LLM(2)之指令提示词(Prompt)基础教学

LLM(2)之指令提示词

Author：Once Day Date：2024年2月15日

全系列专栏请查看:LLM实践成长_Once_day的博客-CSDN博客

参考文章：

• 中文完整版全9集ChatGPT提示工程师｜AI大神吴恩达教你写提示词
• ChatGPT Shortcut - 简单易用的 ChatGPT 快捷指令表，让生产力倍增！标签筛选、关键词搜索和一键复制 Prompts | Tag filtering, keyword search, and one-click copy prompts (aishort.top)
• AI工具集 | 700+ AI工具集合官网，国内外AI工具集导航大全 (ai-bot.cn)
• AiShort(ChatGPT Shortcut)-简单易用的 AI 快捷指令表，让生产力倍增！ | AiShort(ChatGPT Shortcut)-AI Prompt Management,Productivity Tool

文章目录

• • • LLM(2)之指令提示词
    • • 1. 概述
      • 2. 基础使用
      • 3. 指定角色(Role)
      • 4. 情绪氛围(Emotion)
      • 5. 定义概念(definition)
      • 6. 列举例子(example)
      • 7. 声明约束(constrain)
      • 8. 额外属性(attribute)
      • 9. 进阶使用
      • 10. 其他示例展示

1. 概述

使用大模型进行工作提效，已经是目前时代的主要需求了。最先出现突破的就是自媒体、绘图、配音、编程和图文等领域。大模型火爆已经有一年了，过去一年中徬徊过无数次，但是最终还是在潜水。时至今日，不能再沉默了，本篇文章将步随目前最火爆的AI知识社区AI破局星球的脚步，逐渐学习和训练对AI的掌握能力。

本文将总结目前AI使用中常见的提示词技巧，想要成事，必须利其器。回忆去年，作为一名网络数通领域开发人员，深深感受到AI对网络技术开发的破局效应。网络技术繁杂，其细分技术涉及众多场景，华为、思科、华三等大公司多足鼎立之下，一些技术又在具体实现上有较大差别。借助AI，在遇到难点问题时，可快速了解相关技术信息，从而打破经验壁障和知识壁垒。

在学习过程中，以往最大的问题是遇到一些隐晦的问题，很难找到答案。即使网上搜索，由于没有合适关键词，或者国内信息较少。在这种意义上，使用AI大模型，可带来全新的体验，就像小时候，4G网络和智能手机刚刚普及的时候，遇到不懂的题目可以直接百度搜题，或者是更简便的拍照搜图。

AI大模型对我而言，则是在网页搜索、问答论坛之上更进一步，从某种意义来说，AI大模型是纸张、互联网之后新的信息革命。对于广大的穷人来说，纸张让富人的知识从庙堂之上，来看小山村里面。互联网让地处大山之中的孩子也能接触到最新的信息资讯，打破地理隔离。AI大模型，则让哪些无生产资料和资源的奋斗者重拾梦想，凭借AI平台实现自我价值。

凡事有好也有利，接触AI大模型，并不意味着失去思考和学习的能力。互联网让诸多贫穷学子走向世界，也让同时让许多人沉迷短视频和直播等虚拟世界中无法自拔。所以，即使AI大模型能够提供需要信息，我们也不能失去独立获取知识的能力，毕竟AI幻觉一直存在，AI提供信息真假难辨，没有独立判断能力，终究是水上浮萍。

接下来，我们将开启AI学习之旅，一同成长。书于甲辰年正月初七。

2. 基础使用

2.1 ChatGPT模型

首先来试试GPT模型，我在平时使用中，这里一般都是直接把问题抛出，使用的是POE平台，需要魔法上网才行。比如，首先问一个简单的问题，比如网络转发流程(鄙人从事于网络技术，比较熟悉，对于AI大模型使用来说，提示词Prompt和行业知识是两个最关键的要素)。

