文章收录于AI大模型系列专栏

  在上一篇《编写高质量提示（prompt）的小技巧》篇章中，我们深入解析了构建高效提示的工艺流程，涵盖了需求拆解、模板化及流程化的艺术，借此揭示了如何打造出既高效又质量上乘的提示指令。这好比为利用人工智能(AI)大模型配备了精良的兵器库，但武器的威力还需恰当的运用方能显现。同样地，人际沟通中若信息模糊，需求表述不明，会令双方陷入困扰，影响情绪与效率。与AI大模型交互时，清晰精准的指示更是至关重要，它直接关乎到能否收获满意的结果。

  在日常生活工作中，如果双方在交流过程时表达含糊、对需求描述不清不楚，那么彼此双方就会倍感痛苦。这样不仅会影响交流双方彼此的心情，还会影响对需求的理解和产出。我们在和AI大模型交流的过程如果表达含糊、不能清楚地描述需求，那么我们也无法在AI大模型那里得到满意的答案。

  为了优化与AI的对话质量，确保其准确无误地理解并响应我们的需求，我们需遵循一套策略：明确背景、设定角色身份（立人设）、确立目标与关键成果（OKR）、以及回顾总结（复盘）。以下是这些步骤的详尽阐释：

  尽管AI模型具有强大的学习能力，它却无法直观理解我们的需求，如同人际沟通中的心理隔阂。为此，我们需明确告知其背景、目的，就像与新朋友建立信任一样。所以我们在与之对话之前，就得告诉他需求的背景如何、我们是谁和都有哪些参与方等等。澄清背景就是阐述需求的宏观背景和微观场景，让AI大模型得到充分的上下文和背景信息，帮助其更准确的理解我们的需求。

  要想弄清楚需求的背景是什么，是一个相当耗费精力的事情。我们可以借助《编写高质量提示（prompt）的小技巧》文章中拆解需求章节提到的使用动态规划的基本思路和分治法来拆分需求，首先将复杂需求划分为若干个子需求，每个子需求相对于整体需求来说都要简单一些并且相对独立；然后通过分析和处理这些子需求，逐步明确整个需求，最后再将已经解决处理的子需求重新合并最终澄清整个需求。

  如果嫌自己按照上述过程来分析背景比较麻烦和耗费精力，那么我们不妨把这个分析背景的需求交给AI大模型，让他来帮助我们分析背景，提炼需求背后的本质。如下，让AI大模型帮助我们分析“我想去徒步”需求：

  通过上述示例可以发现，AI大模型可以通过提出问题来获取背景信息，这样一来我们就能专注于解决需求本身，而不用花费大量时间和精力去分析需求的背景。

  无论是人为的拆分需求分析背景，还是使用AI大模型帮助分析需求背景，都只是粗糙未经过细化的点子，所以我们还需要进一步细化分析得到的背景。细化的过程中一来可以借助人类与生俱来的直觉、二来可以借助后天养成的经验，直觉和经验双管齐下一起丰富背景，提供一些参考意见：

  我们提到某个人在某个领域扮演的角色时，其实就是在表述他拥有怎样的能力和需要遵守怎样的规范等。例如，作为一个优秀的英语老师，那么他在教学时就应该深入浅出，培养学生学习英语的兴趣和激发其积极性。所以我们在澄清背景后，就需要针对需求再给AI大模型立个人设，让其在垂直领域中专心应答。

  立人设的底层逻辑是让AI大模型扮演一位特定的角色，专注于提供对应专业领域内相关问题的解决方案，同时少胡话。我们可以通过提出你是谁、你能做什么和怎么做三个问题来明确人设：

  OKR（Objectives and Key Results，目标与关键结果）是一种目标管理方法，起源于硅谷，被很多公司，包括Google、Intel等国际知名企业所采用。OKR的核心思想是通过设置明确的目标（Objectives）和与之对应的关键结果（Key Results），来确保团队和个人在工作和日常活动中保持一致的方向，并能够有效地衡量进度和成果。

  定义目标是为了表达我们希望实现什么，而定义关键结果则是为了让AI大模型知道实现目标所需要可度量的内容。

  目标是对希望实现的具体成果的简洁描述，即告诉AI大模型需要生成怎样的内容。通常只要你清楚地知道你的需求和你想要的是什么，那么就可以很容易地制定出这个目标。既然有了目标那么就需要将其编码成AI大模型能读懂的文字，可以借助以下几个原则来进行编码：

  关键结果是一系列用于衡量目标实现程度的定量指标。关键结果应当是具体的、有时限的，并且是可度量的。甚至可在某些关键结果上设定数量或百分比要求，亦或为关键结果设定质量标准，如“回答中的理论需要是学术领域的共识，并有权威的来源”等。

  我们在和AI大模型交流过程中，有时候他生成的答案并不是我们所期望的。为了得到满意的答案，我们就需要不断地复盘改进编写的提示。在使用AI大模型的过程中，我们可能会遇到三种情况：第一种是提示给得不够清楚；第二种是AI大模型做得不好或回答有错误；第三种是运气不好遇到糟糕的答案。

  本文通过分析AI大模型的提示工程，从需求分析、背景澄清、人设构建、OKR设定到复盘等多个维度，提供了与AI有效交互的实用策略。通过这一系列策略，我们不仅能提升与AI交流的效率，还能确保需求被准确理解与满足，让智能工具发挥其最大潜能。