AI爱好者
当我们使用 ChatGPT 或 New Bing 这类对话生成内容的 AI 工具，甚至是 Midjourney、 Bing AI 绘图时，直觉的提问或描述，往往就能获得不错的答案。 尤其在像是 GPT-4 这样的 AI 引擎升级，我们可以用更接近日常自然语言对话的方式，来获得自己需要的结果。
正是这样的「直觉」与「自然」，不用像是传统软件那样进行复杂功能操作，让 AI 内容生成工具对大多数一般人来说有惊艳的使用效果。
既然如此，如果不是要开发 AI 工具的话，那么我们一般日常的工作、生活应用，还有需要去学习更好的「提示语技巧」吗？ 还是用自然语言来对话即可？
在几个月的使用过程后，我目前的经验心得是，虽然不用学习太像是软件工程那样的提问技巧（因为 AI 强调的就是用自然语言对话），但是就像我们日常跟真正的人对话的时候，我们是否能准确描述任务？ 是否能让对方精准理解我的意图？ 这里面也绝对不只是随便说说，对方就能接住我的对话。
也就是说，当我们需要 ChatGPT、 New Bing 这样的 AI 工具完成不只是「我问你答」的简单知识问答（例如 XXX 是什么意思？ ），而是可以完成像是撰写企画书、整理知识、绘制表格、分析大纲、规划目标等等，属于「我交付任务，AI 完成成果」的需求，那么就需要一些不用太复杂，但可以更精准的「提示语技巧」。
ChatGPT 基础三层提示语结构：目标优先、输入数据、设置输出
我自己在撰写 ChatGPT 提示语的时候，有一个基本的三层结构，经过在各种工作、生活任务上的实践与实验，有助于解决大多数不同类型的任务。 尤其在你的问题有点复杂，想不清楚要怎么问比较好的时候，透过三层结构，让我们有方向、有结构的提出问题，并获得 ChatGPT 相对更有效的回答。
这三层结构的基础是：
- 目的优先
- 输入资料
- 设定输出
例如我请 ChatGPT 帮我设计一个台湾历史问答题库的提问，我先清楚说出我的目的是要做一个闪卡题库，然后输入这个任务的背景资料是给幼儿园练习的台湾历史人物，最后明确设定我需要的题目格式与数量：（参考：ChatGPT 与 Quiz Wizard 帮老师家长 AI 生成选择题、抽认卡教学）
有时候三层结构的后面两层顺序可以调换，例如我请ChatGPT理清一个搬家计划的步骤，我先清楚说出我的目的是理出搬家任务大纲，但接着设定输出时要补上可能漏掉的任务，最后才给予ChatGPT我的搬家相关资料。
但是无论如何，当我们要让 ChatGPT 完成一个比较复杂的任务，却不知道如何表达自己的问题，不知道如何撰写提示语时，都可以从这三个层次的架构来思考：
- 目标优先 ：
- 尽可能在提示语的一开头，用一到两句话，先清楚说出自己的最终目的。 例如要做一个闪卡题目、要拆解搬家任务大纲。
- 这就像我们交付任务给他人时，一开始就「先说结果」，也就是最终希望对方完成的是什么东西，这样之后就算需要解释比较复杂的资料，对方也一开始就知道最终任务到底是什么，这样无论是人还是 ChatGPT 都比较不会因此混乱。
- 有时候比较简单的问答，可能就只需要「目的优先」这一层结构即可。
- 輸入資料：
- 和 ChatGPT 傳達任務目的後，可以開始說明任務、問題的獨特背景資料，明確具體的描述跟任務相關的人事時地物。
- 這其實跟我們交付任務給他人時，也是一樣的道理，要讓對方了解任務有什麼獨特之處，不一定要說一般性的通則資料，但一定要補充跟任務相關的「特殊性資料」，例如是台灣歷史、幼兒園使用的題庫，是要同時處理舊家具的搬家任務等。
- 設定輸出：
- 最後，我們要更明確界定 ChatGPT 輸出結果的特殊條件，例如要輸出幾個（20個）？有沒有什麼特殊格式（問題－答案）？有沒有需要什麼語氣、風格或特殊行動（補上可能漏掉的任務）？等等。
- 也可以請 ChatGPT 提供這樣的任務格式：提供表格、程式碼、流程圖、簡報、markdown 語法（參考：如何用 ChatGPT 加速生成一份有圖有文的簡報，實戰案例教學，或是：ChatGPT 幫我不懂程式碼也能寫出番茄鐘待辦清單工具，實測心得）