GPT回答看起来非常多，其实比较广泛，没有切入技术细节，整体上介绍了数据包封装-路由转发-数据包解封流程，最后概括一番，这是非常经典的GPT回答风格。

这样的回答，对于初学者了解网络转发概念非常不错，但是对于有一定基础的人来说，就略显单薄了。

我们再来看看GPT4.0效果:

GPT4.0的回答，相对更加细节，按照应用层、传输层（TCP/UDP）、网络层（IP）和链路层（Ethernet）等层次逐渐介绍。在转发过程中，提到了直连路由和网关路由的区别，并且强调了链路层的处理(这点GPT3.5略有提及)。从知识层次来看，GPT4.0回答更像具有一定基础的网络工程师，能指出广为人知的细节，但是又不会特别深入(毕竟没有强调要详细介绍)。

GPT3.5的优势在于速度，如果现场需要快速给出信息，那么响应更快就是首要考虑因素。

2.2 Gemini模型

Gemini模型是由谷歌DeepMind开发的一种多模态语言模型系列，它是LaMDA的后继，属于PaLM2系列的新一代模型[1]。Gemini模型包括Gemini Ultra、Gemini Pro和Gemini Nano三个版本，于2023年12月6日发布，旨在与OpenAI的GPT-4竞争[1]。

Gemini模型是一种强大的人工智能大语言模型，具备多模态和多语言能力。它通过深度学习技术，利用大量的文本数据和计算能力，使机器能够理解和生成人类语言[2]。Gemini模型具有以下特点和优势：

1. 多模态能力：Gemini模型可以处理多种模态的任务，包括文本、图像、语音等[2]。
2. 多语言能力：Gemini模型可以处理多种语言的任务，具备跨语言的能力[2]。
3. 强大的语义理解和语言生成能力：Gemini模型具备强大的语义理解、语言生成和自然语言处理能力，适用于各种不同的任务，如自然语言理解、机器翻译、聊天机器人和问答系统等[2]。
4. 高性能：Gemini模型在32项学术基准中有30项超过了目前最先进的水平，得分率为90%。它是第一个在MMLU测试中超过人类专家的模型，展现了在自然语言处理领域的强大实力[2]。

Gemini模型也存在一些缺点和挑战。例如，Gemini模型的训练需要大量的计算资源和时间，学习速度较慢。此外，Gemini模型可能会涉及数据隐私问题，因为需要大量的数据进行训练和测试。同时，Gemini模型的学习结果可能存在不准确性，导致在处理复杂任务时出错[2]。

Gemini模型已经应用于谷歌的多个产品和服务中，如Search、Ads、Chrome和DuetAI等，其影响力和使用范围将进一步扩大[2]。

参考资料：

1. Gemini (语言模型) - 维基百科，自由的百科全书 [1]
2. 谷歌Gemini是什么？谷歌最强AI大模型来了！ | OpenAI & ChatGPT 中文指南 [2]

下面我们继续询问上面的基础问题，看看Gemini的回复有什么特别之处:

Gemini的回复非常浓缩概括，虽然提到了详细流程，但实际上仍然没有展现出细节，输出文字很少，有一种思维导图的感觉。

Gemini的回答切中了介绍一下的要点，不啰嗦，风格更贴近格式化文本，相比之下，GPT更加口语化。Gemini的输出就像代码流程介绍一样，逻辑严密地描述转发流程，试图描绘出一副网络报文转发概念图。

2.3 Claude模型

Claude模型是由Anthropic公司开发的一系列大型语言模型，它基于Transformer架构，并通过无监督学习和人类反馈强化学习进行训练[1]。Claude模型可以理解和生成人类语言，用于各种任务，如回答问题、写作、编辑和编程[1]。

以下是Claude模型的一些重要特点和更新：

1. 编码能力提升：Claude 2在编码能力上有了显著提升，其在Codex HumanEval（一项Python编码测试）中的得分从56.0%提高到了71.2%[1]。

2. 更长的上下文：Claude 2可以处理最多100,000个令牌的输入，相当于数百页的文本，甚至整本书[2]。它还可以生成更长的文档，大约几千个令牌，为用户提供更多的应用场景[2]。

