使用ai的共识，技巧，避坑。
共识总结
共识1：清空之前的提示词模板
核心：AI不需要过多复杂的提示词，简洁而直接的需求最有效。
建议：避免冗长或花哨的提示词，保持简洁明了的表达。
共识2：提供足够的背景信息
核心问题：为了确保AI理解你的需求，必须提供足够的背景信息，包括：
千什么？（你要做什么）
给谁干？（受众是谁）
目的是？（具体目标是什么）
约束是？（需要注意的限制条件）
示例：
错误示范：请写一个关于相对论的文章。
优化示范：我要求写一篇“如何理解爱因斯坦的相对论”的科普文章，目标是中小学生，要求通俗易懂、内容充实、幽默，不要过于学术化或枯燥。
共识3：用简单明了的语言与AI沟通
核心原则：与AI沟通时，使用简单直白的语言，避免复杂的表达。
输入模式：
举例法：通过具体例子帮助AI理解模式。
定义字典：在特定场景中，使用专门术语或定义帮助AI理解特定背景。
RAG技术（检索增强生成）：当AI未能直接理解数据时，通过检索本地或网络资料进行补充，再生成答案。
示例：
示例1：2025年最新的法定假政策是什么？（进行网络搜索）
示例2：公司今年的年假政策是什么？（提供本地文件）
共识4：大白话交流，信息提供要充足
核心：用简单、直接的语言表达问题，但需提供足够的信息量，确保AI能够根据这些信息给出合适的回答。
共识5：给目标而非任务
关键原则：明确目标，而非将任务拆解过细，给AI自主决定最佳方法的空间。
建议：在提出问题时，专注于目标而非任务的细节拆解，让AI根据目标提供最佳解答。
技巧总结
技巧1：明确需求
万能提示词模板：
你是谁 + 背景信息 + 你的目标核心：简洁明了地表述需求，避免模糊或复杂的表达。
示例：
错误提问：能不能帮我写点关于智能手机的东西，说说它的好用地方，特别是拍照和电池
正确提问：请写一段关于智能手机的介绍，突出拍照和续航。
技巧2：避免冗长提示词导致关键字污染
问题：超过200字的需求描述可能导致焦点偏移，逻辑混乱。
解决方案：提供简洁明了的需求，命中核心关键字，避免不必要的细节。
示例：
错误提问：请写一篇关于智能手机的详细文章，涵盖各个方面，包括功能、设计、市场定位、消费者反馈、拍照、电池等……
正确提问：请写一段关于智能手机的介绍，突出拍照和续航。
技巧3：避免重复句式和模糊词语
问题：过度使用重复句式或模糊词语会影响AI理解，导致不精准的结果。
解决方案：清晰简洁地表达问题，避免不必要的重复和模糊描述。
示例：
错误提问：能不能帮我写点关于智能手机的东西，说说它的好用地方，特别是拍照和电池
正确提问：请写一段关于智能手机的介绍，突出拍照和续航
错误提问：列几个电动车品牌（未说明格式和数量）
正确提问：生成5个新能源汽车品牌名称，用Markdown列表示
技巧4：避免分步推理要求
问题：AI通过强化学习可以自动生成完整思维链，过度拆分步骤可能导致结果不尽人意。
解决方案：提出核心问题，避免过多的分步推理要求，减少干预。
示例：
错误提示：
列出所有可能原因
评估证据支持度
选择最优解答
正确提问：请分析电商用户频繁取消订单的根本原因。
技巧5：避免过度角色扮演
问题：AI本身已经具备专家级思维，无需过度要求其扮演特定角色。
解决方案：除非需要从特定学科角度提供答案，否则直接提供学科提示即可。
示例：
错误示范：假设你是乔布斯，给我一个关于智能手机的评价
正确示范：请根据智能手机的市场趋势，给出一个具体的评价
避坑总结
避坑1：避免冗长提示词导致关键字污染
问题：长篇描述可能导致焦点偏移，造成逻辑混乱。
解决方案：简洁明了地表达需求，避免冗长的描述。
避坑2：避免重复句式和模糊词语
问题：使用模糊句式或重复语句会影响AI理解并导致不精准的结果。
解决方案：表达清晰简洁，避免多余的重复和模糊描述。
避坑3：避免分步推理要求
问题：AI能够自动生成完整思维链，不必过多拆解步骤。
解决方案：只提出核心问题，让AI自行推理。
避坑4：避免过度角色扮演
问题：AI本身已具备专家级思维链，无需过度扮演角色。
解决方案：除非必要，不必让AI扮演角色，直接提供学科提示。
总结：
通过明确需求、减少不必要的干预、提供足够的背景信息、避免复杂提示词等技巧，能有效提高AI的工作效率和准确度。重点是保持指令简洁且目标明确，以便AI可以自主地生成最佳答案。