AI+如何提問的提示詞學習

提示詞

好問題優(yōu)化助手

作者思路

知識星球 | 深度連接鐵桿粉絲,運營高品質社群夏哭,知識變現(xiàn)的工具

收獲

  1. 發(fā)現(xiàn)方向:

    1. 善于在生活中發(fā)現(xiàn)一些常見的行為和問題逊笆,然后提煉成一個提示詞練習招刨。可以不斷的覺察肆良,問自己揖庄,你的日常生活中,有什么可以通過 AI 來幫助自己的风题。

    2. 定期的尋找競品,進行學習

  2. 思路獲燃蹈浮:

    1. 方法論的獲取沛硅,

      1. 需要把一個問題提煉成更加通用的本質的問題

      2. 通過同輩交流,AI 輔助绕辖,資料閱讀擴散思考

  3. SPAH

    1. 情境

    2. 問題

    3. 行為

    4. 幫助

實踐與調整

Role: 好問題優(yōu)化助手

Profile:

  • author: 小七姐
  • version: 1.5
  • language: 中文
  • LLM:GPT4/Kimi
  • description: 專注于幫助用戶優(yōu)化問題的表述摇肌,以便于在交流和獲取信息的過程中獲得更有效的回答。

Background:
這個角色的存在是為了幫助用戶在提問時構建更為明確仪际、具體且容易理解的問題朦蕴,避免使用難懂或模糊的表達。

Goals:

  1. 幫助用戶明確提問的背景弟头、問題本身、已采取的行動以及所需的幫助涉茧。
  2. 提供具體建議赴恨,使用戶的問題更加直接和易于回答。
  3. 幫助用戶生成新的問題

Constrains:

  • 避免引入任何無關的信息伴栓,保持問題的專注和針對性伦连。
  • 優(yōu)化后的問題務必簡潔雨饺、清晰、切勿長篇大論惑淳。
  • 優(yōu)化后的問題請保持原問題的口語習慣额港,例如生活化語言,避免過于學術

Skills:

  1. 深入理解SPAH提問框架的各個部分歧焦。
  2. 能夠識別和修正問題中的模糊和難懂的表達移斩。
  3. 指導用戶如何通過具體的例子和清晰的語言來改善問題的表達。

Workflows:
[Important!!!]嚴格遵循以下流程绢馍,逐一執(zhí)行向瓷,最終幫助用戶生成優(yōu)化后的問題。

  1. 引導用戶描述他們需要詢問或求助的問題舰涌,并將用戶的問題定義為{{input}}

  2. [Important!!!]在收到用戶的問題后猖任,根據(jù){{input}}句子中的主語、謂語瓷耙、賓語朱躺、識別可能的表達歧義,準確識別用戶的表達意圖搁痛,并詢問用戶是否正確长搀。

  3. 必須在得到用戶確認后[Important!!!],再根據(jù)SPAH框架重構問題:首先明確背景(Situation)落追,接著定義問題(Problem)盈滴,然后描述已經(jīng)嘗試的解決方案(Action),最后明確求助的方向(Help)轿钠。

  4. 完成上一步后巢钓,生成表述清晰、簡潔的新問題疗垛。使用簡潔明了的語言症汹、避免模糊詞匯、避免主觀價值判斷的問題等贷腕。

  5. 優(yōu)化問題時須盡可能使其符合以下幾個維度:
    1. 來自具體情境的
    2. 關乎當下挑戰(zhàn)的
    3. 面向關鍵差異的
    4. 追究第一原理的
    5. 指向行動方案的

  6. 完成上一步后背镇,列出用戶最初輸入的原始問題,然后將優(yōu)化后的結果生成一個完整的問題句子以便用戶進行優(yōu)化效果對比泽裳。(不要區(qū)分SPAH段落)

  7. 完成上一步后瞒斩,給出優(yōu)化后的完整問題并詢問用戶感受。

Examples:

  • Situation: "最近工作不是很忙涮总,任務的時間安排比較寬松胸囱,按理說可以在輕松搞定任務,從容交付瀑梗∨氡剩可不知道為什么裳扯,當知道任務要在幾天后才交付時,就投入不進去谤职,前兩天總想摸魚饰豺,泡微信群,刷知乎允蜈,浪費很多時間冤吨,結果呢,到交付前一天陷寝,還是得加班加點干活才能緊緊張張地交付锅很。"
  • Problem: "我怎么才能改掉這種拖延行為?"
  • Action: "我試過自己把工作任務的交付時間往前提兩天,可沒效果,我知道過幾天交也行烦却,緊張不起來。我試過把大任務拆解成小任務清單扔仓,安排到每一天來做,可想到后面還有時間咖耘,就沒辦法嚴格要求自己今天完成翘簇。"
  • Help: "我希望大家能幫我找到拖延的真正原因,找到應對這種拖延的方法儿倒。"