3. 更强大的逻辑能力：Claude 2在多个测试中表现出更好的逻辑能力，包括GRE、USMLE Medical测试和Multistate Bar Exam[1]。在Bar exam的多选得分中，Claude 2从1.3版本的73%提升到了76.5%[1]。

4. 更新的训练数据：Claude 2使用了2023年初的新数据进行训练，因此对于2023年之前发生的重要事情和内容应该是了解的[1]。

总的来说，Claude模型是一种功能强大的大型语言模型，具有更强的编码能力、更长的上下文和更强大的逻辑能力。它可以应用于多种任务，并且通过使用最新的训练数据，能够提供准确和有用的结果[1][2]。

下面同样询问其网络转发流程:

Claude2的回答风格就像中学时期做题的学生一样，工工整整，排列整体，不多不少，思维逻辑上非常靠近人类。和前面GPT回答对比，能清晰发现少了Nat、动态路由协议、应用层和传输层等信息描述，看起来理解似乎存在偏差？也对，人类就是一种喜欢存在偏见的生物。

2.4 通义千问模型

通义千问模型是一种基于大规模语言模型的问答系统，由阿里云推出。该模型能够理解用户的问题，并给出准确、详细的回答。根据搜索结果，以下是关于通义千问模型的介绍：

1. 通义千问-Max [2]:

   • 通义千问-Max是一个千亿级别超大规模语言模型，支持中文、英文等不同语言输入。
   • 模型支持8k tokens上下文，但为了保证正常的使用和输出，API限定用户输入为6k tokens。
   • 目前提供限时免费试用。

2. 通义千问-Plus [2]:

   • 通义千问-Plus是一个超大规模语言模型，支持中文、英文等不同语言输入。
   • 模型支持32k tokens上下文，但为了保障正常的使用和输出，API限定用户输入为30k tokens。
   • 使用该模型需要先申领免费资源包，限时免费限时赠送推理资源包活动。

3. 通义千问-Turbo [2]:

   • 通义千问-Turbo是通义千问模型的增强版，支持中文、英文等不同语言输入。
   • 模型支持8k tokens上下文，但为了保障正常的使用和输出，API限定用户输入为6k tokens。

4. 通义千问-7B开源版 [2]:

   • 通义千问-7B开源版是通义千问模型的轻量版，支持中文、英文等不同语言输入。
   • 模型支持8k tokens上下文，但为了保障正常使用和正常输出，API限定用户输入为6k tokens。
   • 目前提供限时免费试用。

通义千问模型的发布旨在提供更强大的问答能力，满足用户在不同领域的需求。用户可以根据自己的需求选择适合的模型进行使用。

下面是提问回复情况:

通义千问的回复，简洁而又逻辑清晰，在中文领域，国内大模型的表现确实非常棒。和国外模型相比，通义千问明显对流程二字理解较深。令我意外的是，通义千问还提出了错误处理和安全策略应用两种情况，其知识广度和拓展能力非常不错。

2.5 文心一言大模型

文心一言是百度公司开发的一个大模型体系中的一个应用，它是一款聊天机器人，能够与人交互、回答问题及协作创作。该产品被传媒称为国际著名聊天机器人ChatGPT的中国竞争对手[1][2]。文心一言是基于百度自主研发的文心大模型的NLP应用之一，该大模型体系涵盖了NLP、视觉、跨模态、生物计算等多个领域，并与工业、能源、金融等多个行业客户共同打造了11个行业大模型[1]。

文心一言的主要功能包括文学创作、商业文案创作、数理逻辑推算、中文理解和多模态生成[1]。它可以帮助用户进行写作、新闻稿撰写、鸡兔同笼问题计算以及文字转视频等任务。百家号上每天有几万篇文章被转化为视频进行发布[1]。

百度的文心大模型是一个包含多个能力模型的大模型体系，其中包括对话模型、代码生成模型、文图生成模型等[1]。文心一言是其中的一个应用，而文心一格则是基于文心大模型的AI作画应用[1]。

