Inteligência Artificial 7 min

更好的提示从上下文开始：一种获得更有用响应的简单方法

Lara Yoki

并非所有技术新颖性都需要成为优先事项。创建具有上下文和标准的提示的关键是将具体的有用性与一时的热情分开。当选择涉及要求分析、脚本、审查、计划、选项比较和内容转换时，小细节可以决定体验是否流畅或令人疲惫。本指南是为人工智能助手的初级和中级用户设计的，采用直接的方法，不夸大好处或忽视限制。

在实践中，问题出现在要求分析、脚本、审查、规划、选项比较、内容转换等情况。这些都是常见的用途，但每种用途都需要速度、质量、隐私和易用性的不同组合。最安全的建议是避免仅基于排名、广告或孤立的推荐进行选择。对一种惯例有效的做法对另一种惯例可能就多余了。因此，HTechBD 的编辑方法倾向于可验证的标准：目的明确、一致性、可接受的风险和简单的维护。

为什么上下文会改变结果

一个好的提示不是一个神奇的短语。这是一个小型的运营简报。它告知目标、描述场景、定义受众并解释如何评估响应。当涉及到根据上下文和标准创建提示时，值得将评估转化为具体问题：每天需要发生什么，谁依赖于结果，流程中使用哪些数据以及失败的成本是多少？这种方法减少了冲动决策，并显示​​所选解决方案是否解决了整个任务或仅解决了其中最明显的部分。

第一步是用短句写出问题。对于人工智能助手的初级和中级用户来说，这句话可以避免漫无目的。不要寻找“完整”的工具，而是寻找能够很好地处理主要场景的解决方案：要求分析、路线图、审查、规划、比较选项和转换内容。然后，寻找隐藏的依赖项，例如所需的帐户、不稳定的同步、广泛的权限或不成比例的学习曲线。真正的用处通常出现在不那么华而不实的细节中。

有用请求的最小结构

标准可以减少歧义：大小、语气、深度、格式、所需的示例以及不应发明的内容的限制。当涉及到根据上下文和标准创建提示时，值得将评估转化为具体问题：每天需要发生什么，谁依赖于结果，流程中使用哪些数据以及失败的成本是多少？这种方法减少了冲动决策，并显示​​所选解决方案是否解决了整个任务或仅解决了其中最明显的部分。

实用标准

一个好的测试会持续几天，并使用真实的案例，而不是完美的例子。如果解决方案只有在一切都井井有条时才看起来不错，那么它可能不支持常规。测试文件不完整、连接不良、仓促、中断和需要返回。在创建带有上下文和条件的提示时，纠正错误、导出数据和解释发生的情况的能力与主页上发布的资源列表一样重要。

如何查看第一个答案

当结果不佳时，纠正必须解决原因：缺乏上下文、缺乏限制、缺乏示例或请求混合了太多任务。当涉及到根据上下文和标准创建提示时，值得将评估转化为具体问题：每天需要发生什么，谁依赖于结果，流程中使用哪些数据以及失败的成本是多少？这种方法减少了冲动决策，并显示​​所选解决方案是否解决了整个任务或仅解决了其中最明显的部分。

另一点是设定限制。并非一切都需要自动化、安装、购买或配置。通常，清晰的手动程序比维护不善的复杂工具更好。在存在重复、遗忘风险或需要标准化的地方使用技术。让敏感决策接受人工审查，特别是当它们涉及个人数据、金钱、声誉或与他人的沟通时。

应用实例

一个好的提示不是一个神奇的短语。这是一个小型的运营简报。它告知目标、描述场景、定义受众并解释如何评估响应。当涉及到根据上下文和标准创建提示时，值得将评估转化为具体问题：每天需要发生什么，谁依赖于结果，流程中使用哪些数据以及失败的成本是多少？这种方法减少了冲动决策，并显示​​所选解决方案是否解决了整个任务或仅解决了其中最明显的部分。

警告标志

警告信号通常会很早就出现：绝对的承诺、缺乏文档、难以取消、过多的权限、有关隐私的模糊语言或对单一供应商的依赖。这并不意味着拒绝所有新事物。这意味着在将重要数据、时间或流程移交给尚未表现出足够稳定性的事物之前先暂停一下。

一个简单的重复过程

标准可以减少歧义：大小、语气、深度、格式、所需的示例以及不应发明的内容的限制。当涉及到根据上下文和标准创建提示时，值得将评估转化为具体问题：每天需要发生什么，谁依赖于结果，流程中使用哪些数据以及失败的成本是多少？这种方法减少了冲动决策，并显示​​所选解决方案是否解决了整个任务或仅解决了其中最明显的部分。

要维护结果，请创建一个简单的审核。每月询问该工具是否能继续解决问题、是否存在重复步骤以及是否有人依赖于无人理解的流程。当创建带有上下文和条件的提示时，简单的维护是解决方案的一部分。如果没有这一点，即使是最有前途的技术也会变成一个充满被遗忘设置的数字抽屉。

决定前的快速清单

  • 在选择工具之前先定义主要问题。
  • 使用真实案例进行测试，涉及要求分析、脚本、审查、规划、选项比较和内容转换。
  • 检查隐私、权限、导出和支持。
  • 将节省的时间与维护工作量进行比较。
  • 使用几天后（而不仅仅是安装时）再考虑一下决定。

这个清单看起来很简单，但它避免了一个常见的陷阱：混淆了进步的感觉和具体的改进。对于人工智能助手的初级和中级用户来说，最好的指标是减少返工、减少怀疑和提高可预测性。如果技术需要不断的解释，造成不必要的依赖或迫使用户改变他们的整个习惯而没有相应的好处，那么它就值得重新考虑。成熟的采用是渐进的、可逆的。

最一致的道路是将好奇心与谨慎相结合。创建带有上下文和标准的提示可以带来明显的收益，但前提是有目的、回顾和限制。通常，在采用任何解决方案之前，请观察它是否可以节省时间、提高质量或降低风险。如果它不能提供至少其中一个结果，也许这只是数字复杂性的另一层。

Continue lendo