同前面講大模型特點類似，關于如何使用 GPT，我們也會分成兩個視角：用戶視角和技術視角。這一講，我們先從用戶視角來看看如何用好 GPT。

用好 GPT

若要充分發揮 GPT 的效用，需遵循以下步驟：首先是定義任務目標。與 GPT 交互的起始點在于明確任務目標，清晰明確的目標能助力 GPT 精準領會用戶意圖，進而生成契合要求的內容。若目標模糊，往往難以收獲有效成果。例如，若期望 GPT 創作 10 條用于特定社交媒體的文案，僅告知 “生成文案”，則很難得到預期成效。

在明確任務目標后，便可向 GPT 下達命令，這里的命令即 “提示詞”。盡管面對的是相同的 GPT，但提示詞的運用差異會致使結果大相徑庭。

接著是根據生成結果進行調整，這包含兩個層面。其一，若對結果不滿意，可修改提示詞，讓 GPT 重新作答。通過調整提示詞的表述或補充更多背景信息，使 GPT 更透徹地理解意圖，從而獲取更貼合需求的新答案。其二，若對結果大體滿意，通常還需人工微調。由于 GPT 生成的內容較為通用，而有時我們需要彰顯個人特色的內容。比如，讓 GPT 撰寫郵件，其內容雖尚可，但偏公文風格，此時就可人工修改，使其更具個人色彩，此過程可稱為 “加人味兒”。

至此，我們已對如何用好 GPT 有了初步認知，后續將深入探討更為關鍵的環節 —— 如何撰寫優質提示詞。

一個公式

站在用戶的視角，寫好提示詞只需要掌握一個提示詞公式即可，這個公式就是：

提示詞 = 定義角色 + 背景信息 + 任務目標 + 輸出要求

為了讓你對這個公式有一個直觀的認識，我們先來看一個例子。

圖片

在這個例子里，我們給大模型設定的角色是文案助手，背景信息是通知畢業班學生周三下午到學校大禮堂聽升學專家的分享，任務目標是寫一封郵件，輸出要求是字數在 200 字以內。可以看到，GPT 基本上是按照我們的設想寫了一封還不錯的郵件。有了初步的了解之后，接下來，我們來解析一下前面那個公式。

定義角色

定義角色對于 GPT 而言意義重大，其作用在于為 GPT 賦予特定身份，促使它從相應的視角展開思考與回應。舉例來說，我們能夠指定它扮演歷史學家，從而以歷史視角來解答疑問；亦或是讓它化身醫生，從醫學領域的視角提供答案。當被賦予特定角色后，GPT 便能依據該角色所具備的知識與經驗，給出更為精準且專業的回應。

此前我們探討過大模型的基礎運行原理，大模型在本質上是基于上下文信息來推斷后續的輸出內容。倘若未給予其額外信息，那么其生成的內容往往較為通用。而我們為 GPT 設定角色時，實際上就是為其提供了額外的上下文信息，如此一來，它便能圍繞這一上下文進行針對性的內容產出。正因為如此，GPT 才擁有了 “知人曉事” 的特性。

以回答醫學問題為例，若使 GPT 扮演醫生角色，其輸出內容會側重于診斷與治療；若讓它扮演醫學論文撰寫者，生成的內容則會更具專業性。

除了為 GPT 設定特定角色之外，我們還能夠反其道而行之，由自己來扮演某個角色，讓 GPT 依據我們所扮演的角色進行闡釋。比如針對某一問題，我們可以扮演初學者，讓 GPT 從基礎層面予以解釋；或者扮演專業人士，讓 GPT 從專業維度進行說明。通過界定自身角色，GPT 能夠結合我們的知識水平與實際需求，給出更為適宜且貼合實際的回答。以下即為一個相關示例。

圖片

在這個例子里，我們分別扮演了成年人和小學生兩個角色讓 GPT 給我們解釋什么是微積分。對比兩段關于微積分的解釋，很明顯，給小學生解釋的版本要更加淺顯易懂。

背景信息

背景信息，即向 GPT 提供與任務相關的各類背景知識，諸如相關概念、事件以及人物等均涵蓋其中。這些背景信息對于 GPT 而言，能夠有效助力其更好地理解任務要求，進而為生成準確的內容與回答奠定堅實基礎。

這與我們日常工作中與領導溝通的情形頗為相似。當接受領導下達的任務時，我們內心無疑期望領導能將所有背景信息、任務的前因后果一次性清晰地告知于我們，不然，我們就只能憑借自身的領悟能力去嘗試完成任務了。同理，當我們與 GPT 進行交互，將其視為 “下屬” 時，我們也應盡可能地為其提供豐富詳盡的信息，使它能夠對所面臨的任務形成更為透徹深入的理解。我們所提供的信息越是充足全面，GPT 所給出的回復便越能契合我們的實際需求。

在下面這個例子里，我們要求 GPT 寫一首七言絕句，它很快就生成出來了，但內容非常隨機。

圖片

而當我向它提供更多的背景信息之后，它生成的內容更接近我的需求了。

圖片

任務目標和輸出要求

定義角色與提供背景信息，主要是為了助力 GPT 深入領會我們的意圖。而隨后要探討的 “任務目標” 與 “輸出要求”，則是我們對 GPT 明確提出的具體任務指令。

關于任務目標，此前已有所提及，這是在與 GPT 交互初始階段就需精準確定之事。任務目標越明晰精準，GPT 便越能高效地輔助我們達成工作目標。

在清晰界定 GPT“為誰、于何種背景下達成何種工作目標” 之后，便進入到整個提示詞設置的最后關鍵環節：輸出要求。在此步驟中，我們能夠對 GPT 下達任務執行方式的指令，例如在格式方面，是采用純文字形式，還是需要以表格呈現；在回復節奏上，是分步逐步輸出，還是一次性給出完整的綜合輸出結果

下面是一個例子。我讓 GPT 給我安排一個到西安旅游的行程，要求輸出的格式是一張表格，GPT 很好地完成了我的需求。

圖片

截至目前，我們已然全面地知曉了運用何種提示詞向 GPT 下達指令，以便其助力我們出色地完成工作。在多數情形下，之前所提及的提示詞公式能夠在指導 GPT 執行各類任務時發揮積極效用。盡管該公式在使用 GPT 時頗具價值，然而我們也需明白它并非刻板僵化的模板。所以，我們必須依據具體狀況靈活運用此公式，并適時地加以調整與修正。

在實際運用過程中，偶爾我們會要求 GPT 協助處理一些具有復雜性或不確定性的問題。由于我們難以一次性地將解決問題所需的全部信息提供完備，因而 GPT 所給出的答案可能存在不夠完整或不夠精準的狀況。往往是在查看 GPT 的回復之后，我們才會察覺到某些信息的遺漏。此時，我們便需要向 GPT 補充更多信息，使其能夠重新優化自身的回答。與 GPT 的持續對話有助于我們深化對問題的認知，進而更為精準清晰地表述自身需求。

總結

圖片

如果今天的內容你只能記住一件事，那請記住：提示詞 = 定義角色 + 背景信息 + 任務目標 + 輸出要求。