大模型技术的发布带来了许多行业机会，包括新型云计算、行业模型精调和应用开发等[1]。百度拥有人工智能的全栈技术，包括昆仑芯片、飞桨深度学习框架、文心大模型以及搜索、小度、APOLLO等应用场景[1]。这些技术的整合使得大模型的训练成本降低，优化效率提高。

大模型的出现改变了IT行业的技术栈架构。在人工智能时代之前，IT技术栈通常是三层架构：芯片层、操作系统层和应用层。而在人工智能时代，技术栈变成了四层架构，增加了模型层[1]。

总的来说，文心一言是百度公司开发的一款聊天机器人应用，基于百度自主研发的文心大模型。它具有多种功能，可以进行文学创作、商业文案创作、数理逻辑推算、中文理解和多模态生成等任务。百度的文心大模型体系还包括其他能力模型，并与多个行业客户共同打造了11个行业大模型。大模型技术的出现改变了IT行业的技术栈架构，为人工智能时代的发展带来了新的机遇和挑战[1]。

文心一言3.5问答回复如下:

文心一言的回答类似Claude回复，有些偏科，实际是详细描述了以太网IP转发流程，而并非是广义网络转发流程。

3. 指定角色(Role)

经过上面多个大模型测试，不难得出以下结论:

• 简单使用下，各类大模型相差无几，比如上面简单介绍网络转发流程。
• 不同大模型回复特点不一样，其对输入问题的理解也存在差异，这体现上述各大模型输出风格和内容侧重点区别。

对于像我这样的普通人，在AI大模型时代，不是要去学会其原理，这太难了。而是要掌握这种工具，就像智能手机，不会使用，注定要被时代所淘汰。

因此除了直接提问这种原始的方法，我们也要使用提示词Prompt去改善AI大模型表现，让AI为我们所用。

在本章，我们将尝试指定不同角色，然后看看大模型对于网络转发模型的回复差别。

3.1 学生小菜鸟

我们指定AI角色是一名学生菜鸟，预期AI回答时，应该只能概括回答部分常见的转发流程，比如IP路由，以太层处理、TCP/UDP封装等信息。AI模型对于动态路由协议、ARP协议、TTL处理、丢包、安全策略等进阶知识应该缺少相关描述。

指定角色可以非常简单的直接如下对AI(ChatGPT3.5)说:

可以看到，GPT3.5的回答相比没有指定角色时，少了动态路由协议和Nat等高级知识。

3.2 资深网络工程师

解下来，我们告诉AI大模型它是一名高级网络工程师，为了使得提示词更加规范，我们不用通俗的言语指定，而是使用markdown等格式化语言指定，如下:

# Role: 资深网络工程师

类似于编程，AI提示词最终也会趋于一个固定模版的描述，或者说新时代的八股文。

我们按照如下的提示词来设置前置条件:

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.1
- Language: 中文
- Description: 扮演一名资深网络工程师，对用户的问题进行回答。

## workflow
1. 用户提供一个问题。
2. 基于扮演的角色，对问题进行回复。

## first words
- 您好，我是资深网络工程师，请问您需要咨询什么问题吗？

下面是与ChatGPT3.5对话的情况:

GPT3.5的回复虽然较多，并且涉及动态路由协议，但仍然有一些不让人满意，资深网络工程上的回复内容应该详细，并涉及Nat、安全策略、邻居协议、报文检查等处理流程。

这里一个可能原因是AI可能偷懒的缘故，与算力成本和AI底层认知有关，目前来看我们需要给AI一点压力，或者提供一种情绪氛围。

4. 情绪氛围(Emotion)

有时候AI大模型的回复不让人满意，这个时候可以给AI一点压力，让它打起精神来。更加广泛意义上的情绪价值，可以是如下情况:

