学ChatGPT 提示词,看这一篇就够了

学习ChatGPT提示词，看这一篇就够了

此前在新加坡首届GPT-4提示词工程大赛中，张席拉（Sheila Teo）摘得桂冠。

在赛后，她还分享了自己撰写提示词的心得体会。接下来，我将为大家系统介绍她夺冠的提示词框架——CO-STAR框架。

ChatGPT冠军提示词的秘密是什么？

CO-STAR框架由新加坡GovTech的数据科学与人工智能团队开发，是一个极具实用性的提示词构建模板。该框架综合考虑了影响大语言模型（LLM）回应效果和相关性的各项关键因素，从而帮助我们获得更优质的输出结果。

什么是CO-STAR框架？

CO-STAR框架由六个关键部分组成，每一部分都旨在提升大语言模型（LLM）生成的回应质量和相关性：

1. C-Context（上下文）：提供任务的上下文信息。这一部分帮助LLM理解讨论的情境，从而确保其回应与主题相关，并具有针对性。

2. O-Objective（目标）：明确你希望LLM完成的任务。清晰的目标能够帮助LLM集中精力，生成符合预期且有针对性的回应。

3. S-Style（风格）：指明LLM输出的写作风格。这可以是某位名人或领域专家的写作风格，如商业分析师或CEO的风格。明确风格要求能够引导LLM采用与你需求相符的表达方式和词汇选择。

4. T-Tone（语气）：确定回应的情感态度。这一部分确保LLM的回应情感与预期相符，例如正式、幽默、同情等不同的语气。

5. A-Audience（受众）：识别回应的目标受众。指定特定受众（如领域专家、CEO、初学者、儿童）可以确保LLM的回应在相应的语境中具有适宜性和可理解性。

6. R-Response（回应）：指定回应的格式。这确保LLM按照你需要的确切格式进行输出，方便后续的任务处理。例如，列表、JSON格式、专业报告等。对于大多数需要程序化处理LLM回应的应用场景，JSON格式通常是理想的选择。

实际案例：ChatGPT提示词的效果对比

没有使用CO-STAR框架的Prompt：

帮我写一篇关于wildcardw的种草文案GPT是这样输出是这样的。

这样的效果表现平平，生成的效果也不是我想要的。

使用CO-STAR框架的Prompt：

#上下文#我想为新产品写一篇文案。产品名叫wildcard，是一款虚拟充值卡，可以帮你充值chatgpt，claude、midjourney等国外产品，还支持充值不成功100%退款。

#目标#为我创建一个小红书帖子，目的是让看到这篇帖子的人购买安慕希。

#风格#小红书的种草风格。#语气#幽默的，#有说服力的。

#受众#我们的群体是大学生，大学里面的老师和科研人员。

#回复#小红书上的种草文案，简明扼要而又富有感染力。

GPT的回复是这样的：

掌握ChatGPT Prompt的重要性

从上述对比可以看出，会写高效的ChatGPT Prompt和不会写之间的差距非常大。因此，掌握提示词工程的技巧至关重要！

ChatGPT提示词学习资源推荐

最后我也整理了关于学习提示词的方法系统学习推荐吴恩达教授的《提示词工程师课程》

链接如下：

https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers

Open AI的官方文档也帮大家找到了

链接如下：

https://platform.openai.com/docs/guides/prompt-engineering

最后给大家推荐的是通往AGI之路，上述的学习内容里面都有，还有很多提示词框架，大家可以参考这些大神的框架链接如下：https://waytoagi.feishu.cn/

今天的分享就到这里，有兴趣的伙伴赶紧动手可以去自己写提示词。

相关阅读：手机如何下载使用ChatGPT？苹果&安卓手机详细教程