🫡
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

用户1668

用户3576

2024年8月4日修改

作者：一泽Eze

微信号：eze_is

原文：​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​

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：

•

初步了解结构化提示词的用户（如果还不知道什么是结构化提示词，推荐阅读：结构化提示词系统论述：构建高性能 Prompt 之路）

•
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。​

4.
生成结构化提示词： 将优化后的模板转化为结构化的提示词。在用户适当调整并确认后，即可投入使用。​

在这个过程中，用户的角色主要是：