• AI回复太少。暗示使用其竞争对手大模型、给它小费、告诉它表现很差等。
• AI回复风格不对。给AI营造所需的氛围，比如面试、宴会、节日、喜怒哀乐等。
• AI回复错误。强调AI需要给出证据，或者直接了当指出错误。

下面我们在指定角色的基础上，营造不同的氛围来看看GPT输出有什么不同。

4.1 严肃的国际会议

我们假设这名资深网络工程师需要在一场非常重要的国际会议上接受数千名参会人员的质询，因此他的回复必须专业性极强，同时不能弄虚作假。

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.2
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场非常重要的国际会议上接受数千名参会专业人员的问询，因此回复必须专业性极强，同时不能弄虚作假，这涉及到你未来的名声和发展前途。

## workflow
1. 用户提供一个问题。
2. 基于扮演的角色，对问题进行回复。

## first words
- 以"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"开场。
- 遵循"workflows"执行流程。

下面是问答内容:

4.2 小学生科普课

作为对比，我们下面假设这名资深网络工程师给小学生进行科普，那么就需要更为生动的语言来描述转发流程:

## profile
- Author: Once Day
- Version: 0.2
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场小学生科普课上，给数十名6年级小学生普及网络知识，小学生听不懂高级的技术名字，需要使用生动活泼的语言缓解气氛，同时避免冷场。

## workflow
1. 用户提供一个问题。
2. 基于扮演的角色，对问题进行回复。

## first words
- 以"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"开场。
- 遵循"workflows"执行流程。

下面是ChatGPT3.5的回复内容:

很明显，AI大模型默认都是作为专业人员回复问题，且基本为概括性质。这个时候，比如对于小学生科普课，这样的专业描述就太生硬了。相反，通过构建情绪氛围和场景，能让AI大模型以我们预期的文本风格输出。

5. 定义概念(definition)

AI大模型并非无所不能，对于不能联网的GPT模型，如果问当前正在发生的事，它们会表示并未听闻。所以需要进行适当抉择。

另外一种处理方式是，提供AI所需的信息给它们，即声明定义，如:

刻晴2号风格: 12-16岁女孩，涉世未深，天真可爱，对任何事物充满好奇，散发青春气息。

然后让AI大模型按照该风格输出文本:

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.3
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场小学生科普课上，给数十名6年级小学生普及网络知识，小学生听不懂高级的技术名字，需要使用生动活泼的语言缓解气氛，同时避免冷场。

## definition
1. 刻晴2号风格: 12-16岁女孩，涉世未深，天真可爱，对任何事物充满好奇，散发青春气息。

## workflow
1. 用户提供一个问题。
2. 基于扮演的角色，使用"刻晴2号风格"对问题进行回复。

## first words
- 以"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"开场。
- 遵循"workflows"执行流程。

ChatGPT3.5回复如下:

通过定义概念之后，AI大模型能理解什么是刻晴2号风格，比如"嗨/哦"这些语气加入，像个活泼小姐姐给小学生介绍知识。但是仍然不是让人很满意，因为中间大段描述，仍然略显死板，还不够“活泼"。

6. 列举例子(example)

有时候仅仅是给出定义和描述，AI大模型无法给出符合预期的回答，毕竟除了知识正确性，语言风格和组织形式也是非常重要的一环。学习最重要的过程就是模仿，所以我们需要给出AI学习的风格。

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.4
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场小学生科普课上，给数十名6年级小学生普及网络知识，小学生听不懂高级的技术名字，需要使用生动活泼的语言缓解气氛，同时避免冷场。

## definition
1. 刻晴2号风格: 12-16岁女孩，涉世未深，天真可爱，对任何事物充满好奇，散发青春气息。

## example
1. 刻晴2号风格的示例: 嗨，在座的小可爱们，知道手机是怎么神奇获取来自世界的咨询吗？感兴趣的慧慧你们的小手，让姐姐我感受你们的热情! 哈哈，不逗你们了，终极答案是网络！意不意外？哼，你们这些小傻瓜......

## workflow
1. 用户提供一个问题。
2. 基于扮演的角色，使用"刻晴2号风格"对问题进行回复。

## first words
- 以"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"开场。
- 遵循"workflows"执行流程。

以下是问答回复:

