例如
1、提示工程（Prompt Engineering）
结构化指令
角色设定：通过明确角色（如专家、助手、编剧等）控制回答风格。
示例：
你是一名资深科技记者，用通俗易懂的语言解析量子计算的三大技术难点，并对比中美研究进展。
分步思考：强制模型展示推理过程。
示例：
请逐步分析：如何通过用户行为数据优化电商App的推荐算法？
输出格式：指定 Markdown、表格、JSON 等结构化结果。
示例：
生成5个小红书风格的防晒霜推广文案，要求包含emoji和话题标签。
知识增强
联网搜索：结合实时信息（需权限）回答时效性问题。
示例：
检索最新政策，分析2024年新能源汽车补贴变化对特斯拉销量的影响。
知识库调用：定向调用垂直领域数据（如学术论文、行业报告）。
示例：
基于《2023中国人工智能白皮书》，总结AI在医疗领域落地的三大挑战。
二、高级功能应用
复杂任务拆解
项目规划：生成可执行的任务流程图。
示例：
为“开发一款基于AI的英语学习App”设计开发里程碑，包含技术栈选择、团队分工和风险评估。
代码生成与调试：
示例：
用Python写一个自动爬取微博热搜榜的脚本，需包含反爬机制和异常处理。
多模态处理
数据可视化描述：生成图表逻辑或解读现有数据。
示例：
根据某公司近三年销售额数据（表格形式输入），分析增长趋势并建议可视化方案。
跨模态联想：通过文字描述生成图片/视频脚本。
示例：
为“赛博朋克风格的城市夜景”生成MidJourney提示词，包含光影、构图和色彩关键词。
三、工作流优化
自动化批处理
批量生成与筛选：
示例：
生成20条不同风格的618促销短信模板，按转化率概率排序后输出Top5。
API集成：通过编程接口接入其他工具（如Notion、飞书）。
交互式调试
动态修正：通过多轮对话迭代优化结果。
示例：
第一轮：写一篇关于区块链技术的科普文章
第二轮：第三段过于学术化，请改用高中生能理解的比喻说明哈希函数
四、专业场景实战
学术研究
文献综述辅助：
对比2018-2023年间Transformer模型在NLP领域的改进方案，用表格呈现优缺点。
论文润色：
将这段方法论描述从中文翻译成学术英语，保持被动语态和客观表述。
商业分析
SWOT 分析：
基于新能源汽车行业数据，为比亚迪做SWOT分析，重点突出电池技术优势。
用户画像构建：
根据某社交App的DAU/留存率数据（输入表格），推测核心用户特征并提出运营策略。
创意开发
世界观构建：
设计一个架空科幻世界的核心规则，包含能源体系、社会结构和关键冲突点。
交互叙事：
创建分支剧情：主角在2099年发现时间循环的秘密，提供3个关键选择节点。
五、风险控制技巧
事实核验：对关键数据要求提供来源引用。
敏感词过滤：设置内容安全边界（如政治、伦理限制）。
混淆处理：对机密信息进行脱敏后再输入。
评论区
0 条登录后查看评论并参与互动。