一泽 Eze：样例驱动的渐进式引导法——利用 AI 高效设计提示词 ，生成预期内容
输入“/”快速插入内容
一泽 Eze：样例驱动的渐进式引导法——利用 AI 高效设计提示词 ，生成预期内容
一泽 Eze：样例驱动的渐进式引导法——利用 AI 高效设计提示词 ，生成预期内容
2024年10月14日修改
9137
10647
摘要：一个精彩的 Prompt 是驱动 AI Agent 稳定运作的核心✨。
本文提到的渐进式引导法，简化了提示词设计的过程，让非专业用户也能创建高质量的 Prompt。
🚀 希望能够帮助到对 AI 好奇的朋友，无需深入理解复杂的 Prompt 工程技巧，也能玩转 Prompt。
阅读提示
核心看点：
•
通过实际案例演示，如何从用户期望的 1 个样例出发，通过与 LLM 进行多轮互动，逐步生成高可用的结构化提示词
•
文末「推荐阅读」中，附有相关 OpenAI 官方指引、ICLR 论文等，以供拓展学习
适合人群：
•
•
在实际运用时，不知道怎么写出能够让 AI 生成符合内心预期结果的提示词的用户
引言
一个精彩的 Prompt 是驱动 AI Agent 稳定运作的核心。
例如，我们常见的”小红书爆文生成 AI”提示词，包含了”二极管标题法进行创作”、”最省力法则和及时享受”这样精确、巧妙的提示。
高质量的 Prompt 极度依赖用户通过逻辑思考，从知识经验（KnowHow）中抽象表达出关键方法与要求。这也是大多数人明知 LLM 能完成很多任务，却无法有效利用 AI 提高效率的原因。
阅读本文后，你只需使用 1-2 个初始样例，就能较为轻松地引导 AI 自动定制出完美的提示词。
为了方便记忆，本文将采用“样例驱动的渐进式引导法”，代称这个 Prompt 创作方式。
什么是“样例驱动的渐进式引导法”
样例驱动的渐进式引导法，就像让 AI 主动来读懂你的想法。以 1-2 个正向样例作为起点，通过与 AI 的多轮对话，引导 AI 从样例中提炼隐含的生成要求，逐步完善提示词。
例如，当你教 AI 仿写一篇爆文时，无需详细解释文章结构或写作技巧，只需提供一个优秀的样例。AI 会自动分析这个样例，理解其中的精髓，然后生成更符合自身运作方式的指令。
这不需要用户具备专业的 Prompt 工程知识，也不需要用户“痛苦”地提炼“Know How”。仅仅只需要利用 AI ，就能让 AI 自动生成精彩的 Prompt。
👉 它的核心步骤包括：
1.
构建初始样例： 创建一个符合你期望输出的具体例子。
2.
评估样例，尝试提炼模板： 让 AI 分析和理解样例的结构和关键元素，并以专家视角尽可能地优化样例。
3.
固定模板，强化要求说明： 基于对初始样例的理解，让 AI 提出一个通用模板。通过测试 Prompt，验证模板的可靠性。