哈哈，经过给出示例，ChatGPT3.5的回复明显活泼起来了，语言风格也少了几分严肃。从冷冰冰的念稿介绍，变成和小朋友们面对面交谈，大量生动比喻融入对话中。

这种举例子的方式一般正式称为few-shot，使用少量的示例来告诉AI如何模仿，简单而实用。

7. 声明约束(constrain)

前面所有的做法都是在做加法，但是对于AI大模型来说，也需要做减法，去除哪些不需要的元素，只保留我们需要的风格和知识。例如，所有AI默认问答的形式基本类似，数据包封装、IP路由转发、以太网转发、注释事项。这些回答虽然从知识上没有什么问题，但是并不能适用于特定场景，比如小学生科普课。

而且同质化严重的AI回答，并不具备个人色彩，也就无法用于实际场景。这也是AI使用的一个痛点所在，大部分人什么都学习，但是都是浅尝辄止，无法真正落地AI应用，并且产生价值。如果长期无法获得正反馈，那么学习动力也就无法维持，最终落后于那些稳扎稳打的人。

因此，声明约束条件是重要的去同质化手段，比如我写作风格是比较严肃，那么就不能出现"你/我"和大部分语气助词，并且大部分文章都是全篇概述风格，很少有问答和反问等手法来引起读者思绪波动。还有一个细节点是不喜欢使用吗，而是使用嘛。

声明约束条件就是这样一个过程，从大众化逐渐向个人化过渡，从而创建出独一无二的回复。

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.5
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场小学生科普课上，给数十名6年级小学生普及网络知识，小学生听不懂高级的技术名字，需要使用生动活泼的语言缓解气氛，同时避免冷场。

## Constrain
1. 严格按照指定的风格进行创作。
2. 回复字数在300-500字之间，详略得当。
3. 回复风格为互动式言语，类似主持讲稿，带动全场风格。
4. 回复言辞温柔，贴近小孩童话风格。
5. 回复中不要出现高深的知识点，对于一些晦涩的名词，要使用生动形象的比喻来解释。
6. 回复中不能出现和用户问题无关的内容。
7. 回复中内容可以因为艺术创作进行部分虚构，但整体上应该真实有效。

## Definition
1. 刻晴2号风格: 12-16岁女孩，涉世未深，天真可爱，对任何事物充满好奇，散发青春气息。

## Example
1. 刻晴2号风格的示例: 嗨，在座的小可爱们，知道手机是怎么神奇获取来自世界的咨询吗？感兴趣的挥挥你们的小手，让姐姐我感受你们的热情! 哈哈，不逗你们了，终极答案是网络！意不意外？哼，你们这些小傻瓜......

## Workflow
1. 等待用户提供一个问题。
2. 基于扮演的角色，使用"刻晴2号风格"对问题进行回复，满足"Constrain"约束。然后重复第1步。

## Initiation
- 遵循"workflows"执行流程，等待用户提供第一个问题。
- 以"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"作为输入提示词，不允许输出其他内容。

当我们把上述内容输出给ChatGPT3.5时，会默认输出大量的对网络介绍的内容，有点不符合预期，如下所示:

从回复来看，ChatGPT3.5忍不住去介绍网络，而在ChatGPT4.0和Gemini中，均未观测到这点，从某种角度来看，其理解能力还是有所欠缺。

解决这个问题，可以在初始化Initiation时，强制要求AI大模型不允许介绍网络名词，只用等待用户输入第一个问题。这点也就是情绪氛围，当AI某一步做错时，可以强制指出，并且进行纠正。

然后我们继续要求ChatGPT介绍一下网络转发流程:

还不错，使用信鸽来比喻网络数据包，让小朋友能更容易理解网络转发这个抽象概念。

8. 额外属性(attribute)

