你是否感受到这样的困惑：同一个AI模型，旁人使用时如同拥有特效，而你却仿佛在与一个无聊的实习生对话。当你输入“帮我写个方案”，得到的结果往往是一些平淡无奇的废话。即使改变提问方式，结果也难有好转。其实，问题很少出在模型本身，大多数情况下，是由于提示词不够明确。模糊的输入让模型不得不揣测你的真实意图，结果自然也是肤浅和泛泛而谈。
为了改善这一状况，可以尝试SDS方法，这是一种简单且可重复的框架，由三个步骤组成。首先，S代表搭好舞台。在请求帮助之前，先清晰地传达背景信息，定义你的身份、目标，以及模型理解场景所需的关键上下文。很多人倾向于直接提出要求，但模型不清楚你所处的位置和需要解决的问题。因此，清晰的背景信息至关重要。
接下来是D，定义任务。明确无误地告诉模型你希望它执行什么任务，比如写作、分析、整理结构，或者进行头脑风暴。任务边界越清晰，模型的表现越不容易偏离轨道。常见的模糊动词常是导致输出不准的罪魁祸首。
最后是S，指定规则。设定一些护栏，告诉模型你偏好的语气、输出格式及字数限制。如果有特定标准，也可以提供参考样例。规则的设定并不是对模型的限制，而是让其明确达到目标的位置。
这套方法的核心在于将AI视为一个能力不错的同事。在委派工作时，你会详细交代背景、目标和要求，而不是简单地说“你随便处理”。同样地，给AI的指示也应当清晰、具体和有目的性，这样才能获取更好的结果。
回到之前的情况，使用同一模型，关键在于谁能更清晰地表达需求。遵循SDS三步，提升输入质量，输出质量自然会随之提升。你是否平时使用结构化框架来构建提示词，还是多数情况下仅仅是试着调整？
发表评论