摘要：比如，你很难用语言来表达另一个人的语言风格。所有用来形容语言的词汇，都是抓着自己头发跳高的“小丑”。

「例子」大部分时候是用来弥补表达无能的。

比如，你很难用语言来表达另一个人的语言风格。所有用来形容语言的词汇，都是抓着自己头发跳高的“小丑”。

比如，几乎所有形容词是不具备量化能力的。当你要求 AI 写出“精炼”的文案时，你肯定不知道“几个字是精炼”。

更甚于，很多人让 AI 帮他写一个“爆款文案”，AI 完工后大失所望。因为他脑子里的“爆款文案”是 10W+水平，而 AI 认为“你这种表达能力，1000 阅读量水准的文案是你的理解极限了”…

所以在写提示词时有一个叫“Few-Shots”的方法，就是为 AI 提供一个示例，让他来仿写。

它的价值在于二：

1） 人对于某个概念的描述能力是有上限的，《诗经》形容美女是“手如柔荑，肤如凝脂，领如蝤蛴，齿如瓠犀，螓首蛾眉，巧笑倩兮，美目盼兮。”而普通人可能只会说“真俊啊！”

2）人对概念的描述，没办法做到跟 AI 的参数维度一致，以至于无法激发大模型的最大潜能。

给出示例，可以让 AI 根据自己的“本事”充分激活它的参数维度来理解内容，产出的内容也会更优质。

给出示例有两种方法：

1）对于日常应用

在提示词中，给出示例，推荐的方法是给出［输入］和［输出］对，而不只是一个你期望的输出示例：

2）对于 API 开发，可以直接构造一组带有多轮对话的输入输出 message。

下面是智谱开源 CogVideoX1.5 模型文档中给出了一个把用户简单提示词丰富细化的操作指南，里面使用了这种“强行写入历史对话”的方式为 AI 提供示例，非常值得学习。

截图阅读体验一般，可以在去 GitHub 看原文，或者在上周的 AI 大事件文档中找到我的翻译。链接我放在文末。

但示例有时候也会起到反作用。

我曾经写过一个让 AI 帮我做私域话术排版的提示词。

我期待 AI 能从我给出的排版示例中找到规律，给出我更多排版花样，但 AI 并不会…

给它什么，它就只“抄”什么。

针对这个问题，我跟 GPT 有过一次“对话”，它给出了一些建议，发给大家参考：

本质上，还是要提高自己的表达能力。

AI 是给表达者的红利。

—

文中提示词星球应该都有文字版

来源：人人都是产品经理一点号