如何写好 Prompt

# 如何写好 Prompts

提供少量的样本 (opens new window)[1]

# 完善问题，得到更高质量的答案[2]

提具体问题之前，先让问题变得更有深度，让AI帮你确定你的问题想清楚了吗，打上补丁：

接下来我将提供一个问题，你先不要着急回答，为了质量更高的答案，我还需要补充哪些信息？
问题：【】

1
2

两个帮助理清问题的概念：

元问题：关于问题的问题，关注问题背后的更深层次的逻辑、框架或假设
问题空间：在解决问题时，所有可能的状态、操作和路径的集合。

# Prompt 逆向工程

分析结果，反推出可能用于生成该结果的输入提示（Prompt）的过程

示例1[3]：

请分析以下文本的角色、风格、语气、长度、段落和emoji使用等特点，给出可以生成这个文本的 Prompt
**文本：**

1
2
3

示例2：让DeepSeek生成的通用的用于【Prompt 逆向工程】的Prompt

你是一个专业的 Prompt 逆向工程师，擅长通过分析文本内容反推出生成该文本的可能 Prompt。请根据以下文本内容，推测并生成最有可能用于生成该文本的 Prompt。

**文本内容：**
[在此处插入需要分析的文本]

**任务要求：**
1. 分析文本的核心特征，包括主题、语气、结构、关键词和风格。
2. 推测生成该文本的可能 Prompt，尽量还原原始 Prompt 的意图和结构。
3. 如果文本中有特定格式或要求（如列表、对话、代码等），请在推测的 Prompt 中明确体现。
4. 如果文本中包含专业术语或特定领域的知识，请在推测的 Prompt 中注明相关领域或背景。
5. 生成的 Prompt 应尽量简洁、清晰，同时确保能够生成与原文高度相似的文本。

**输出格式：**
推测的 Prompt：
- 目标： [简要描述生成文本的目标]
- 内容要求： [列出生成文本需要包含的关键点]
- 语气和风格： [描述文本的语气和风格]
- 其他要求： [如有特殊格式或领域知识，请注明]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# 底层逻辑[2]

问底层逻辑，帮助深入理解

这个问题的底层逻辑是什么

验证逻辑够不够底层

这个底层逻辑在什么情况下不成立，是否有例外？

# 常见问题

# 给AI设定角色是否有必要?

答案来自DeepSeek

有以下优点：

明确任务边界：角色可以帮助AI更好地理解任务的上下文和边界。例如，设定为“Prompt 逆向工程师”可以让AI专注于逆向工程的任务，而不是发散到其他领域。
提高输出质量：角色设定可以引导AI采用特定的语气、风格或专业知识。例如，设定为"专业的技术撰稿人"可以让生成的文本更具权威性和专业性。
增强用户体验：角色设定可以让用户感觉在与一个"专家"交互，提升交互的信任感和满意度。

设定角色的缺点：

限制灵活性：过于具体的角色设定可能会限制AI的创造力或多样性。例如，如果角色设定过于狭窄，AI可能会忽略一些潜在的解决方案。
增加复杂性：不必要的角色设定可能会让Prompt变得冗长，增加理解成本。

# 问题的底层逻辑和问题的元问题的联系与区别?

答案来自DeepSeek

问题的底层逻辑和问题的元问题是两个相关但不同的概念。它们都涉及对问题的深入分析，但关注的层次和角度有所不同。以下是详细对比：

# 1. 问题的底层逻辑

定义：问题的底层逻辑是指问题背后的基本原理、因果关系或运行机制。它关注的是问题“如何运作”或“为什么会出现”。
核心：分析问题的结构、动因和内在规律。
目标：理解问题的本质，找到解决问题的根本方法。
示例：
- 问题：为什么某公司的销售额下降了？
- 底层逻辑：分析市场环境、竞争对手、产品质量、营销策略等因素，找出销售额下降的根本原因。

# 2. 问题的元问题

定义：问题的元问题是指关于问题本身的问题，或者说是对问题的本质、来源、定义或解决方法的反思。它关注的是问题“是什么”或“为什么成为问题”。
核心：反思问题的定义、范围和意义。
目标：重新定义问题，发现更深层次的问题或挑战。
示例：
- 问题：如何提高学生的数学成绩？
- 元问题：我们为什么要提高学生的数学成绩？数学成绩是否是衡量学生能力的唯一标准？

# 3. 两者的关系

底层逻辑更关注问题的内在机制和因果关系，强调“如何”和“为什么”。
元问题更关注问题的定义和意义，强调“是什么”和“为什么成为问题”。
联系：
- 元问题的探讨可以为底层逻辑的分析提供更广阔的视角。
- 底层逻辑的分析可以为元问题的反思提供具体的依据。

# 4. 举例说明

# 场景：环境保护

问题：如何减少塑料污染？
- 底层逻辑：
  - 分析塑料污染的主要来源（如一次性塑料制品、工业废弃物）。
  - 研究塑料污染的传播路径（如河流、海洋）。
  - 探讨减少塑料污染的技术和政策手段（如可降解材料、限塑令）。
- 元问题：
  - 为什么塑料污染会成为全球性问题？
  - 当前的经济模式是否与环境保护相冲突？
  - 我们是否应该重新定义“发展”和“可持续性”？

# 场景：人工智能

问题：如何让人工智能更高效地完成任务？
- 底层逻辑：
  - 分析人工智能算法的效率瓶颈（如计算资源、数据质量）。
  - 研究优化算法性能的技术手段（如模型压缩、分布式计算）。
- 元问题：
  - 人工智能的发展是否应该以效率为唯一目标？
  - 人工智能的伦理边界在哪里？
  - 我们是否真正理解了“智能”的本质？

# 5. 总结

底层逻辑关注问题的内在机制和因果关系，强调“如何”和“为什么”。
元问题关注问题的定义和意义，强调“是什么”和“为什么成为问题”。
两者相辅相成：元问题为底层逻辑提供反思和指导，底层逻辑为元问题提供具体依据。

因此，问题的底层逻辑不等于问题的元问题，但它们共同构成了对问题的全面理解。