一个新加坡女孩，在第一次 GPT-4 提示词大赛中获得冠军，我们来看看她的提示词是怎么写的。
提示词女王 Sheila Teo 分享了她是如何优化提示词，从而获得大赛冠军的。
使用 CO-STAR 框架来搭建 prompt 的结构
CO-STAR 如其名字，有六个部分，它的工作方式：
- （C）上下文（context）：提供于任务有关的背景信息，越详细越好。这可以帮助大模型理解正在讨论的问题，问题背景，理解具体场景，确保大模型的回复是相关性强的回复。
- （O）目标（Objective）：定义你希望大模型完成的任务，这可以帮助大模型明确响应目标。
- （S）风格（Style）：希望回复的风格，可以减少「AI 味」，同时也可以指定风格为自己的写作风格。
- （T）语气（Tone）：设定响应的态度。确保大模型的响应符合特定的情感或情绪。
- （A）受众（Audience）：明确响应目标的受众。做到有的放矢，不响应目标受众无法理解的内容。
- （R）响应（Response）：提供响应的格式、内容结构。格式上：我们可以要求大模型以 Json 格式进行输出，方面程序对其响应进行处理。内容结构上：我们可以要求大模型以常见的行文结构进行输出，比如金字塔结构、列表结构等。
一句话提示词
写一篇知乎回答，回答这个问题：为什么我编写不出优秀的ChatGPT提示词?
生成的内容如下图，基本上是一些空洞不可直接落地的方向性建议，缺少落地的指导，读者很难真正从里面学到什么。
使用 CO-STAR 提示词
CONTEXT（上下文） 我是一个知乎答主，活跃在 AI 领域。想回答一个知乎问题。知乎的问题是：为什么我编写不出优秀的ChatGPT提示词? OBJECTIVE（目标） 帮我创建一个知乎问题答案，目的是吸引对 AI 提示词感兴趣的人进行点击、阅读、点在、收藏、关注。 STYLE（风格） 知乎风格，有故事、有示例，简单易读懂。 TONE（语调） 有说服力的 AUDIENCE（受众） 主要受众是对 AI 感兴趣的各个年龄段人群，尤其是对于写出好的提示词有强烈要求的人群。请针对这一群体编写回答。 RESPONSE（响应） 回答开头增加读者对回答的信任力度，中间详细介绍如何通过 CO-STAR（（C）上下文（context）、 （O）目标（Objective）、 （S）风格（Style）、 （T）语气（Tone）、 （A）受众（Audience）、 （R）响应（Response）） 框架来写出一个好的提示词。 最后，举一个使用 CO-STAR 进行知乎问答的例子。
使用 CO-STAR 框架提示词生成的内容如下，我们看到回答的开头有秀肌肉，吸引读者继续往下读的部分。
中间有原理、有案例，能让读者收获干货，还能直接上手实操。
最后，还有引导读者进行点赞、关注等互动的内容。
整体上比一句话的提示词好上很多。
使用分隔符尾 prompt 设置分节
分隔符是一种特殊的 token，使用分隔符可以帮助大模型分辨哪些 prompt 应该当作单个含义单元。
我们常用的分隔符：###、===、>>> 等通常不会同时出现的特殊字符序列，都可以。
