🥥
一切为了高质量Prompt

📌

藏经阁的第一篇，不谈武功，只谈心法

武功可能千变万化，但他们背后的心法却往往如出一辙

那什么是AI产品的心法呢？

导读

过去一年多的时间，市面上出现了大量的AI产品。这些AI产品有什么共同点吗？我的答案是：AI产品化就是让用户跟随产品引导，通过一步步的简单操作，获得AI所需要的高质量prompt的过程。让我们一起来看看，市面上主流的AI产品，都是如何去践行这一点的。​

速览

•
每一个真实用户希望得到的都是可以解决他们具体问题的答案。而他们想付出的，可能仅仅只是一个touch、一句text、一秒voice​

•
如果你寄希望于普通用户给你写长篇大论，才能使用上AI产品，那这个产品注定会是失败的​

•
简单原子通过迭代去拟合复杂任务，这不就是万物法则吗？​

•
我们可以很轻易的从AI产品的身上，看到其对应的AI模型的影子。或许，等到用户无法直接感知这个AI产品是在使用什么模型，AI产品的形态和范式才算真正成熟了​

从ChatGPT开始

我是2022年下半年时，从一个GPT 3.0的completion试用Demo中第一次窥见了大模型的能力。随着年底ChatGPT的发布，这种能力在经过对话产品包装后便直接震惊了世界。这是普罗大众第一次接触通用AI产品。​

LLM的底层能力是next token prediction（预测下个词）。而chat形式的产品化是行业选择的的第一个LLM产品范式。随着越来越多的人通过对话的方式使用LLM，用户中非常明显的划分为了两拨人：​

•
用自然语言对话的绝大多数普通用户​

•
用prompt engineering激发模型的极少数专业用户​

我经常会听到朋友的吐槽：“大模型也没多厉害，我让他帮我写个东西，他也不太行。” 我会先了解朋友的需求，然后帮他写一个更完整的prompt。大多数情况下，朋友都会在这个prompt下得到他们想要的。朋友们对此表示惊讶，但我非常清楚，这就是「 高质量prompt 」的能力。​

其实编写Prompt并没有什么太高级的技巧，不外乎三点：

1.
尽可能多的挖掘朋友的需求信息​

2.
尽可能把需求信息变成清晰合理的Prompt​

3.
不断尝试迭代，直到Prompt能解决问题​

如果大模型不能给你想要的，先想想是不是自己prompt有问题

AI WanderLand：Prompt差异体验

上面是我搭建的Prompt测试Demo，其中预置了3组对照Prompt。提示1是普通用户最容易发出的“简单短句直接提问”。提示2是一个更加丰富完整的“整体需求细节的详细描述”。提示2的字数几乎是提示1的10倍，不仅包含了“需求”，也包含了“细节”。​

在GPT4模型下，提示1和提示2的回复对比也非常明显。提示1的回复会笼统模糊，提示2的回复会具体可用。Prompt的质量直接决定了是否真的能满足用户的实际需求。​

每一个真实用户希望得到的都是可以解决他们具体问题的答案​