最近新加坡政府科技局（GovTech）举办了首届GPT-4提示工程大赛中，冠军获得者Sheila Teo分享了如何使用一些简单有效的技巧来"调教" ChatGPT，这些技巧有助于用户编写出更好的提示词，并且充分利用ChatGPT的潜力。
初学者友好技巧：构建高效提示的CO-STAR框架
CO-STAR 框架CO-STAR 框架，由新加坡政府科技局数据科学与 AI 团队创立，是一个实用的提示构建工具。它考虑了所有影响大语言模型响应效果和相关性的关键因素，帮助你获得更优的反馈。
上下文 Context (C)
首先，你需要为ChatGPT提供一个清晰的上下文。就如同你给一个朋友讲故事，如果不提供发生背景，他们怎么能给出有帮助的意见呢？例如，如果你需要ChatGPT帮助撰写科技文章，不妨这样设置上下文：“关于最新的AI研究趋势，尤其是在自然语言处理领域的进展。”
目标 Objective (O)
明确你的目标至关重要。你希望ChatGPT给你提供哪方面的帮助？继续刚才的例子，目标可以是：“我需要结合最近的学术论文来撰写一篇综述文章，目标是发表到ACL会议上/完成我的毕业论文等等。”
风格 Style (S)
ChatGPT可以模仿不同的写作风格，这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。如果你需要商业报告风格的文章，就像这样指定：“我需要的文章风格类似于商业分析师的专业报告。”
语气 Tone (T)
要告诉ChatGPT你期望的表达语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。如果你希望文章更加正式，就明确说明：“这篇文章的语气应该正式而专业。”
受众 Audience (A)
定义受众有助于ChatGPT调整其输出。如果你的受众是行业外的新人，可以这样设定：“我的读者可能不熟悉AI，所以用浅显的方式解释复杂概念。”
响应 Response (R)
最后，指定你需要的回应格式，确定输出格式是为了确保大语言模型按照你的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON 格式是理想的选择。
CO-STAR 框架的实用示例
这里有一个 CO-STAR 框架为何有用的现实案例。假设你担任社交媒体经理，需要草拟一条 Facebook 帖子，用以推广公司的新产品。
未使用 CO-STAR 的快速提示可能是这样的：
为我的公司 Alpha 的新产品 Beta——一款新型超快速吹风机，撰写一条 Facebook 帖子。
这是 GPT-4 的回答：
这一输出虽足够，但显得过于泛化，缺乏必要的细节和针对性吸引力，未能真正触及公司目标受众的心。
下面是一个应用 CO-STAR 模板的示例，它提醒我们在制定提示时，要考虑到任务的其它方面，特别是之前快速提示中缺少的风格、语调和受众：
# CONTEXT（上下文） #我想推广公司的新产品。我的公司名为 Alpha，新产品名为 Beta，是一款新型超快速吹风机。# OBJECTIVE（目标） #帮我创建一条 Facebook 帖子，目的是吸引人们点击产品