Por que ainda não consigo escrever prompts bem depois de usar tantos modelos de prompt e até mesmo usar a ajuda de IA? Da última vez, compartilhei um prompt que simulava o discurso de Lei Jun, que foi amplamente elogiado, mas alguns internautas queriam saber como escrevi esse prompt. É melhor ensinar as pessoas a pescar do que ensiná-las a pescar, ou continuar a compartilhar a metodologia de escrever boas instruções. A engenharia de contexto é popular agora, e poucas pessoas parecem mencionar a engenharia rápida, e até mesmo muitas pessoas pensam que a engenharia rápida não é mais necessária: > "O modelo já é tão forte, e que engenharia de palavras rápida é necessária, posso saber o que quero dizer com o modelo grande e executá-lo muito bem." Isso é apenas parcialmente verdade, o modelo está ficando cada vez mais forte, os requisitos comuns precisam apenas de prompts simples, mas os requisitos complexos ainda precisam ser bem escritos com a ajuda da engenharia de palavras rápidas. Então, o que é engenharia de palavras rápidas? ** > A engenharia rápida é um processo de projetar, testar e otimizar sistematicamente as palavras de alerta - Baoyu As palavras de prompt compartilhadas na Internet ou em vários modelos de prompt, não é um projeto de prompt word, é uma palavra de prompt, é estático e o processo de geração dessas palavras de prompt é chamado de projeto de prompt word. Aqui estão alguns exemplos de prompts que escrevi recentemente. O primeiro exemplo é como escrevi o prompt para o discurso de Lei Jun. Antes de olhar para baixo, você pode parar e pensar em como escrever se quiser escrever? Veja como eu fiz isso: Primeiro, use a Pesquisa Profunda para coletar o discurso de Lei Jun e, em seguida, deixe a IA gerar um prompt que imite o discurso de Lei Jun com base nos resultados do discurso baseado em IA. (Figura 1) Depois que a IA gerou o prompt, testei-o e, embora também tenha gerado um discurso semelhante ao estilo de Lei Jun, o conteúdo era sem graça e o resultado não era muito ideal. (Figura 2) Testei o ChatGPT e o Claude usando o mesmo método, e os resultados não foram muito bons. Parece que os resultados da pesquisa da Deep Research não são bons o suficiente, e muitos deles podem não ser discursos de Lei Jun, mas apenas reportagens e afins, e então aconteceu de eu ver um resumo do estilo de discurso de Lei Jun compilado por alguém nos primeiros anos reimpresso por internautas no X, então eu tentei: > Por favor, ajude-me a gerar um prompt que possa gerar um discurso no estilo Lei Jun a partir do tópico ou texto de entrada. A seguir, um resumo dos internautas para referência: > \<tweet > > Lei Jun tem uma habilidade muito boa, que é descrever uma coisa comum ou não tão poderosa como um objeto que soa inatingível com números, porcentagens ou outros adjetivos. > Após a coletiva de imprensa, os executivos da Zeekr reclamaram da Xiaomi Auto: Vale a pena aprender o marketing da Xiaomi, mas a Xiaomi deve aprender conosco em tecnologia automotiva. O PPT de > Lei Jun e as falas do filme de Wong Kar-wai são semelhantes. > Por exemplo, a próxima tigela de macarrão para pessoas comuns é quando e onde estarei em seguida. Mas o PPT de Lei Jun dirá o seguinte: após 300 dias e noites consecutivos de pesquisa de big data por nossos funcionários da Xiaomi, descobriu-se que 97% dos humanos terão fome óbvia às 7:03:56 da manhã, o que representa um aumento de 57% em comparação com as 7 horas. > Para resolver essa fome que atormenta os seres humanos há milhares de anos, nossos engenheiros da Xiaomi estudaram e compararam repetidamente e descobriram que a saciedade da farinha é 21% maior que a do arroz. > Então, encontramos especificamente o berço do trigo, a matéria-prima da farinha, há 50.000 anos - no Crescente Fértil no Oriente Médio, e gastamos muito dinheiro para desenvolver o macarrão mais recheio até agora. > Então, quão cheio está? É 73% mais saciedade do que o macarrão tradicional. Ao mesmo tempo, as calorias caem 50%. > Também demos um bom nome, Xiaomi Super Hollow Noodles. Ao mesmo tempo, também cooperamos com o gigante da indústria de água potável, Nongfu Spring, para desenvolver a primeira água de macarrão instantâneo do setor - Nongfu Rice Spring. A saciedade do macarrão cozido com a primavera do arroz do agricultor pode ser aumentada em mais 11% > 9,9 yuans 3 libras de macarrão oco e forte de painço saciante. (O custo da farinha é de apenas 1,6 yuan por gato) Dez pacotes de temperos são gratuitos. Há um total de 9 modelos de diferentes espessuras e 6 cores de embalagem para escolher > \</tweet> (Figura 3) Testei com o prompt gerado e o efeito foi excelente! É simples assim! (Figura 4)

Desenhei um diagrama desse processo (Figura 1) Toda a criação de prompt é um processo iterativo: 0. Meta: Defina uma meta para o efeito que você espera que seu prompt alcance. 1. Ideias: Com um objetivo, você precisa ter uma ideia de como escrevê-lo, como caligrafia, IA pode ajudá-lo a escrever e modelos podem ser definidos 2. Escreva prompts: Não pense muito, escreva uma versão primeiro. É como se você estivesse praticando tiro, não pense muito, mire e atire primeiro. 3. Teste o prompt: Depois de ter a primeira versão do prompt, teste seu prompt. 4. Avalie: Depois de obter os resultados do teste, veja até que ponto estão os resultados reais e qual é a lacuna. É como medir a que distância você está do alvo depois de atirar no alvo. Se os resultados da avaliação não atenderem às metas definidas, comece com a etapa 1 e continue iterando com base nos resultados da versão anterior. Às vezes, você obtém bons resultados de uma só vez e, às vezes, precisa iterar repetidamente. Por exemplo, a última vez que criei um prompt para a geração de legendas do YouTube, repeti mais de uma dúzia de versões e, a princípio, não fiquei satisfeito com o formato, mas depois descobri que sempre adicionava um carimbo de data/hora no meio do parágrafo, o que afetava muito a experiência de leitura. (Figura 2) Por fim, tive a ideia de adicionar um exemplo de dividir o discurso da mesma pessoa em dois parágrafos se o conteúdo for muito longo e, finalmente, não adicionarei mais carimbos de data/hora aos parágrafos. (Figura 3) Então, para resumir, muitas pessoas não conseguem escrever bem os prompts, a causa raiz não é que eles não consigam encontrar um bom modelo ou que a IA não possa ajudá-lo, mas se você pode avaliar a lacuna entre os resultados atuais da geração de prompts e a meta e saber como ajustá-los. * Por exemplo, se uma pessoa que não conhece programação usa IA para programar, mesmo que aplique vários modelos de prompt, ainda é difícil escrever bem com IA, porque ela não pode julgar se os resultados gerados pelo prompt atendem aos requisitos e, se não atendem às lacunas, como ajustá-los.