从零开始：如何设计高效的Awesome ChatGPT Prompts（新手避坑指南）

4次阅读

共计 2610 个字符，预计需要花费 7 分钟才能阅读完成。

刚开始接触 ChatGPT 时，Prompt 设计是一个需要不断练习和优化的过程。新手往往会遇到以下几个典型问题：

指令模糊：比如简单地问 ” 写一篇文章 ”，而没有明确主题、长度、风格等关键要素。ChatGPT 可能会生成与你预期完全不同的内容。
缺乏约束条件：例如让 AI” 推荐一些书 ”，但没有说明目标读者、领域或推荐标准，导致推荐结果过于泛泛。
忽略上下文连贯性：在多轮对话中，没有合理维护对话历史，导致 AI” 忘记 ” 了之前的讨论重点。

让我们通过一个具体例子看看优化前后的区别：

基础 Prompt: “ 写一篇关于人工智能的文章 ”

优化后 Prompt: “ 请以技术博客风格撰写一篇 800 字左右的文章，主题为 ’ 人工智能在医疗影像分析中的应用 ’。要求包含：1) 技术原理简介 2) 三个实际应用案例 3) 未来发展趋势。使用中文写作，目标读者是医疗行业的技术人员。”

优化后的 Prompt 明确了长度、风格、内容结构、语言和受众，能显著提高输出质量。

下面是使用 Python 调用 OpenAI API 的完整示例代码，包含异常处理和类型注解：

import openai
from typing import Dict, Any

def get_chatgpt_response(
    api_key: str,
    system_message: str,
    user_message: str,
    temperature: float = 0.7,
    max_tokens: int = 1000,
    format: str = "text"
) -> Dict[str, Any]:
    """
    获取 ChatGPT 响应

    参数:
        api_key: OpenAI API 密钥
        system_message: 角色设定信息
        user_message: 用户输入信息
        temperature: 温度参数，控制输出随机性
        max_tokens: 最大 token 数
        format: 输出格式(text/json/markdown)
    """
    try:
        openai.api_key = api_key

        # 根据格式要求调整 Prompt
        format_prompt = ""if format =="json":
            format_prompt = "请以 JSON 格式返回结果。"
        elif format == "markdown":
            format_prompt = "请使用 Markdown 格式组织内容。"

        full_user_message = f"{user_message} {format_prompt}"

        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "system", "content": system_message},
                {"role": "user", "content": full_user_message}
            ],
            temperature=temperature,
            max_tokens=max_tokens
        )

        return {"content": response.choices[0].message.content,
            "usage": response.usage
        }
    except Exception as e:
        return {"error": str(e)}

# 使用示例
if __name__ == "__main__":
    API_KEY = "your_api_key_here"

    # 角色设定
    system_msg = "你是一位资深技术专家，擅长用简洁清晰的语言解释复杂概念。"

    # 用户 Prompt
    user_msg = "请解释什么是机器学习中的' 过拟合 '现象，并提供 3 种预防方法。"

    result = get_chatgpt_response(
        api_key=API_KEY,
        system_message=system_msg,
        user_message=user_msg,
        format="markdown"
    )

    if "error" not in result:
        print(result["content"])
        print(f"Token 使用情况: {result['usage']}")
    else:
        print(f"发生错误: {result['error']}")

这段代码展示了如何通过 API 实现：

角色设定（system message）
输出格式控制
基本的错误处理

在实际使用中，你可能会遇到以下问题：

敏感词过滤：某些内容可能被 API 自动过滤。解决方案是重构 Prompt 或添加免责声明，如 ” 以学术研究为目的，讨论 …”
API 限流：高峰期可能遇到请求限制。解决方案包括：实现指数退避重试机制、缓存常用结果、合理设置请求频率。
结果不一致：相同 Prompt 可能产生不同结果。解决方案是固定 temperature 参数(如设为 0)，或记录 seed 值确保可复现性。

temperature 参数 (温度参数) 控制输出的随机性，范围通常为 0 -2：

低温度(0-0.3)：输出确定性高，适合事实性回答
中温度(0.4-0.7)：平衡创意和一致性，适合大多数场景
高温度(0.8-2)：极具创意但可能不连贯，适合头脑风暴

我们用一个简单的实验来验证：

# 同样的 Prompt，不同 temperature
for temp in [0, 0.5, 1.0, 1.5]:
    print(f"\nTemperature={temp}:")
    result = get_chatgpt_response(
        api_key=API_KEY,
        system_message="",
        user_message="写一首关于春天的短诗",
        temperature=temp
    )
    print(result["content"][:100] + "...")  # 显示前 100 字符

实验表明，temperature= 0 时每次生成几乎相同的诗，而 temperature=1.5 时每次都会产生全新内容。

Prompt 设计是一门需要不断实践的艺术。掌握了基本原则后，你可以尝试更高级的技巧，比如：