大家好，我是鸣姐，专注探索AI给流量增长带来的新玩法，可合作：AI流量增长解决方案。
之前我分享，看到一个优秀的AI画作怎么样去反推提示词，给了一个公式，特别好使。
其中有一段和AI的对话，提示词是这样写的：
1.你是资深的街拍摄影师，擅长文艺写真照，请帮我分析这幅画面的风格是什么、画面的主体和构图怎么描述
2.你是资深的摄影师，请你描述要拍成这样一张图片，更多的摄影相关的专业知识
收到很多读者的留言，有几个读者留言问我，为什么要这样和AI对话？不用设定身份也可以。
为什么要分两次提问？一次讲清楚也可以。
如果只是简单的问题，确实直接提问、越简单越好，但我想说：
按照一定的提示词结构来写、养成习惯，遇到复杂的问题，AI的回答会给你惊喜。
就像要写出优秀的AI绘画提示词，可以遵循万能公式，平常和AI对话，要得到高质量的答案，也可以遵循一定结构。
所以这篇文章就分享，和AI对话的提示词结构。
先说一个基本的原则，你需要站在大模型的角度去思考，而不是只想着表达你的需求。
举个例子吧：
1.我是一个5岁孩子的妈妈，我想带孩子暑假去杭州玩3天，请帮我想想该怎么规划。
2.你是一个资深的旅游顾问，请为一对母子(孩子5岁)设置一个在杭州的3天旅行规划，语言风格是幽默风趣。
仔细看上面两个例子，思考几个问题：
两个提示词表达清楚需求了吗？有什么区别？你平常更习惯用哪个类型的提示词？
我的答案是，两个提示词都很清晰地表达了需求，区别是：第一个提示词是用户思维，用户在想我要什么；第二个提示词是模型思维，在想AI需要什么指令。
第二个提示词才是好提示词，那大模型需要什么样的指令？
我总结的两个点是：1.角色提示；2.背景提示。
还是上面这个例子，“资深的旅游顾问”是一个角色，“为一对母子(孩子5岁)设置一个在杭州的3天旅行规划”是一个背景指令。
背景指令就是定义了“模型应该做什么”的大方向，比如说“旅行规划”，在这个方向，你还可以有更具体的指令啊。
每天旅游两个景点、打卡杭州美食等等，这些指令都是在“旅行规划”这个大背景下的，对吧。
然后再解释下，为什么需要角色？
现在大模型的架构通常是MoE架构，翻译成大白话就是大模型内部有成千上万个专家。
它是什么样一个流程生成内容的呢？
比如说：1+1=？这个问题，数字老师会说“2”，语文老师会说“王”，当你问大模型“1+1=？”
模型里面的各种专家先给出不同回答，最后模型判断一遍不同答案的概率，结合上下文语境，输出一个概率最大的答案。
你设定一个专家角色，就是告诉大模型，调用这个专家背后的知识就好。
比如说给旅游规划这件事情，就让旅游顾问这个专家来回答，其他的像“数学家”“音乐家”等专家角色都不用来回答这个问题。
那它生成的各个答案都是在相关的知识里面找的，再根据概率判断一遍。
也就是说，顶多是杭州旅游攻略、上海旅游攻略等答案之间筛选，不至于出现一个“怎么教育孩子”的可能性答案。
好了，再总结一下，大模型生成答案的过程，就是调用它内部的各种专家角色来生成不同可能性的答案，然后根据上下文语境判断，给出概率最高的答案。
现在你再重新看下面这两句提示词，知道为什么后者是更好的提示词了吧。
1.我是一个5岁孩子的妈妈，我想带孩子暑假去杭州玩3天，请帮我想想该怎么规划。
2.你是一个资深的旅游顾问，请为一对母子(孩子5岁)设置一个在杭州的3天旅行规划，语言风格是幽默风趣。
读者还给我提了一个问题，为什么不一次性问完？
这里同样是一个习惯，我通常会对一个需求做拆解，先拆解出最重要的问题、搞清楚，再追问其他细节。
如果非要说有什么原因的话，那就是大模型的上下文指令窗口是有限的，那在输出答案的时候，也会考虑到长度，不会给很长的回答。
如果你的问题多、或者说复杂，它会省略掉一些细节。
所以来说，拆解问题、先问核心，这也是一个隐藏的需要你训练的思维。
还是那句话，AI是遇强则强，素质不详（短视频刷多了，真的忍不住接出后面半句）。
你把自己训练成一个提问、沟通的高手，你就发现AI是你的超强外挂。