banner
akihaye

akihaye

Universe!
follow
github
steam
discord user
email

AI溝通指南:如何正確向AI提問?

你是否經常遇到這樣的情況:

  • 不知道該如何向 AI 提出問題?
  • 好不容易憋出一個問題,卻總得不到理想回答?
  • 同樣是用 AI,為什麼別人用得飛起,自己卻頻頻翻車?
    小小的腦袋裡裝滿了大大的問號?別擔心!這並不是你的錯,只是因為你還沒掌握與 AI 對話的正確 “食用方式”🍴🍜。

在這篇指南中,我們將一起探索:

  1. 為什麼要學會向 AI 提問?
  2. 什麼是 Prompt?Prompt 的基本結構是什麼?
  3. 個人與 AI 對話的經驗分享
    ……
    希望這篇博文能對你有所幫助!

溫馨提示:本文採用純天然真人古法手作熬製,如有使用 AI 生成內容,均會在文中特別注明~


ChatGPT Image 2025 年 4 月 27 日 下午 10_48_00

為什麼要學會向 AI 提問?#

在生成式 AI 技術飛速發展的今天,掌握提問的藝術,已經成為一項必備技能。
未來,誰能與 AI 高效互動,誰就能像鋼鐵俠的 Jarvis 那樣,擁有超級外掛!💥
無論是工作、學習還是日常生活,
高效的 AI 對話能幫你節省時間、提升效率、預判趨勢,真正讓你擁有一個堪比鋼鐵俠 Jarvis 的私人助理!


ChatGPT Image 2025 年 4 月 27 日 下午 10_45_38

什麼是 Prompt?#

簡單來說,Prompt 就是我們碳基生物與(未來潛力無窮的)矽基生物 ——AI(如 ChatGPT、DeepSeek 等)溝通時輸入的指令文本。
它,直接決定了 AI 的回應質量。

舉個小例子:

  • 弱 Prompt:“寫篇文章。”
  • 中等 Prompt:“寫一篇介紹陰陽五行基本原理的科普文章,面向中醫專業大學生,要求結構清晰,語言生動易懂。”
  • 強 Prompt:後文詳解!

ChatGPT Image 2025 年 4 月 27 日 下午 10_52_49

如何正確撰寫合格的 Prompt?#

合格的 Prompt,取決於你的需求類型👇:

  • 想要靈感火花?
    • 推薦用簡短自由的Lazy Prompt。放飛 AI,讓靈感如雨後春筍般冒出來!
    • 適用場景:頭腦風暴、寫大綱、改寫風格等。

    示例:“幫我想幾個創意點子,主題是‘人与 AI 的未来’。”;“幫我潤色此文章:附上內容”。

  • 任務嚴謹複雜?
    • 那就乖乖用結構化Prompt
    • 這類任務不適合事後多輪調整,因為每次調整可能讓結果偏離原本目標,最好一開始就精確表達需求,一箭中的🎯!

一個合格的Lazy Prompt怎麼寫?#

Lazy Prompt,顧名思義,就是 “懶人專用提示詞”!怎麼個懶法呢?

  • 不給太多干預,放手讓 AI 自由發揮
    • 只告訴 AI 你想要什麼,別管它怎麼做。
  • 提示詞要帶點 “模糊感”,別把問題卡死了
    • 但注意,Lazy ≠ 隨便糊弄,主題一定要清晰!
  • 允許初版不完美,靈感可以後期慢慢打磨!

✨一句話秘訣:清晰要有,控制要少,心態要佛系!

小 Tips:別害怕亂寫,靈感本就是在混亂中野蠻生長的,大膽放心交給 AI 吧~

一個合格的結構化Prompt怎麼寫?#

咱們先來看看 AI 認為的結構化 Prompt 寫法

分為以下區塊內容
角色設定(Role)希望 AI 扮演的角色
任務目標(Task)你希望 AI 完成什麼任務?
輸入信息(Input)給出必要的素材、背景
輸出要求(Output Requirements)明確格式、長度、風格
注意事項(Constraints)禁止或需要特別注意的事項

此處引用了 ChatGPT 的回答。
不過,按照我個人經驗,可以簡化成三件事:

  1. 背景:我在做什麼?(簡潔告訴 AI,同時注意保護隱私)
  2. 目標:我希望 AI 幫我完成什麼?(詳細明確地描述)
  3. 限制:我不希望 AI 做什麼?(設定邊界,防止 AI 跑偏)

角色設定就比較偏個人口味啦,省略也是可以的~
AI 的輸出要求可以靈活放進目標注意事項裡!
結構化 Prompt 最好一氣呵成,不要頻繁事後修修補補,會讓 AI 迷路的!

