大家有没有这样的感觉,有时候看到一篇文章,虽然字里行间看着还挺像那么回事。
但总觉得哪里怪怪的,读起来感觉机械、僵硬,缺乏人情味?没错,这就是传说中的"AI 味"!
AI写作可以极大提升创作效率,但AI写作总有一股AI味,那如何去除AI味?
去年 11 月 8 日,新加坡政府科技局(GovTech)组织举办了首届 GPT-4 提示工程(Prompt Engineering)竞赛,
数据科学家 Sheila Teo 最终夺冠,成为最终的提示女王(Prompt Queen)。
她分享了自己在学习过程中掌握的提示词技巧,这些技巧不仅能让任何AI充分满足用户需求,甚至还能超越预期,还可以去除 AI 味。
其中,1和2适合初学者,3和4则为高级策略。
- 1、使用CO-STAR框架构建高效的提示:Sheila Teo在她的文章中提到,她采用了CO-STAR框架来构建高效的提示信息。这个框架帮助她系统地组织和优化提示词,从而提高了模型的响应质量和效率。
- 2、利用分隔符进行文本分段:通过使用分隔符将提示词分段,可以更清晰地传达信息,并且有助于模型更好地理解和处理复杂的提示内容。这种方法不仅适用于初学者,也适合高级用户。
- 3、设计含有LLM保护机制的系统级提示:为了确保提示的安全性和可靠性,Sheila Teo强调了创建包含大语言模型(LLM)护栏的系统级提示的重要性。这些护栏可以帮助防止潜在的错误或不希望的结果。
- 4、仅依靠大语言模型分析数据集:Sheila Teo还分享了如何仅使用大语言模型来分析数据集的方法,这表明她对大模型的能力有深刻的理解和应用能力。这种方法可以减少对其他工具或代码的依赖,提高整体流程的简洁性和高效性。
大全今天主要详细拆解提示词冠军都用的技巧来教大家去除 AI 味道,新手照着学一分钟就可以上手。
一、CO-STAR 框架概述
CO-STAR 框架是一个由新加坡政府科技局数据科学与 AI 团队创建的实用工具,用于构建高效的提示(Prompt)。
它通过考虑上下文、目标、风格、语调、受众和输出格式等因素,帮助用户获得更优质的模型响应。
这个框架可以显著提高大语言模型的回应质量,特别是在需要精细控制输出时表现尤为出色。
二、CO-STAR 框架的六个关键要素
- C - 上下文(Context)为任务提供背景信息,帮助模型理解问题的具体场景和需求。通过清晰的背景信息,模型能够更精准地调整其回应,提高反馈的相关性。
- 示例:公司即将推出一款新型产品,需要在社交媒体上进行推广。
- O - 目标(Objective)明确要求模型完成的任务或目标。清晰的任务定义能使模型在生成回答时专注于实现该目标,避免产生无关信息。
示例:生成一条Facebook帖子,吸引用户点击并购买新产品。
- S - 风格(Style)指定你希望模型使用的写作风格。可以参考某些著名的品牌或专家的文案风格,帮助模型生成更具特定风格的内容。
示例:模仿 Dyson 等成功公司的广告文案风格。
- T - 语调(Tone)设定回应的情感或语调,以确保模型的输出能够传达预期的情感和态度。这可以帮助用户调整内容的感染力和表达效果。
示例:使用说服性的语调。
- A - 受众(Audience)识别目标受众并根据受众的特点定制回应。这样可以确保内容与受众的理解能力和兴趣匹配,提升内容的有效性。
示例:主要受众为老年人,特别关注护发产品的简便性和高效性。
- R - 响应(Response)明确要求模型输出的格式,例如列表、简洁的段落或专业报告等。规范输出格式有助于提高信息的易读性和适用性,特别是在需要与其他工具或系统集成时。
示例:输出简洁的Facebook帖子。
三、示例应用
使用 CO-STAR 框架撰写没有 AI 味的自媒体文章
# CONTEXT(上下文)
我是一个AI自媒体作者,专门利用AI生成科技类文章。
# OBJECTIVE(目标)
根据我给的主题生成一篇关于最新科技趋势的文章,语气自然,读起来口语化且有亲和力,避免让人感到这是由AI生成的。
# STYLE(风格)
使用轻松、亲和的写作风格,像朋友间的对话一样,避免过于正式或技术化。
# TONE(语调)
友好、幽默,有时甚至可以带点轻松调侃,确保内容读起来贴近生活。
# AUDIENCE(受众)
目标读者是二十岁到四十岁的年轻人,他们熟悉科技但不希望看到太过专业或刻板的语言。文章需要简单易懂,内容可读性高。
# RESPONSE(响应)
输出的文章需要有轻松的语气,句子简洁,尽量使用口语化表达。内容需要流畅,像朋友在分享科技知识,不带任何明显的AI痕迹。
1、使用 CO-STAR 框架生成的结果:
大家有没有发现,基本上生成的文章没有任何 AI 味了。
2、分析
- 上下文(Context):明确了写作背景,即作者是一位利用AI生成科技类内容的自媒体作者。
- 目标(Objective):生成的文章以轻松、口语化的风格写成,避免过于机械化或有明显的AI味道。
- 风格(Style):文案使用了轻松的风格,像朋友之间的对话,语句简单直白,避免了过于复杂的技术术语。
- 语调(Tone):文章采用了幽默、友好的语气,甚至带有轻松的调侃,帮助拉近与读者的距离,让内容更具亲和力。
- 受众(Audience):目标群体是二十岁到四十岁之间的年轻人,因此内容避免了过于深奥的技术细节,重点放在如何让科技改善生活方面,易于理解。
- 响应(Response):文案简洁流畅,没有过度专业化,保持了口语化的风格,读起来非常自然,避免了机械化的AI生成感。
四、结尾
文中提到的第二个策略,利用分隔符进行文本分段,大全不久之前写过,大家可以详细看看:
AI 提示词(Prompt)进阶六:编写清晰的说明|明确输入分隔
CO-STAR 框架通过系统化地安排提示(Prompt)的各个要素,帮助用户确保生成的响应符合任务要求和目标受众的需求。
这一框架能有效提升大语言模型的响应质量,特别是在需要定制化、精细控制输出的场景中。
通过提供背景信息、明确目标、设定风格和语调、识别受众,并定义输出格式,用户可以最大化利用模型的能力,生成高效且相关性强的内容。
之前还写过一篇去除 Ai 味的文章,阅读过万,建议一起食用:
AI 提示词:AI 生成内容有 AI 味儿?只需在提示词中加这几个字,告别AI味!效果惊人!