作为一名小白，如何快速学习掌握提示词，网上各种学习资料参差不齐，铺天盖地。
如果按照传统的方式去学习：需要收集各种信息，还要分析这些信息的时效性和价值性，这本身就是一件耗时、耗力的事情，那是否可以借助GPT帮助我们快速去学习提示词呢？
产生这个想法之后，我就尝试去问GPT。刚开始，我直接简单粗暴地问：如何学习提示词。
但可以看到GPT提供的信息很泛。我继续调换问题的方向：学习提示词的第一步是什么？
这次GPT给出的回答稍微聚焦一些了，但也还只是给出一个方向性的东西。我继续转换问题的方向。
我尝试让GPT“扮演提示词专家，去教一名小白如何从零到1掌握提示词，让他先给我个大纲“。
这次GPT给出的大纲要比前两次的提问回答都要好，已经能给出一个学习的大纲，就像我们在开始学习任何知识之前，都会列出一个大纲体系。
有了这个大纲框架之后，我继续让GPT延续刚才的角色去开始第一部分内容的教学，他开始根据大纲去填充里面的内容，可以看到他给的内容是先对AI和提示词的概念进行了解释，因为我们这里让他扮演的角色是去教初学者，给到的定位是教初学者的这个指令。所以他不会介绍太复杂的知识内容。
根据GPT提供的信息，如果对某些信息不是很明白，可以让GPT具体展开去解释，这里可以理解为：GPT就是你的提示词老师，这个老师在向你授课，你在课程中遇到了问题，你向他提问，他去给你回答解惑的一个角色。
通过第一节内容我们得到了两个重要的知识点。
一.提示词的概念：
一种指令或问题，用于引导AI模型以特定的方式或执行任务。
是与AI模型沟通的主要方式，直接影响到模型如何理解和执行给定的任务。
二、提示词的类型：
1. 开放式提示
·含义：这类提示不指定特定的回答格式或内容，允许AI模型自由地生成回答。
·应用场景：用于创造性写作、故事生成、脑暴会议，或任何需要AI展示创造力和独创性的场景。
·例子：在创意写作软件中输入“描述一个发生在未来世界的冒险故事。”
2. 封闭式提示
·含义：这类提示通常要求有特定的、限定的回答，比如是/否问题。
·应用场景：适用于需要确切答案的情况，如事实核查、快速决策支持，或简单查询。
·例子：“太阳系有多少个行星？”
3. 引导式提示
·含义：通过提供一定的背景信息或指导来引导AI模型产生特定类型的回答。
·应用场景：在需要详细的解释、指导性回答或教育性内容时使用，如教学、技术支持或复杂问题解答。
·例子：“在一个奇幻世界中，描述一个不同寻常的角色和他们的冒险经历。”
4. 探索性提示
·含义：这类提示鼓励AI模型探索多种可能的答案或思路，而不是寻找单一的正确答案。
·应用场景：用于研究、数据分析、创意发展等需要多角度思考的情况。
·例子：“探讨可能导致气候变化的不同因素。”
5. 信息密集型提示
·含义：这些提示包含大量的具体信息和细节，以引导AI生成更具体和详细的输出。
·应用场景：适用于需要深入分析或详尽描述的场景，如专业报告撰写、详细说明或复杂故事叙述。
·例子：“基于历史数据，详细预测接下来10年的经济趋势。”
6. 基于角色的提示
·含义：在这类提示中，AI被指定扮演一个特定的角色或具有特定的身份。
·应用场景：用于模拟特定角色的对话或行为，如模拟医生进行健康咨询、律师提供法律意见，或编写角色扮演游戏的脚本。
·例子：“作为一名营养师，给出一个健康饮食计划。”
7. 创造性提示
·含义：这些提示旨在激发AI的创造性和独创性，通常比较抽象和非具体化。
·应用场景：用于艺术创作、诗歌写作、音乐创作等需要高度创造力的活动。
·例子：“创作一首描写海洋的诗。”
8. 情境模拟提示
·含义：在这种提示中，给AI提供一个特定的场景或背景，引导其在该情境下作出回应。
·应用场景：适用于角色扮演、情景模拟训练、故事叙述或任何需要特定环境下的反应和决策的场合。
·例子：“如果你是一名时间旅行者，你会如何描述古埃及？”
9. 问题解答式提示
·含义：这类提示以问题的形式出现，要求AI提供直接的答案。
·应用场景：在需要快速获取信息、进行学习或获得专业知识的情况下使用，如学术研究、知识查询或学习辅导。
·例子：“解释什么是相对论？”
我们继续让GPT开始第二节内容的教学。这里他给我们介绍了两种模型：自然语言处理模型和图像生成模型。以及这两种模型的工作原理，但可以看到这些内容对于很多人来说是抽象的。那怎么办呢？
我继续向他提问，让他通过举例子的方式通俗易懂的去介绍。他这里引用了一个读书无数的图书管理员来解释自然语言处理模型；引用经验丰富的画家来解释图像生成模型。这样的解释比起刚才抽象的语言，更容易让初学者快速建立起概念。
理解了提示词和AI原理之后，第三节开始通过一些实际例子来练习构建基础的提示。但可以看到这里的介绍：还是很初级的普及了如何去跟AI提问，以及如何去解读AI给出的回复，然后去优化。别急，我们接着往下看。
依然是让他通过举例去介绍。通过举“在巴黎度过一个周末”这个话题，我们可以学到一些提示词的初步提问技巧，在大脑加深第一节和第二节内容的印象。并且学会如何判断AI回复问题的质量。
有了第三节的初步练习之后，来到第四节的提升提示词的技巧学习，首先了解高级提示技巧，然后通过分析成功和不成功的提示案列，最后根据特定需求定制的提示词。
同样的还是以例子去说明，可以看到现在写出来的提示词比第三节初步练习的效果有了递进。通过不断的追问，GPT可以给到我们更加具体的内容，这里也可以看到他在最后给的结论：提示词是一个动态的过程，通过你不断的调整和优化，输出的质量和相关性都会得到提高。这个过程就像我们在学习一样，通过不断陪喂，能力也会不断的提升。
通过前面四节的内容学习，第五节是将刚才四节内容进行一个综合应用，这个过程就很像模拟真人学习的过程了；可以看到这里有几个很重要的关键词：反馈和迭代；创造性思维；这说明每个人写出来的提示词都可以是不一样的，这就意味着AI生成的内容也会是不一样的。
同样我们也是让AI自己去模拟做一个项目，在这里，AI扮演的即是一名提示词专家，同时也是一名小白，我们只需要看他们是如何演习的。然后在这个过程去学习总结他们的经验即可。
通过上面的案列我们可以把他写提示词的流程整理下来，可以发现提示词写作是一件循序渐进、不断迭代优化的过程，并不是一上来就可以写的很完美，而是需要反复多次的利用我们学到的提示词技巧去跟AI沟通，让他不断的趋向我们需要的结果，这个过程需要具备一定耐心。
而接下来第六节和第七节的内容就是一些附加理论性的东西，对于小白来说，上面1-5节的内容学习完就基本可以建立起提示词的概念了，使用GPT可以是基本入门了，可以解决日常需求。但是想要写出更好的提示词还需要深入持续的学习，写出了一套好的提示词，只懂如何写提示词是不够的，还需要在其行业有一些基本的了解。
因为AI的本质就是工具，只是让你在有的基础上更好，人类大脑的一些分析和情感是他目前无法做到的。
原文链接：https://blog.csdn.net/sd1232/article/details/134721249
