制定提示
清晰度、上下文和特异性
答案的质量很大程度上取决于您如何提出请求。像“告诉我有关人工智能”这样的模糊提示可能会导致笼统或肤浅的反应。像“为初学者用 3-4 段解释监督学习和无监督学习之间的主要区别”这样的具体提示为模型提供了明确的目标和格式。
始终添加背景信息：您是谁、您需要什么答案以及您期望的详细程度。如果您是开发人员，请这么说。如果您需要演示的快速摘要，请说出来。上下文有助于模型调整响应。
在重要时指定所需的格式：列表、表格、分步说明或短段落。这减少了后续问题的需要并节省了时间。
弱提示
“告诉我有关神经网络的信息”——太宽泛，模型不知道该关注哪个方面。
强烈提示
“用 2-3 段解释卷积神经网络如何用于图像识别。我是 ML 的初学者。” ——明确的目标、形式和背景。
避免在一条消息中提出过于宽泛或多部分的问题。如果您有多个问题，最好一一询问或明确列出。
使用动作动词：“解释”、“比较”、“列出”、“总结”、“写”、“分析”。它们帮助模型理解您期望的响应类型。 “解释为什么 X 会发生”比“我想了解 X”更清楚。
对于技术或专业主题，请提及您的级别：初学者、中级或专家。这会影响答案的深度和术语。初学者的解释避免使用行话；专家可以深入探讨实施细节。