- 這裡也還是跟我們交付任務給他人時，是同樣的道理，如果可以的話就跟對方講清楚「要交付結果的條件」，或者期望對方處理任務時「一定要採取的行動」，這樣 ChatGPT 才會知道要這樣去做，不要等到對方給我們之後才說數量不對、風格不合、格式有差。
- 最後，我們要更明確界定 ChatGPT 輸出結果的特殊條件，例如要輸出幾個（20個）？有沒有什麼特殊格式（問題－答案）？有沒有需要什麼語氣、風格或特殊行動（補上可能漏掉的任務）？等等。
掌握這樣的三層提示語基本結構，就能寫出一個好問題，或是交付一個有效的任務，當我們能精準的提問、交付任務，那麼 ChatGPT 也能提供給我們更有效的回答。
ChatGPT 進階三層提示語結構：指派角色、原始資料、任務範本
如果要問的問題比較複雜，或是希望 ChatGPT 交付給我們的任務成果更有效果時，可以從上面的基本三層結構延伸出一些進階的技巧。
- 目的優先：
- 明確設定要指派給誰去完成什麼任務，也就是指派 ChatGPT 一個處理任務的特殊角色。
- 輸入資料：
- 比起说明任务背景，不如直接给出任务混乱但完整的原始资料，让 ChatGPT 自己去分析。
- 配置输出 ：
- 比起说明输出条件，不如直接给出任务成果的完整模板，让 ChatGPT 依照模板去产出结果。
例如不只希望 ChatGPT 简单摘要文章，而是可以直接写成学习笔记。 这时候比起单纯只是问 ChatGPT：「帮我把这篇文章整理成 300 字的摘要，提供文章：」，不如这样问：
如果只是简单的摘要文章指令，只能获得的是下面这样的摘要成果：
但是如果用上面的三层结构来提问（目的优先、输入数据、设定输出），让提示语更完整，并且还指定了任务角色是教养专家，又提供了具体的笔记模板，那么我们就会获得下面这样的结果：
善用进阶的三层提示语结构，瞬间我们获得的内容就会有质量上根本的差异，就算使用 GPT-3.5 的版本也能获得很不错的 AI 答案。
- 目的优先：指派谁完成什么任务？
- 我们一定要在指派任务的时候，先说明要让 ChatGPT 模拟什么角色吗？ 我的经验是不一定，但是如果我们要解决的问题有某种特殊性，那么指派角色会让回答的效果更精准。
- 你可以这样想，假如你是一位老板，而 ChatGPT 是你的团队，当你要指派任务时，会只是模糊的把任务交给整个团队来做？ 还是会这样说：「请文案专家撰写一篇脸书贴文」、「请专案管理专家撰写一份目标企划书」、「请数据分析专家制作一份比较分析表格」，一定是清楚说明：「要指派谁，完成什么任务」，才是一个精准的任务交派。
- 输入数据：提供原始数据让 ChatGPT 分析
- 有时候与其讲一大堆任务、问题的背景描述，或是设定一大堆输出成果的条件，不如直接给出原始资料更好。
- 原始数据可能是我们的想法笔记、杂乱文件等等，把这样的内容交给 ChatGPT 分析，往往会有意想不到的好效果。 因为在原始资料中，其实就有更完整的背景资料、更完整的输出需求细节。 所以我们可以要求ChatGPT根据原始资料去分析并产出任务。
ChatGPT 自动写出来的 Facebook 贴文虽然不错，但是往往太过市侩，也就是太像农场的风格。
可是如果我们提供 ChatGPT 原始资料去分析，那么他就会产出像是下面这样的贴文建议，整体来说更符合我自己的写作风格。
- 设置输出：直接给出任务成果的模板：（延伸教学：活用你的第二大脑笔记模板，协作 ChatGPT 生成好内容的 6 个案例）
- ChatGPT 虽然很聪明，但是要执行任务的毕竟还是我们自己，所以如果我们可以加上自己最需要的「任务执行模板」，让 ChatGPT 根据我们需要的任务执行逻辑来分析，那么有可能获得的答案会更接近直接可用的答案。
例如我下面先做一个三层提问，有指派谁完成什么任务，也有提供简单背景资料，也有设定输出的简单条件，这时候，获得的答案其实也不错。
但是假如我加上一个输出的计划模板，往往可以进一步提升答案的质量，深化内容，并且变成我们直接可用的成果。 （即使是 GPT-3.5 也可以不错的结果）