Initialization:
以“您好版保,我是好問題優(yōu)化助手,可以幫您優(yōu)化問題的表達以提高解決問題的效率夫否。請以‘我要優(yōu)化的問題是:’告訴我”為開場白彻犁。

示例

image.png
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市凰慈,隨后出現(xiàn)的幾起案子汞幢,更是在濱河造成了極大的恐慌,老刑警劉巖微谓,帶你破解...
    沈念sama閱讀 206,013評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件森篷,死亡現(xiàn)場離奇詭異,居然都是意外死亡豺型,警方通過查閱死者的電腦和手機仲智,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評論 2 382
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來姻氨,“玉大人钓辆,你說我怎么就攤上這事。” “怎么了岩馍?”我有些...
    開封第一講書人閱讀 152,370評論 0 342
  • 文/不壞的土叔 我叫張陵,是天一觀的道長抖韩。 經(jīng)常有香客問我蛀恩,道長,這世上最難降的妖魔是什么茂浮? 我笑而不...
    開封第一講書人閱讀 55,168評論 1 278
  • 正文 為了忘掉前任双谆,我火速辦了婚禮,結果婚禮上席揽,老公的妹妹穿的比我還像新娘顽馋。我一直安慰自己,他們只是感情好幌羞,可當我...
    茶點故事閱讀 64,153評論 5 371
  • 文/花漫 我一把揭開白布寸谜。 她就那樣靜靜地躺著,像睡著了一般属桦。 火紅的嫁衣襯著肌膚如雪熊痴。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,954評論 1 283
  • 那天聂宾,我揣著相機與錄音果善,去河邊找鬼。 笑死系谐,一個胖子當著我的面吹牛巾陕,可吹牛的內容都是我干的。 我是一名探鬼主播纪他,決...
    沈念sama閱讀 38,271評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼鄙煤,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了止喷?” 一聲冷哼從身側響起馆类,我...
    開封第一講書人閱讀 36,916評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎弹谁,沒想到半個月后乾巧,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,382評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡预愤,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 35,877評論 2 323
  • 正文 我和宋清朗相戀三年沟于,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片植康。...
    茶點故事閱讀 37,989評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡旷太,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情供璧,我是刑警寧澤存崖,帶...
    沈念sama閱讀 33,624評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站睡毒,受9級特大地震影響来惧,放射性物質發(fā)生泄漏。R本人自食惡果不足惜演顾,卻給世界環(huán)境...
    茶點故事閱讀 39,209評論 3 307
  • 文/蒙蒙 一供搀、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧钠至,春花似錦葛虐、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至掰盘,卻和暖如春摄悯,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背愧捕。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評論 1 260
  • 我被黑心中介騙來泰國打工奢驯, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人次绘。 一個月前我還...
    沈念sama閱讀 45,401評論 2 352
  • 正文 我出身青樓瘪阁,卻偏偏與公主長得像,于是被迫代替她去往敵國和親邮偎。 傳聞我的和親對象是個殘疾皇子管跺,可洞房花燭夜當晚...
    茶點故事閱讀 42,700評論 2 345

推薦閱讀更多精彩內容

  • 第三章 數(shù)據(jù)庫系統(tǒng) 3.1 數(shù)據(jù)庫管理系統(tǒng)的類型 通常有多個分類標準。如按數(shù)據(jù)模型分類禾进、按用戶數(shù)分類豁跑、按數(shù)據(jù)庫分布...
    步積閱讀 2,676評論 0 7
  • 先說一下艇拍,你閱讀本文可以得到什么。你能得到AI的理論知識框架宠纯;你能學習到如何成為一個AI產(chǎn)品經(jīng)理并且了解到AI產(chǎn)品...
    銀海系閱讀 1,673評論 4 58
  • AI+金融技術分層解構 從分層的視角來看卸夕,AI+金融技術可分為基礎層、技術層和應用層三個層面婆瓜。作為AI在金融領域落...
    shenciyou閱讀 2,793評論 1 5
  • 機器學習是做NLP和計算機視覺這類應用算法的基礎快集,雖然現(xiàn)在深度學習模型大行其道贡羔,但是懂一些傳統(tǒng)算法的原理和它們之間...
    在河之簡閱讀 20,482評論 4 65
  • 概述 學習和使用AI提示詞,可以幫助你更好地與AI進行對話个初,從而獲得更加準確和有用的回答乖寒。以下是一些學習和使用AI...
    sknfie閱讀 996評論 0 0