想要得到你想要的答案，先得把你的问题描述清楚和明白，学会 Prompt，AI你就掌握一大半了。

    Prompt 起源于研究者们为了下游任务设计出来的一种输入形式，它的作用是能够帮助预训练模型“回忆”起自己在预训练时“学习”到的东西，因此又可以叫它提示词。而对于大语言模型来说，Prompt 就是用户的输入，它可以是一个词语，一句简单的语句，一段较长的文本，也可以是一组指令，这取决于用户的具体需求。

    大语言模型生成内容时，会先处理 Prompt，再根据对其的理解进行输出。这就不得不浅提一下大语言模型的工作原理，它是根据我们的输入上文，来预测下一个词出现的概率，逐字生成出下文。

    所以，输入 Prompt 的不同会直接影响输出结果的质量，就是几个字的差距，生成的内容也可能是两码事。

    网上有很多优秀的 Prompt 示例，可以用来参考，参考的多了自然就学会自己去加工 Prompt。

为了方便记忆，我们也可以去套用一套公式：Prompt=任务+内容主体+需要的细节（可选）+答案的形式（可选）

    而一个优秀的 Prompt，除了需要做加法以外，适当的还需要做一些减法和变换，避免 Prompt 引导大语言模型生成出一些不合理或不准确的内容。

    提问题可以得到回应，但提需求才能具体问题具体分析。比如“汽车发动机熄火怎么办”这个 Prompt 只会得到一般性的回答，但“请提供关于发动机熄火的常见原因和解决办法”就会得到具体的原因和对应的解决办法，有助于更好的解决发动机熄火的问题。

    总之，一个优秀的 Prompt 需要通过更多的细节补充来增进大语言模型对其的理解，也需要精简来明确需求，才能确保得到符合我们预期的内容。

抓紧把 Prompt 加工学起来，用好大语言模型，拥抱大模型时代！