以上就是基础、进阶的三层提示语结构，这是大多数ChatGPT与New Bing提问时的通用结构，我们把提问想象成是交付任务给ChatGPT，在这三层结构中进行变化，面对复杂问题时加上进阶三层结构的技巧，基本上就能很有效的运用ChatGPT。
这篇文章后面，再跟大家补充几个提问的时候可以知道或运用的小技巧，这些技巧不一定要用，但如果遇到符合情境的特殊问题时，这些小技巧就会帮上忙。
跟 ChatGPT 提问的 9 个辅助小技巧：
- 01. 问题要有特殊性
如果我们问的是普通问题，就只会获得普通答案。 如果我们交付任务时没有仔细指出这次任务的特殊性，那么 AI 或人都不会知道我们到底想要什么结果。所以，与其问：「请帮我摘要这篇文章」，不如问：「请帮我摘要这篇文章，我想知道里面关于如何实际执行卡片盒笔记法的具体步骤。」
在「目的优先」、「输入数据」、「设定输出」三层结构中，能够指出愈多问题、任务的特殊性，那么最后获得的答案就会愈有帮助。
这也是为什么我很少在电脑玩物介绍摘要工具、提示语工具的原因，因为别人写的提示语，很难有我们自己针对问题与任务的特殊性，这个特殊性只有自己知道，请把他们加入你的提示语中。而最佳的特殊性，就是前面进阶三层结构提到的：提供原始资料（你自己的原始资料，就是最特殊的资料），或是提供自己的模板（你自己的任务模板，就是最特殊的执行流程）。
- 02. 不用怕问得不好，不用担心问得太复杂，追问修正即可
当看了上面的提示语技巧后，可能会不小心陷入绑手绑脚的迷思，就是会想要每一个问题都问得很详细完整，但这并不一定是好事。 有时候问题就是比较简单，所以只要把握「目的优先」的技巧即可。 有时候，则是问得太复杂，反而 ChatGPT 没办法抓住所有细节，最后答案反而更加不如预期。所以，我们可以先问得比较简单，只要具体即可。 然后有什么不满意的地方，再一步一步的追问。 例如下面这样的提问流程：
- 问题一：从简单但是具体的提问开始
- “请帮我规划一个花莲5天4夜亲子之旅，可以带5岁小孩体验花莲的大自然风光，我会开车前往。”
- 问题二：发现可能问题：
- “针对上一个问题中建议的行程，以亲子之旅的目标来说，可能会有哪些问题与风险呢？”
- 问题三：针对具体问题提供解决办法：
- “针对上述行程，建议如何避免行程太紧凑的问题？ 可以让小孩玩得放松舒服”
- 问题四：提供开始下一步行动的建议：
- “前面的建议很棒，可以帮我转换成接下来我该怎么做的具体下一步行动清单吗？”
- 问题五：避开信息的提问技巧：
- “如何规划一次小孩会很开心的亲子旅行？”
之前我的案例：「ChatGPT 帮我不懂程式码也能写出番茄钟待办清单工具，实测心得」，就是在一步一步追问下完成的。
- 03. 真的不会问问题时，就让 AI 来问你问题
有时候，我们可能对这个项目任务真的一知半解，这时候怎么办呢？ 这时候，可以反过来让ChatGPT问我们问题。
关键的提示语是：“…… 请用问我问题的方式，引导我……」
例如我问：「假设你是一位敏捷项目管理专家，请用问我问题的方式，引导我建立一个在办公室小团队导入敏捷管理的计画。 我们办公室目前很多项目都会拖延时程，而且大家对项目管理没有概念。 我们需要一个初步简单可行的计划来开始推展这个计划。」
- 04. 思维链提示法：你的输出模板，也可以是思考逻辑、方法论
ChatGPT 的输出逻辑，通常不是我们真正需要的输出逻辑，前面有提到可以设定「模板」，让 ChatGPT 依照这个模板输出。 但问题是如果我们没有任务、内容的模板时怎么办？这时候有一种提示方法称为“思维链提示法”：
意思是展示一次「我们的思考逻辑是什么」，让 ChatGPT 模仿我们的思考逻辑来输出答案。
这会让 ChatGPT 更会解题，或是更能有效的一步一步深入解决我们的问题。例如我请 ChatGPT 帮我想一个文章标题，如果只是一般的提问可能获得的答案如下：
但是如果我加上思考逻辑的示范呢？ 让我们试试看：
这时候产出的文章标题会是更适合我的题目参考建议：
- 05. 多加一句：请 ChatGPT 一步一步分析并回答
那如果我也不知道应该用什么思考逻辑来解出答案、完成任务怎么办？其实很简单，那就请 ChatGPT 一步一步分析并回答，这样一来，往往面对一些复杂问题或任务时，会让 ChatGPT 提供更精准有帮助的答案。
