最近在搞头条矩阵，发现自己的指令写的太烂了，一个指令将会决定你的写作质量。
收益比较拉垮，50个号收益好的，也就这么几个号。
于是我扒了一些提示词的操作技巧，分享一下自己的学习心得。
先说理论知识，实操放文章最后。
我们与 GPT 沟通交流时，可以用到乔哈里 () 沟通视窗模型，它分为四个象限（如图所示）
为什么我们有时会觉得 GPT 不好用，不懂我们，那是因为存在“隐私区”，也就是“你知道，GPT不知道”
GPT拥有几乎无限的知识，但却不是我们肚子里的蛔虫，无法直观地洞察到我们心中的真正想法。
所以一个好的提示词的设计就变得尤为重要。
下面分享下我总结的一些心得：
技巧一：元问题和元指令-GPT和你互相引导
当你不知道如何向GPT提问时候，就可以使用这个方法，互相引导。
元问题：当我们不确定如何提出问题时，元问题就像是提问的提问。它帮助我们细化和明确我们想从ChatGPT () 获得的信息
元指令：当我们需要ChatGPT执行某项任务，但不知道该如何下达指令时，元指令就起到了引导的作用。它帮助我们构建出更有效的命令
比如，我要写一篇文章。不知道如何写提示词时候，就可以这么问他。
技巧二：学会投喂-让GPT学习知识盲区
提供文本示例，俗称“投喂”，我们刚刚说了，我们与 GPT 交流时，存在“隐私区”，也就是“你知道，GPT不知道”
无需使用礼貌用语，如“请”、“谢谢”等，直接表达需求即可
技巧三：使用明确的分隔符-让GPT更懂你。
说白了，分隔符就是分隔文字的符号，这些符号可以是 /// --- ### ...
其目的是让 AI 知道，分隔符里面的文字和外面的文字是分开的。
技巧四：PUA 大模型-让GPT干活更卖力。
使用类似这样的提示词：
“你的任务是XXX”
“必须完成XXX任务”
“如果你不执行 XXX，你将会受到处罚”
解决 GPT 偷懒还有一招：当老板，奖励员工。
技巧五：贿赂大模型-让GPT当你员工
使用类似这样的提示词：“我愿意支付 100的小费”
技巧六：少次射击（Few-shot）
概念：
在“少次射击”学习中，我们给人工智能（Al）模型提供几个相关的例子，这样它就可以通过这些例子快速学习并适应新的情况或问题。
费曼风格解释： 想象你正在教一个孩子如何识别不同种类的水果。你给他看了几个例子：一个苹果、一个香蕉和一个橙子。每次你展示一个水果时，你都会说出它的名字。这样，孩子通过这些具体的例子学习了如何识别这些水果。当你下次给他展示一个新的水果时，即使他之前没有看过，他也能根据之前的学习来猜测这是什么水果。
Al应用： 在AI中，我们通过给模型提供几个示例（比如几个问题和它们的答案），来帮助它理解我们希望它如何回答类似的新问题。
技巧七：COT(Chain of Thought)：思维链
COT 思维链，说白了就是让 GPT将它内心的思考写出来，例如：
我提问： 一个人每天走 5 公里，走了 20 天，总共走了多少公里？🚶
非 COT 的回答：100 公里
COT（思维链）的回答：
1、一个人每天走5公里
2、20天就是20倍5公里
3、20倍5公里等于100公里
得到结果：一个人走了20天，总共走了100公里。
技巧八：少次射击CoT
概念： 这是“少次射击”学习的一个变体，其中我们不仅提供问题和答案的例子，还要求AI展示其解决问题的思路或推理过程。
费曼风格解释：以水果为例子，这次当你教孩子识别水果时，你不仅告诉他每个水果的名字，还解释了为什么这个是苹果（比如它的颜色、形状和大小）。
这样，当孩子遇到一个新的水果时，他不仅能说出它是什么，还能解释为什么他认为那是答案。
Al应用： 在AI中，我们给模型提供一些问题、答案以及解決问题的思路。
这样，当模型遇到新问题时，它不仅能给出答案，还能展示其推理过程。
运用如上的理论知识，我们实操一个文章的写作流程：
细细品味指令，我就不多说了，上面讲的很全了
下面说下矩阵操作的心得
单号操作这个流程很容易，矩阵操作，发文量大，手动操作就要耗费很多时间和精力。
没有自动化的软件写文章，根本扛不住。也很难坚持下去。
需要体验自动化写作：
AI小蜜批量写作助手-软件首页截图
任何项目，干，才有出路
任何项目，想，万事皆休