個人與 AI 對話的經驗分享#

走,咱們實戰一波,讓你秒懂!💥

標準玩法#

適用:單一任務
場景:我正在進行中醫數據挖掘任務,但需要將證素名標準進行規範化,並已經把相關相關數據提取的證素名保存為 CSV 格式。

一個普通 Prompt 可能是

請幫我分析此 CSV 文件,列出有哪些證素,做成列表。

存在的問題
❌Lazy 了!嚴謹複雜的任務,不適合放飛,結果容易四不像。

一個結構化 Prompt 則應該這樣

 - 背景說明:
 	- 我這裡有份CSV文件,表頭包括`類`、`證`、`證素`、`證侯`,不同數據之間用`,`分隔,同義詞用/分隔。
 
 - 任務目標:請寫個python腳本,要求如下:
 	1. 統計`證素`名頻次,按高到低排序,生成`證素.csv`。
 	2. 統計`證侯`名頻次,生成`證候.csv`。
 	3. 归纳每个`证侯`与相关证素,生成`证侯x相关证素对照表.csv`(注意,`相关证素`里证素与证素之间用`,`分隔)。
 
 - 注意事項:
 	1. 文件路徑為`./input/證標準.csv`,
	2. 輸出路徑為`./output`。 
	3. 忽略單元格空值。
 - (⏫上傳CSV文件)

看到了嗎?清晰交代:

  • 背景(解釋 CSV 文件內容)
  • 目標(要求要清晰)
  • 限制(進一步細化要求)

AI 自然就能完美完成任務了!

隱藏玩法:思維鏈 Prompt#

當任務更複雜,比如:

想要分析某疾病與證侯、處方關係,找出核心處方與核心藥物,還要做可視化…
就可以用思維鏈Prompt(Chain-of-Thought Prompt),引導 AI 逐步推理、分階段完成。

上栗子🌰:

- 我正在進行中醫數據挖掘,想要分析`某疾病`與證侯、處方的關係,並找出此病證的核心處方和核心中藥。並已經把相關相關數據保存為CSV格式。以下為本csv文件的解釋:
	1. 表頭為`ID`、`診斷`、`兼病`、`證素`、`證侯`、`處方`。(表頭內容根據採集數據來,比如`舌`、`脈`、`性別`、`年齡`等也可納入分析,在此僅簡單舉例)
	2. `兼病`、`證素`、`證侯`中各數據儲存為一個字符串,不同的數據之間用`,`分隔。
	3. 若單元格無信息則為`空值`,一行的空值單元格大於`xx`,則此行不納入分析。(空值的數值取決於你對數據篩選要求的嚴格程度)
	4. 其中處方里的各數據儲存為一個字符串,不同的藥物之間用`,`分隔,`藥物`與`劑量`之間用`:`分隔。

- 請寫個python腳本,要求如下:
	- 首先檢查納入數據的質量,製作納入排除數統計表。
	-  再分析病案的:
		1. 單藥、藥對頻次分析,生成md表格和可視化圖。並取單味藥頻次統計結果及其劑量數據,做多味藥劑量分佈曲線圖,橫軸為劑量,縱軸為頻次,每條線代表一種藥,用不同顏色的線代表不同的藥,並註釋此線代表什麼藥,說明在圖下方。
		2. `診斷`與`兼病`、`證素`、`證侯`關聯性分析(生成的三張交叉表一並儲存到”診斷關聯性分析.md”文件裡)。
		3. `診斷`、`兼病`、`證素`、`證侯`與`藥物`關聯分析(生成的四張交叉表一並儲存到”藥物關聯性分析.md”文件裡)

- 建議與注意事項:
	1. Python腳本前面部分做一個供我自定義調整參數的控制面板欄和一個通用函數欄。
	2. 設定CSV文件路徑為`./input/表格.csv`,輸出的md文件保存在指定路徑:`./output/分析結果表`。輸出的圖片文件保存路徑為:`./output/分析結果圖`
	3. 表格儲存為md格式。
	4. 所有交叉表數據按頻次顯著性排序。
	5. 生成的可視化圖,儲存為png格式,圖應支持顯示中文字符(Arial Unicode MS)。
	6. 可視化圖分辨率可供我調整,如dpi=300。
	7. 表格、可視化圖使用的數據頻次可供我調整,如頻次為3次以上。
	8. 可視化圖顯示高頻數據可供我調整,如單味藥頻次圖顯示前15位,高頻單味藥劑量分佈顯示前5位、高頻藥對圖顯示前10位,交叉表製作的圖顯示行/列前10位。
- (⏫上傳CSV文件&切換到推理模型)

看懂了嗎?結構核心依舊是:

  • 我正在做什麼?(告訴 AI 背景及細節)
  • 我要你幫我做什麼?(要求,逐步推理)
  • 我要限制什麼?(要看到 AI 的整個推理過程,讓其輸出腳本源代碼,讓一切步驟掌控在自己手中,讓 AI 自由發揮變量風險降到最低)

用以上方法就能得到高質量的回應啦。


小結#

向 AI 提問,最怕的是含糊和想當然,最妙的是清晰具體又不過度限制。

  • 要靈感?—— 用簡短自由的 Lazy Prompt,讓 AI 放飛!
  • 要精準?—— 用結構化 Prompt,讓 AI 狙擊!

寫到這裡,
恭喜你,已經掌握了與 AI 對話的入門秘笈!🏆
下次再有人抱怨 AI “答非所問”,你可以自信地拍拍他們的肩膀:“兄弟,是你不會問!”😎


攤牌提示:本文內容使用 Lazy Prompt 進行文風潤色,以提升表達流暢度(寫教程現教現用!),但核心內容與經驗分享均為作者本人親自編寫。

本文插圖均為 AI 生成。

感謝你的閱讀,希望對你有所幫助!

載入中......
此文章數據所有權由區塊鏈加密技術和智能合約保障僅歸創作者所有。