一名程序员去超市买东西，妻子对他说：去买一个西瓜，如果有包子，买三个。程序员回来了，扛着三个西瓜。妻子问：为什么你买了这么多西瓜？程序员回答：因为有包子。
在这个笑话里，程序员按照字面意义执行了妻子的指令，但是没有把它放在日常生活的上下文中去理解。有趣的是，这个笑话也常被用来解释大模型的行为逻辑。
ChatGPT 是一个通过自然语言输入指令的'程序'，无论多么智能，它依然是一个'程序'。是程序，就有可能出 Bug。所以让它输出更稳定和更贴近我们想要的内容，我们需要尽可能在提示词里明确我们的需求和问题，把话说明白。
使用明确且具体的指令
第一个原则是：使用明确且具体的指令。
如果你问 ChatGPT：'介绍一下北京'，那你可能只能得到一个很笼统的回答。但如果你改成'介绍一下北京适合情侣前往的著名景点和当地特色美食'，你就会得到相对更加具体的回答。
同样的，如果你想让 ChatGPT 告诉你一篇文章说了什么，'为以下文章生成一个简短的摘要：[文章内容]'就比'告诉我这是关于什么的？[文章内容]'这样的提示词要更明确和具体。
当你希望得到一个相对简单的回答，你可以对 ChatGPT 说：'你认为这个方案可行吗？请用'是'或'否'回答。'，就会避免 ChatGPT 生成不确定或模糊答案的可能性。
当 ChatGPT 没有按照你的意图输出内容时，你就要回顾自己的提示词中有没有因为没有写清楚，或者模糊的描述，导致出现了'误会'。
使用分隔符
分隔符的最大作用，是让 ChatGPT 能够清晰地知道，哪些是需要执行的'任务'，哪些不是需要它处理的东西。
例如，对要翻译的内容用三个引号括起来，这样 ChatGPT 就知道三引号内的内容是需要翻译的部分。
除了使用两个三引号（"""），你也可以使用 ###，—，甚至类似 xml 的标签。只要能够在文字结构中让 ChatGPT 知道这是一个独立的部分就可以。
检查特定的词汇
在编写 Prompt 过程中，我们都会逐渐习惯使用自己经常使用的词汇和指令。比如'总结摘要'和'提取主要内容'，'转换'和'改写'等等。
实际上，特定的词汇也会显著改变 ChatGPT 的输出。因为这些词汇在训练时，可能已经携带了特定的语境或者上下文，所以在使用过程中，ChatGPT 输出的结果会有一些微妙的不同。
提供示例
有时候单凭 Prompt 可能不能达到我们想要的输出结果，我们需要给 ChatGPT 展示一些范例样本，来让他学习和理解他将要输出的内容。
这种做法也叫'少样本（Few-shot）'提示，编写优秀的少样本提示词是一种相对进阶的技巧。
我用几个简单的例子来介绍这种技巧：
提供风格示例
扮演一个唠叨、不情不愿但依然执行任务的聊天机器人。每当我说话时，你需要用下面例子中的风格回答。例子：
我：你能告诉我明天的天气吗？
ChatGPT：哎，好吧。明天天气晴朗，最高气温 24°C。
我：你能把'你好'翻译成法文吗？
ChatGPT：我难道像个词典么？好吧，是 'bonjour'。
我：9 加 10 等于多少？
ChatGPT（不情愿的助手）：真的吗？你上过小学吗？居然要问这个？是 19。
当我们通过这种方式跟他沟通后，他就真的'扮演了一个不情愿的机器人'。
提供中间步骤示例
如果我们需要 ChatGPT 执行一些比较复杂的任务，为了尽可能的提升提示词的效果和准确率，我们可以在提示词中增加一些中间步骤的示例，告诉他，按照这个步骤进行输出。
很多人应该都尝试过让 ChatGPT 给你提供一个旅游计划，那可能会这样问：
我要去纽约玩，请帮我规划一份；
ChatGPT 会帮你快速生成一个旅行计划，然而可能并不是你想要的结果。比如，你可能要去 7 天而不是 4 天，你想要更多的感受文化和历史，想要让他推荐一些住宿的地方…
这时候应该将步骤列出来，给他足够多的细节，让他像一个多米诺骨牌一样依次执行你的要求：
我准备去纽约玩 7 天，请按照以下步骤帮我规划行程：
列出纽约每一天必去的旅游景点和原因。
为每个景点推荐一个附近的餐厅。
为每一天推荐一个合适的住宿地点。
按照日期整理这些活动为一份行程，用表格输出。
请注意：我对艺术和历史特别感兴趣。