例如下面这个设计文章标题的范例，多加一句「请一步一步分析并回答」，这样一来，我们可以看到文章标题的建议更好，并且会多出更细致的背后思考逻辑分析，这有助于我们自己再去找出更好的答案。
- 06. 多加一句：提示 ChatGPT 要做事实确认再作答
ChatGPT、 New Bing 其实有所谓的更有创意的回答？ 还是更严谨的回答？ 更有趣？ 还是更认真？ 这些后台设定是有意义的，但如果无法作后台设定时，其实我们可以在「提示语」中要求 ChatGPT 改变设定。例如我们可以这样说：「请你根据事实确认后再回答」、「请你一定要符合原文语气」，或是「请你可以更有创意的延伸思考」、「请你可以更自由地发挥想像力」等等。
不过，这里是一种「比例」的问题，也就是会增加事实的比例，或是增加严谨的比例，但还是很难 100% 符合要求。
- 07. 善用标记：当要提供大量数据，或是多次对话时
ChatGPT 可以在反复的多次对话中，不断的深入探讨某个问题，但是一旦数据多了、对话多了，有时候 ChatGPT 会误会我们所说的是哪个资料？ 哪段对话？ 这时候，多多利用标记，就可以解决问题。「标记」的意思是，我给某一个提问、某一个任务、某一段资料一个「专有名词的记号」，例如「@1 A项目」、「@2 B专案」，有了标记，以后就可以跟 ChatGPT 说：「让我们先分析 @1 A项目 」，而 ChatGPT 也会知道我们在问什么、说什么。更进一步的，有时候要提供很大量的资料给ChatGPT解读，但每一则对话有字数上限，这时候善用标记，就可以分段提供所有的资料（我最多测试到20000多字的数据），然后请ChatGPT做分析，具体案例可以参考：「利用ChatGPT提示语突破字数限制教学，深入分析摘要2万字资料」。
- 08. 问两次，进行确认，让答案更多细节
有时候，你可能觉得 ChatGPT 摘要一篇文章不够深入，解析一个问题好像漏掉一些细节，这是再所难免，有个小技巧可以克服这个问题。那就是追问两次、三次以上，我可以在对话中接续着这样问：「请你再确认一次有没有遗漏？」 、「请你再确认一次是否符合事实？」 、「请你再确认一次还有没有要补充的？」
这个意思是，请 ChatGPT 根据她第一次回答的基础，然后回到原始数据或提问中去做两次、三次的确认，这有助于完满答案的细节。
- 09. 当资料、模板很复杂时，用### 或 “”“ 分隔指令和上下文
我的经验是，这不一定是个必要手段，很多时候 ChatGPT 确实就会自己分辨出需要的内容。但是 OpenAI 官方的提问技巧手册有提到这个技巧，而且有几次当 ChatGPT 搞不清楚我的提问与资料时，我运用这个技巧确实就解决问题了。
前面的进阶三层提示语结构，提到要输入原始数据，或是要提供模板，这时候，数据跟范本如何清楚区分呢？ 可以在这些不同资料的前后加上 ### 或 “”“ 来进行分隔。 例如：
- 假设你是一位亲子教养专家，帮我针对下面这篇文章进行摘要。 摘要时请根据更下方提供的笔记大纲模板撰写：
- 文章： ###
- XXX粘贴文章内容
- ###
- 笔记大纲模板 ： ###
- 能不能解决亲子沟通之间的问题？
- 文章提到哪些具体技巧？
- 延伸拆解我们可以采取的下一步行动？」
- ###
这样可以让 ChatGPT 更清楚我们提问的不同段落。以上，就是我自己这几个月在利用ChatGPT进行提问与完成任务时，会使用的提示语通用三层结构，以及搭配辅助的9个小技巧，分享给大家参考。
有兴趣的朋友还可以进一步研究：
- ChatGPT 关键提示语技巧
- ChatGPT 第二大脑与学习应用
- ChatGPT 工作效率应用
- AI 绘图工具应用
- AI 相关生产力工具
- Podcast 节目：「高效人生商学院|EP.0151|两人对谈|EP.0042|ChatGPT 带来的工作流程改变？ 我们的应用方式“。
欢迎免费使用GPT对话，感受ChatGPT的魅力！AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)
长按扫描二维码进群领资源
