如何写出高质量的AI提示词呢？

关于这一点，我这里给你总结了一个通用且屡试不爽的提示词模版~

也就是说，一个好的提示词是由：立角色 + 述问题 + 定目标 + 补要求，这四部分构成的!!

1：【立角色】指的是：引导AI进入具体场景，为 AI 赋予行家身份。

2：【述问题】指的是：告诉AI你的困惑，你的问题，以及为AI补充问题所需要的背景信息。

3：【定目标】指的是：告诉AI你的需求，你希望它为你做到什么。

4：【补要求】指的是：告诉AI，它的回答需要注意什么，或者你想让它以什么形式来回复你。

当然，这套模板，看着会感觉比较复杂，但是，它操作起来却是无比简单~

这里不妨还拿前面那个【旅游攻略】的案例来举例，那把这个公式带入到一个真实的应用场景，它就是这样的效果.....

当然，看过这个例子，你可能会说，对于模板中的 “述问题、定目标、补要求” 这些部分都很好理解，这就是我们平常提问的语言模式。

但是，为什么这里要加上一个【立角色】的动作，这个动作是不是有些多此一举，直接上提问，不是更干脆直接吗?

恩，我这里想告诉你的事：这个动作不但不多余，而且还很重要!!

关于这一点的解释，我们这里还是拿上面的【旅游】来举例子~

看看同样一个问题，加角色和没加角色的问题，GPT 最后返回给你的答案究竟差异有多大......

通过这个对比图，你可以清晰的看的出来~

在完全一样询问方式以及内容的情况下，后者仅仅多了【假如你是导游】这六个字.

GPT 所返回给我们的答案与前者对比，就完全是两种境界!!

也就是说：加了专家角色的提问，AI返回的结果会更具体，更具有可实操性，而且回答的语气也更加具有人情味。

其实，之所以会造成这种差异的原因也很好理解，我们不妨拿金庸老爷子的武侠小说来解释~

其实AI 所掌握的知识，就有点类似于《天龙八部》的王语嫣一样，她虽然记下了天下武学的知识.

但是她所掌握的武学知识又宽又泛，又相互干扰，虽然能给出建议，却无法给出针对性的建议。

但是，当我们为 AI 加上了专家角色之后，它就不再是只会死读书了，而是真正化身为领域内的实战派专家，来给出我们答案了。

也就是说，专家角色可以帮助 AI 指定场景，清晰问题范围，以及补充问题所需的背景信息。

因为一个领域的专家，本身就代表某个领域的知识体系，以及最高的行业标准，这个动作就相当于给王语嫣叠加了一个 Buff 一样。

那么，在掌握了天下武学知识的王语嫣基础上，又为其叠加了一个个代表该领域最高成就的身份 buff，那它的回答，当然会和前面只会死读书的书呆子的答案，存在很多差异了。

所以说，如果你的问题需要一定深度，你想要更得到更专业的回答，而不是类似于搜索引擎式的回答，那么就请你记得：

向 AI 提问的第一步，先给它叠加上专家的 buff，完成了这个动作之后，再告诉它你想要它做什么，以及对它的补充要求。

好了，这里你清楚了为 GPT 叠加专家 buff 的意义之后，那么我们该如何为它叠加上这个 Buff 呢？

其实思路很简单，经过我的测试，你用以下这几个提示词都可以~

你现在是[xx]

请你扮演[XX]

假如你是 [XX]

请你以 [XX] 的角度/身份/语气.....

根据我的实操经验，这些提示词，都可以被 AI 所接受和理解，你这里只需要选一款最符合你语言习惯的表达风格就行了。

好了，当你掌握了写提示词的方法之后，再去和你过去的提问方式对比，AI所给你的回答质量，就会呈现我们前面的那种对比了~

◎举例 1：用『提示词模版』来设计课程大纲

举例 2：用『提示词模板』实现模拟面试的效果。

◎举例 3：提示词模版，来实现 AI 绘画

总之，模板通用，例子举不胜举，只要你按照这套 SOP 模版写出的提示词，那么一般 GPT 给你的答案都不会太差。

当然，以上是一套标准的 SOP 模版，如果你的问题需求非常简单，你是不需要全部按照这一套来的，对于一些简单的问题，直接问就行了。

所以，要记得：方法不要用死了，要根据你的实际场景需求灵活变化哦。