观提示（你自己的想法/创意）？

例如：这篇文章需要其中包含三个内容，分别是1...2...3...

3、回答风格：整篇文章输出的风格，和之前的“身份背景”相对应，加以补充要求

例如：看这篇文章的用户是对花艺感兴趣的小红书博主，请用更适合女生、且更适合网络传播的语言风格来写

4、输出形式：根据你的需求场景，确定GPT输出答案的最终形式

例如：请按照小红书/微信朋友圈/政府文档的形式撰写

五、Work | 持续优化：试验并调整    

当通过长提示词让ChatGPT生成回答之后，如果回答还是不准确，就需要我们通过不断地“Work”来持续优化回答地内容。

因为每个人需求和GPT回答结果的不同，在优化的方法论上就没有一个统一的答案了。不过在大逻辑上无非从三点入手，去引导ChatGPT生成更准确的回答。

1. 改提示词：这个就不多说了，看回答的不足之处在哪里，然后更新迭代提示词

2. 改进答案：直接指正ChatGPT答案中的缺点，并加上你的修改建议，比如“我觉得你的回答风格太过大众化，我现在给你一些我的自身案例，请根据这些案例重新撰写一份适合我的回答”

3. 多次生成：可以在提示词不变的情况下，多次生成结果，然后选择更满意的回答

调教ChatGPT，需要时间和耐心。你们双方的关系，就和老板-员工一模一样。大家可以感受一下这两个对话：

老板A：你做个XX的方案，做完我看。

老板B：我需要你做一个XX的方案，这个方案是给外部渠道来看的，主要用来展示我们产品的优势和销售政策，你可以从4P（Product、Price、Place、Promotion）的角度来诠释产品。我希望渠道方看过之后首先会明确我们产品的市场差异化、其次对我们的品牌有信息、最后对销售政策的市场力度有选择。明白了吗？如果有不清楚的地方，可以跟我反馈，也可以寻求产品部的帮助。

看到了吗？老板和员工的对话，就跟ChatGPT的提示词一模一样。第一位说“你先做，做完我看”的那位老板。若不是没有任何责任心，就是脑子里也没有任何知识储备，只会在别人做完的东西上挑错。你的生活中，有没有A这样的老板呢？

所以，急躁、不负责任、肚子里没墨水的“老板（GPT使用者）”，他的“员工（GPT）”自然无法给出让人满意的成绩。

我们也要和自己的这位机器人员工进行多次交互，并不断提供反馈和建议，让它不断学习和更新，才能逐渐适应我们的需求和偏好。