OpenAI 发布一份实用的提示词指南
OpenAI 发布了一节名为 Prompting fundamentals 的新 Academy 课程，为从 ChatGPT 获得更好结果提供了一个简明框架。课程传达的信息很直接：当用户清楚描述任务、补充相关上下文，并明确说明自己想要的输出时，通常会得到更有用的回答。
与其把提示词写作呈现为一种僵化公式，这份指南更把它看作一个迭代过程。OpenAI 将提示工程描述为设计并不断优化输入，使 ChatGPT 能提供尽可能好的答案，无论目标是摘要、报告还是分析。公司还强调，并不存在唯一完美的提示词，尝试本身就是学会更好使用模型的一部分。
三个核心步骤
这节 Academy 课程围绕三个主要动作展开建议。首先，用户应当清晰概述任务，包括希望 ChatGPT 做什么、结果是给谁看的，以及为什么这件事重要。OpenAI 建议使用 “plan”“draft” 或 “research” 之类的动词，让请求更具体。
其次，指南鼓励用户提供有帮助的上下文。这可以包括背景信息、附加文件、图片或文档，为模型提供更多依据。OpenAI 的示例表明，即使是很简单的上下文，比如和一个喜欢火车的两岁孩子一起旅行，也能让生成的行程更相关、更具体。
第三，用户应描述理想的输出。指南建议明确说明语气、格式、受众、长度和限制。如果用户想要一个表格、执行摘要，或者严格受限的回答，这些都应该写进提示词，而不是留给系统去猜。
从模糊请求到结构化提示
这节课程最有用的部分之一，是展示提示质量如何改变结果。OpenAI 用 “Okay” 到 “Better” 再到 “Best” 的简单递进来说明这一点。像 “Explain machine learning” 这样基础的指令，通过加入字数限制、受众水平和简单类比等约束，会变成更强的提示词。
在最详细的示例中，用户要求用学习一项技能的类比来解释机器学习，回答不超过 100 个词，避免使用技术术语，并要求采用特定的三段式结构。重点不只是更长的提示词更好，而是当提示词减少歧义并让期望结果更清晰时，它们会更有效。
为什么这件事现在重要
这次发布反映了 AI 市场的更大变化。随着生成式工具从试验走向日常工作，实用的使用指导变得更有价值。很多人并不需要深入理解模型架构，也能从 AI 系统中受益。他们需要的是能在日常任务中稳定改善结果的好习惯。
OpenAI 的建议之所以值得注意，是因为它非常偏向实际操作。指南并没有承诺什么秘密公式或高级提示魔法。相反，它把提示看作一个沟通问题：如果用户对意图、上下文和格式说得更具体，模型就更有机会在第一次尝试时生成可用内容。
这种强调也有助于纠正一种误解，即糟糕的输出总是模型本身的失败。在许多现实场景中，薄弱的指令本就是问题的一部分。通过展示措辞和结构上的小改动如何改进回答，OpenAI 实际上是在教用户更有意识地与系统协作。
实用指导而非炒作
这节 Academy 课程还提供了更广泛的建议，例如把大任务拆成更小的步骤，以及在不把请求弄得过于复杂的前提下保持具体。这与许多团队开始在专业场景中使用 AI 的方式一致：不是把它当作一次性给出答案的神谕，而是当作一种在任务被拆解、期望被明确时效果更好的工具。
对于开发者、知识工作者、学生和普通用户来说，这份指南的更大意义很简单。OpenAI 正在把提示能力包装成一项核心技能，而不是边缘用例。如果生成式 AI 成为研究、起草、分析和规划的标准界面，那么写出清晰请求的能力就会成为基础数字素养的一部分。
这节课程并没有解答关于如何从 AI 系统获得最佳结果的所有问题，但它确实提炼出一个持久原则：更好的指令通常会产生更好的输出。在当前 AI 普及的浪潮中，这也许是 OpenAI 能提供的最有用的产品经验之一。
本文基于 OpenAI 的报道。阅读原文。
Originally published on openai.com