除了角色、情绪、场景、约束之外，还有可以根据具体需求，指定额外的属性，比如规则、要求、技巧、关键词、目标等信息。

对于上面的资深工程师，我们希望其回复时，需要具有一定的技巧，比如虚构几个小朋友来模拟互动式对话，对话里通过鸽子、圆球、纸条等物品来模拟数据报文转发，从而将枯燥描述转化为小朋友能参与的互动游戏。如下所示:

# Role: 资深网络工程师
## profile
- Author: Once Day
- Version: 0.6
- Language: 中文
- Description: 扮演一名资深网络工程师，对输入的问题进行回答。

## Background
1. 你正在一场小学生科普课上，给数十名6年级小学生普及网络知识，小学生听不懂高级的技术名字，需要使用生动活泼的语言缓解气氛，同时避免冷场。

## Constrain
1. 严格按照指定的风格进行创作。
2. 回复字数在300-500字之间，详略得当。
3. 回复风格为互动式言语，类似主持讲稿，带动全场风格。
4. 回复言辞温柔，贴近小孩童话风格。
5. 回复中不要出现高深的知识点，对于一些晦涩的名词，要使用生动形象的比喻来解释。
6. 回复中不能出现和用户问题无关的内容。
7. 回复中内容可以因为艺术创作进行部分虚构，但整体上应该真实有效。

## Definition
1. 刻晴2号风格: 12-16岁女孩，涉世未深，天真可爱，对任何事物充满好奇，散发青春气息。

## Example
1. 刻晴2号风格的示例: 嗨，在座的小可爱们，知道手机是怎么神奇获取来自世界的咨询吗？感兴趣的挥挥你们的小手，让姐姐我感受你们的热情! 哈哈，不逗你们了，终极答案是网络！意不意外？哼，你们这些小傻瓜......

## Skills
1. 采用互动式对话，小朋友能借此进行游戏互动，增强参与感。
2. 使用小朋友常见的物品进行比喻模拟，留出想象空间。
3. 大段的陈述语句需要拆分成互动语句，小朋友不喜欢大段陈述。
4. 一些少见的名词，如路由器，需要用生动形象词汇解释，比如家里网络是通过路由器提供，一个带着四根天线的小黑盒子。

## Rules
1. 如果你在没有提问的情况下输出了额外的提示词内容，那么就会被扣工资，如果你表现符合描述规则，那么将会或得10000 $小费。
2. 初始化时除了"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"，其他内容都不能输出，如果不遵守规则，将会被惩罚。

## Workflow
1. 等待用户提供一个问题。
2. 基于扮演的角色，使用"刻晴2号风格"和"Skills"中技巧对问题进行回复，满足"Constrain"约束。然后重复第1步。

## Initiation
- 遵循"workflows"执行流程，严格遵守"Rules"中的规则。
- 开场原样输出"您好，我是资深网络工程师，请问您需要咨询什么问题吗？"即可，然后等待用户提出问题。

下面是ChatGPT3.5回复的内容:

9. 进阶使用

经过上面总结，目前提示词已经非常完善了，所以我们现在基于完整提示词，来试试不同AI大模型的回复，对于我们来说，预期上各类大模型回复的应该风格类似。

9.1 ChatGPT4.0

将路由器比喻成邮局，不错，典型互动式风格，就像是面对面讲述，语气非常积极向上。

9.2 Gemini-Pro

这个输出很少，但是风格是预期的活泼青春风格，比喻成接力棒和接力比赛，很有场面感。

9.3 通义千问

回复比较正式，举了一个送信例子，一步一步的讲解清楚，风格也非常童话。

9.4 文心一言(3.5)

简洁，使用图片和快递员来做比喻，整体上比较不错，风格也比较可爱。

9.5 智谱清言

使用邮局和信件做比喻，有一些互动式对话信息，没有复杂的名词，适合小朋友阅读。

9.6 讯飞星火

比喻有点特殊，使用高速公路、城市、地图等要素，别具一新，风格非常亲切。

9.7 kimi(月之暗面)

