新手如何从零开始调制一个prompt，以拆解公众号爆文prompt为例

大家好，我是枫晓陌，微软认证的AI工程师。未来一年、我要用AI切入一百个工作场景，让大家感受到AI给我们带来的便利。

大家想要用AI切入什么领域都可以告诉我呀，AI+写作、阅读、小红书、健身教练、AI+朋友圈营销、AI+简历、AI+热点分析……都可。

这两天发现一个异常值，很多朋友看到一个 prompt，想去模仿、想去调制一个，但却不知道怎么写。

这个不知道怎么写，不是指框架，而是框架里面的内容。

其实解决这个问题很简单，闭上眼睛想一想，你现在最想解决的问题是什么？问题即需求，有需求就可以写 prompt。

因为我学习的主要是结构化 prompt ，所以以下拆解内容以结构化 prompt 为主。待拆解的前精华贴：https://t.zsxq.com/12cSTRIYG

结构化 prompt 的优势

可能很多朋友没有听过结构化 prompt 这个词，甚至连 prompt 和 GPT 是什么关系都不太清楚，这里简单介绍一下：GPT 相当于一辆汽车，prompt 是你的车技，prompt 用的好，GPT 才用的好。

那什么是结构化prompt呢？

结构化: 对信息进行组织，使其遵循特定的模式和规则，从而方便有效理解信息。
结构化 Prompt 中最直观的感受就是，将各种想要的，不想要的，都清晰明确地表述在设计好的框架结构中。
——by 李继刚

其优势：

1、层级结构：内容与形式统一

结构清晰，可读性好

结构化方式编写出来的 Prompt 层级结构十分清晰，将结构在形式上和内容上统一了起来，可读性很好。
Role (角色) 作为 Prompt 标题统摄全局内容。

Profile (简介)、Rules（规则）作为二级标题统摄相应的局部内容。

Language、Description 作为关键词统摄相应句子、段落。

结构丰富，表达性好

结构化 prompt 的结构由形式控制，完全没有记忆负担。只要模型能力支持，可以做到二层，三层等更多、更丰富的层级结构。

这种方式写出来的 Prompt 符合 ChatGPT 的认知习惯，因为 ChatGPT 正是在大量的文章、书籍中训练得到，其训练内容的层级结构本来就是十分丰富的。

2、提升语义认知

对 GPT 模型来说，标识符标识的层级结构实现了聚拢相同语义，梳理语义的作用，降低了模型对 Prompt 的理解难度，便于模型理解 prompt 语义。

属性词实现了对 prompt 内容的语义提示和归纳作用，缓解了 Prompt 中不当内容的干扰。

使用属性词与 prompt 内容相结合，实现了局部的总分结构，便于模型提纲挈领的获得 prompt 整体语义。

3、定向唤醒大模型深度能力

使用特定的属性词能够确保定向唤醒模型的深层能力。

4、像代码开发一样构建生产级 Prompt