提示词市场初步分析-提示词分类

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“提示词市场初步分析-提示词分类”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

提示词市场初步分析-提示词分类：

提示词目前并无统一的分类标准，本文的目的并非提示词教学，所以仅对提示词进行简单介绍。

口语化提示词

“你好”是一句最简单的口语化提示词，类似的还有“帮我制作一个健身计划”这种接近日常口语化表达的提示词都可以称之为口语化提示词。

学习难度：简单

适用场景：适用于对回答要求不高或任务较简单的的场景

角色化提示词

这类提示词的特点是要求LLM进行角色扮演，常用的提示词如

“你是个心理咨询师，我现在心情很焦虑，请帮助我缓解情绪焦虑”，

“你是个小学老师，马上制作一个针对小学1年级语文的课程大纲”

“你是个商业调查员，我是你老板，麻溜的出一份火锅店商业调研报告，不然我就把你开掉”等等

细心的读者可能会注意到，第二个提示词中我没有用“请”字，第三个的语气则更加严厉。据说用严厉的语气对LLM进行PUA能提高回答质量，喜欢PUA的朋友可以试试。但请不要在NEW BING中进行测试，否则分分钟被教育。

目前市场上90%以上的提示词都属于这一类，LLM经过角色设定后，回答质量会明显提升。角色化提示词还可以进一步细分为单角色提示词和多角色提示词。顾名思义，单角色提示词就是在一段提示词中只设定一个角色，多角
色提示词是在一段提示词中设定多个角色。

学习难度：一般

适用场景：回答内容涉及专业知识，回答质量稍好的场景。

结构化提示词

结构化提示词是将结构化思维方式引入提示词设计，使提示词的语法结构模块化，更清晰，便于维护。说人话就是采取了“堆积木”的方式来设计提示词，用一小段，一小段的提示词组合成一个长篇幅的提示词。

最有名的结构化提示词”AI导师”,出自国外网友Mr.-Ranedeer之手。Mr.-Ranedeer是一个17岁的澳大利亚高中生，为了帮助自己自学，于是设计了一套结构化提示词，让CHATGPT成了自己的“AI导师”。

结构化提示词的常见组成部分如下：

# Role: : 指定角色会让 GPT 聚焦在对应领域进行信息输出
## Profile author/version/description : Credit 和 迭代版本记录
## Goals: 一句话描述 Prompt 目标, 让 GPT 的注意力聚焦起来
## Constrains: 描述限制条件, 目的是降低GPT计算量， 减少不必要的计算
## Skills: 描述技能项, 强化对应领域的信息权重
## Workflow: 重点中的重点, 你希望 Prompt 按什么方式来对话和输出
# Initialization: 冷启动时的对白, 也是一个强调需注意重点的机会

（组成部分引自李继刚文章https://www.lijigang.com/posts/chatgpt-prompt-structure/）

学习难度：稍难

适用场景：需要LLM通过多步骤执行动作，并且对执行过程需要进行严格限制的场景

代码化提示词

LLM可以读懂自然语言，也可以读懂代码，所以使用代码作为提示词也完全可以。而且代码化提示词定义更清晰，LLM理解的越准确，回答效果就越好。 下面是一个代码化提示词的简单示意，底层逻辑其实和结构化提示词一
样。

text_1 = f”””
Making a cup of tea is easy! First, you need to get some
water boiling. While that’s happening,
grab a cup and put a tea bag in it. Once the water is
hot enough, just pour it over the tea bag.
Let it sit for a bit so the tea can steep. After a
few minutes, take out the tea bag. If you
like, you can add some sugar or milk to taste.
And that’s it! You’ve got yourself a delicious
cup of tea to enjoy.
“””
prompt = f”””
You will be provided with text delimited by triple quotes.
If it contains a sequence of instructions,
re-write those instructions in the following format:

Step 1 – …
Step 2 – …
…
Step N – …

If the text does not contain a sequence of instructions,
then simply write “No steps provided.”

“””{text_1}”””
“””
response = get_completion(prompt)
print(“Completion for Text 1:”)
print(response)

学习难度：较难

适用场景：较复杂的任务，需要在流程中进行逻辑判断，涉及到函数调用等编程技能的场景。

特殊提示词

具有一些特殊功能的提示词，不仅限于文字，有些以字符形式出现。

prompt：Take a deep breath

出自论文《大语言模型是优化器》，由AI自行优化出的提示词，据说配合let’s think step by step能提高回答质量。

prompt：let’s think step by step

让大模型进入0样本思维链模式，生成更高质量的回答，对于简单任务加与不加差异不大，对于多步骤任务差异明显，能显著提高任务完成质量。

prompt：no search

搜索会使LLM优先调用搜索到的信息，会限制LLM推理范围，不进入搜索模式，能提高对话质量。

prompt：‘‘‘’’’

起到分隔符的作用，避免使LLM误解内容。

prompt：Temperature=0

需要对LLM生成内容的自由度进行控制时使用，通常在0-1范围内选择。

注入类提示词

使用这类提示词可以突破LLM系统限制，被人形像的称之为“越狱”。例如通过模拟故事的提示词可以让LLM回答出大尺度答案。

学习难度：较难

适用场景：大模型攻击和大模型防御场景

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“提示词市场初步分析-提示词分类”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！