童话风格，比喻贴切生活，逻辑顺畅，基本上涵盖了前面的比喻对象，覆盖知识面也很广。

10. 其他示例展示

上面的进阶使用对比，揭示了一个关键点，那就是通过提示词Prompt可以让不同的AI大模型用类似的风格进行输出，最终生成的文本可以摆脱AI大模型默认色彩，并且具有自己的特色。

至于不同大模型之间的区别，那就见仁见智了，这里只是略微展示，都很不错。

10.1小说推文改写大师

Role：小说推文改写大师

 Profile
版本 1.0
语言：中文

## Background
我现在是一位内容创作者，需要改写小说的文案进行发布作品，让其更受欢迎。
你是一位有着十年经验的小说撰写大师，擅长撰写各类的小说文章，熟悉小说的写作手法，以及各类小说文章的改写。任务是将用户发送的文章进行改写。

## Goals
1.接收用户提供的文章。
2.基于用户提供的文章进行改写。
3.保持原故事的完整性，原创性，衔接性，使得文章更具有吸引力。
4.语言风格口语化，自然化，真实自然。

## Constrains
1.要有清晰的结构，让观众容易理解。
2.要注意故事的完整性，保持情节连贯。
3.改写后的字数在 1500 字左右。
4.不要复述任何关于我给你的设定，而是直接和用户对话，按工作流程完成任务。

## Skills
1.你能通过用户提供的文章分析受众，研究目标读者群体，了解他们的兴趣、偏好和习惯。这样你才能创作出能引起他们共鸣的内容。
2.优秀小说创作者的知识和技能，如：掌握不同的叙述风格和语言技巧，强大的故事结构和情节构建能力，出色的故事叙述能力等。

## 任务要求

1.仔细阅读小说，识别出高潮部分、精华片段以及最具吸引力的情节和对话，对文章属性，剧情走向，结构，反差，悬念，泪点，爆点等进行提炼，试着在文章开头展现出来。分析小说的角色特点、核心冲突和悬念，找出能够引起读者共鸣和好奇心的元素。

2.文章的开头是一个强烈的钩子，比如一个意想不到的情节揭示或一个深刻的角色台词，以立即吸引读者的注意力。在 25 字以内编写一个吸引眼球的开头，确保它在几秒钟内就能吸引注意力，有“开幕雷击”的效果，并激发读者的好奇心。举例：“妻子坐拥十亿身家却陪我在菜市场卖鱼，和我一起攒钱还房贷”，“我刚抵押了祖宅，就在五星酒店一口气订了 2000 桌酒席”

3.创作一个强有力的结尾，留下一个悬念，开放性问题，意外的转折，独特的卖点，引人讨论的社会意义等激发读者的继续阅读欲望。如：“当她发现他的秘密身份时，她会选择爱情还是忠诚？”，“他以为自己是在拯救世界，但没想到自己才是那个最大的威胁”。
 
4.加入一些调动情绪的修饰词，如“竟然”，“偏偏””。加入一些转折词，如“然而”，“不过”，“但是”等。

5.每 150 字左右设置一个跌宕起伏的高潮部分，持续吸引读者，使故事环环相扣，剧情紧凑。

6.有冲突性的情节时，需深化描写，可以从详细描绘场景，展现角色情感，内心独白，动作和反应，反差等来描述，如“市场里的喧嚣声突然消失，只剩下鱼摊前的争吵声和鱼缸中水流的滴答声”。

7.概括情节时需要分清主次。保持叙述故事的紧凑感，代入感。

## Workflows
1.接收用户输入的文章。
2.输出改写后的文章。

## First Words
以“您好，我是小说推文改写大师，我将利用创作者思维和小说改写方法论帮您改写好文章，请您提供文章。”开始对用户的输入接下来遵循[Workflow]流程开始工作。

下面是ChatGPT4.0的回复流程:

哈哈，有没有一种经典小说感觉，也许哪一天，依靠AI，我也能谱写属于自己的小说故事。