ChatGPT照搬的提示词虽好用，但总有不匹配自己工作的具体情况，有些时候需要我们自己去写提示词，今天就给大家分享目前好用的提示词写法。用好了，简直逆天。一起学习吧！

1、思维链（CoT）

CoT提示是一种引导语言模型详细阐述其解决问题过程的方法。其核心在于提供一个框架，让 AI 能够模拟人类解决问题时的逻辑思考步骤。

一般包含 5 个要素：

1、问题解析：提示模型先解析问题，明确要解决的具体问题是什么。

2、逐步解释：模型接着展示解决问题的逐步逻辑，就像一个人在思考时会做的那样。

3、合理假设：如果需要，模型可以提出合理的假设来辅助解题。

4、详细推理：强调细节和逻辑推理的过程， 而不仅仅是给出最终答案。

5、结论：最后，模型提供明确的答案或解决方案，并揭示其如何得出。

这种写法的主要作用是提高模型输出的解释性和逻辑性，让 AI 在解决复杂问题时更加高效和准确。

示例：

写一篇爆款短视频文案，CoT提示方法就可以通过详细阐述文案创作的每一步骤来实现。每个步骤都相当于一个“思考节点”，帮助你系统地构建引人入胜的内容。

1、开头吸引注意：

首先思考怎样的开场能立即抓住观众的注意力，比如一个惊人的声明或一个引人的深思的问题。

示例指令：“用一个引人注目的开场白开始，比如一个令人惊讶的事实或一个引人人胜的问题”

2、展示核心内容：

然后详细描述视频的主题，思考怎样表达能最好地吸引目标观众。

示例指令：“接着简要介绍视频的主题，确保内容既有趣又与目标观众相关”

3、激发情感反应：

接着思考如何通过幽默、惊喜元素或情感共鸣来进一步吸引观众。

示例指令：“用幽默、惊喜或情感共鸣的元素或吸引观众”

4、展示亮点：

考虑视频的独特之处或最吸引人的部分，确保这部分在文案中被突出展示。

示例指令：“强调视频中的亮点或独特之处，让观众明白为何这个视频值得观看”

5、号召行动：

最后，思考怎样的号召性用语可以促使观众进行互动点赞。如点赞、分享或评论。

示例指令：“以一个号召性语句结束， 比如邀请观众点赞、分享或留言”

是不是单纯比让 AI 写一个爆款短视频文案好得多。

2、PromptAgent

PromptAgent使用了蒙特卡洛树搜索算法来优化提示词。通过模拟人类试错方式，反思模型的错误并提供建设性反馈。相比于 CoT 提示，PromptAgent 会更注重提示中融入专业的营销和视频制作技巧，以达到最优的营销效果。

假设有一个任务是理解并回答复杂的科学问题。

初始提示词可能是基础的问题理解指导，比如“仔细阅读问题并提供详细的答案”。

在优化过程中，PromptAgent 首先评估这个初始提示词的效果，识别出模型在理解或回答问题时的不足之处。

然后，它通过蒙特卡洛树搜索算法模拟和预测不同提示修改方案的效果。

比如加入专业术语解释、引入问题解析步骤、或者添加于问题相关的背景信息。

通过这样的迭代过程，PromptAgent 找到能够更有效地引导语言模型理解和回答复杂问题的优化提示词。

这个过程类似于一个专家系统，通过不断迭代和学习，结合领域知识和对模型行为的理解，逐步提升任务提升的效果。

示例：

如何使用 PromptAgent 方法来写一个短视频爆款文案的提示词。

1、利用市场趋势：

“从当前流行的视频趋势和目标受众的偏好出发，够思开头。”

2、结合视觉元素：

“考虑如何通过吸引人的视觉效果来强化信息传递”

3、内容深度和广度：

“确保视频内容不仅表面吸引人，还有提供有价值的信息或深入的故事维持观众的兴趣”

4、强调差异化：

“识别并强调你视频的独特卖点，比如原创性、幽默感或与众不同的视角”

5、分析数据反馈：

“根据过往视频数据分析结果，使用最能激发互动的号召性用语，如直接询问观众意见或提供互动挑战”

总结：具体用哪种方法根据你的需求来定

CoT 提示主要是用来增强模型解释其决策过程的能力，特别是在解决问题或分析复杂情境时。这种优化通过引导模型展现其思考步骤来提高解答的透明度和逻辑性。

PromptAgent 专注于创建和优化提示，以提高大语言模型处理特定任务的能力。它通过策略性规划和蒙特卡洛树搜索算法优化提示词，强调在提示词中整合专业知识和详细指导。