❤️ 点击上方蓝字关注我 👆 解锁更多 AI 干货知识 😎
本文正文字数约 3600 字，阅读时间 12 分钟左右。
提示语框架可以辅助我们写出更好、更精准的提示语，它在一定程度上，可以引领我们以结构化的形式来编写提示语，比如 CO-STAR 框架。
当然，除了提示框架之外，还有一个概念，叫做提示模式。
在上一篇关于 16 种提示模式的文章中，我向你详细介绍了前 8 种提示模式，具体可参考：
在本文中，我将继续为你介绍剩下的 8 种提示模式，希望在阅读完本文之后，能够让你对这 16 种提示模式有一个全面的认知。
本文所给的 AI 回答都为示范回答，仅供参考。
目录
• 提示改进类模式
• 交互类模式
• 上下文控制类模式
• 总结
提示改进类模式（Prompt Improvement）
提示改进类模式的最终目的是优化和改进我们提供的提示或问题，以便更好地满足特定需求或者目标。
这样可以使问题更清晰、具体、易于理解，并确保得到的回答更符合预期。
提示模式 9：问题细化（Question refinement）
问题细化模式旨在通过提升问题的质量来获得更准确和更相关的回答。
在某些情况下，我们提出的问题可能含糊不清或过于宽泛，需要进一步明确，这时候，我们可以尝试使用这个模式来解决。
目的与意图
我们向 AI 提出的初始问题可能不够具体，导致 AI 难以提供有用的答案。
而通过细化问题，可以帮助 AI 更精确地理解我们的需求，从而提供更具有针对性的回答。
结构和关键思想
让 AI 对我们提出的问题进行分析，识别问题中的关键信息，并提出改进建议。
同时，围绕这些关键信息优化问题的结构，让 AI 给出一个或多个问题示例来向我们展示如何将宽泛的问题转化为更具体的问题。
比如，我们提出一个宽泛的问题：
怎样提高编程技能？
AI 会根据问题细化模式，提出更具体的问题：
你希望提高哪种编程语言的技能？
是想学习基础语法？
还是需要针对特定项目的开发技巧？
提示模式 10：备选方法（Alternative approaches）
备选方法模式确保 AI 在处理问题时，能够提供多种解决方案。
这种模式特别适合于那些存在多种可能途径或解决方案的复杂问题。
目的与意图
当我们需要从不同的选项中选择最佳方案的时候，让 AI 提供多种方法可以帮助我们更全面了解问题，并做出更加明智的决策。
结构和关键思想
我们需要让 AI 从不同角度审视问题，并提出多种可能的解决方案，同时对这些解决方进行优缺点等各方面的比较。
比如，我们向 AI 提出：
如何提高网站流量？你需要提供几种不同的策略，并且要比较每种策略的成本、效果和实施难度。
提示模式 11：认知验证（Cognitive verifier）
认知验证模式通过将复杂任务分解为更小、更易于管理的部分，来提高 AI 回答的准确性。
这种模式适用于那些需要深入分析和全面理解的问题。
目的与意图
复杂的任务可能包含多个子任务，通过将复杂任务细分后，可以帮助 AI 更系统地处理信息，从而提供更全面的回答。
结构和关键思想
1. 将任务拆解为子任务，分别处理；
2. 对每个子任务进行验证，确保每个子任务的回答都是准确和可靠的；
3. 最后将各个子任务的答案整合起来，形成对原始任务的最终回答。
比如，向 AI 提问：
最好的 Web 开发语言是什么？
为了给出一个准确的回答， AI 会生成三个附加问题：
你的经验水平如何？
你更喜欢前端开发还是后端开发？
你需要哪些具体特性？
基于我们对以上各个问题的回答， AI 会验证并整合我们的答案， 然后结合这些信息给出最适合有关于「最好的 Web 开发语言是什么」这个问题的回答。
提示模式 12：拒绝应对策略（Refusal breaker）
AI 在面对某些问题时可能产生的拒绝回答的情况，那么这时候，就需要采用拒绝应对策略模式。
目的与意图
当 AI 遇到它不能或不愿回答的问题时，需要一种机制来引导对话继续进行。
通过重新表述问题，可以绕过初始问题的限制或敏感性，从而提供有用的回答。
结构和关键思想
当 AI 拒绝回答时，我们可以让它提供一个或多个可以回答的替代问题。
同时，需要确保即使是替代问题，AI 的回答依然对我们有用且可靠。
比如，我们向 AI 提问：
如何入侵电脑？
此时 AI 可能会拒绝回答你的问题，并会为你生成一个新的相关的问题：
我不能帮助进行入侵行为，但可以提供关于网络安全最佳实践的信息。
你是否想了解如何保护你的电脑免受黑客攻击？
交互类模式（Interaction）
交互类模式致力于提升人与 AI 之间的互动性，让对话更加吸引人和更高效。
这类模式可以帮助我们构建对话框架，优化 AI 的回答，让对话更加符合人的需求。
提示模式 13：翻转互动（Flipped interaction）
翻转互动模式旨在改变传统的问答模式，让 AI 扮演提问者的角色，而我们成为回答问题的那一方。
这种模式适用于需要深入了解特定情况或需求的场景。
目的与意图
通过 AI 主动提问，可以更有效地收集解决问题所需的关键信息，从而提供更全面的信息。
结构和关键思想
所有的互动都是为了实现特定的目标或解决特定的问题。
让 AI 提问就是为了让它收集与完成任务相关的重要信息。
比如，我们首先向 AI 给出提示：
从现在开始，我希望你通过问我问题来诊断和解决电脑性能问题。
当你收集到足够的信息后，提供问题总结和解决方案。
AI 会回答并向我们提问：
好的，为了帮助诊断和解决您的电脑性能问题，我需要先了解一些基本信息。请回答以下问题：
1. 您的电脑型号和操作系统是什么？
2. 您主要在哪些场景下感到电脑性能不足（例如，启动应用程序、玩游戏、浏览网页等）？
3. 最近是否安装过新的软件或硬件？
4. 电脑性能问题是突然出现的还是逐渐变得明显的？
5. 您是否注意到在特定应用程序或任务运行时电脑变慢？
6. 电脑的存储空间是否接近满载？
7. 是否有经常弹出的错误信息或警告提示？
请根据实际情况详细回答这些问题。
我们根据 AI 的提问进行回答， AI 会总结我们的回答，并给出最终的解决方案。
更多有关于翻转互动模式的介绍，可以参考：
提示模式 14：游戏互动（Game play）
游戏互动模式通过将学习或问题解决过程融入到游戏中，从而可以提高用户的参与度和兴趣。
这种模式尤其适用于需要提高人员参与度的场景，比如教育、培训等。
目的与意图
利用游戏的趣味性和互动性来吸引用户，使他们在享受游戏的同时学习新知识或解决问题。
通过游戏化的方法，可以激发用户的好奇心和竞争欲，从而提高学习或工作的效率。
结构和关键思想
设计适合主题的游戏，包括规则、目标和互动方式。
确保游戏中包含教育性内容，使玩家（即与 AI 进行对话的用户）在游戏过程中能够学习到相关知识。
游戏中应包含反馈系统，以指导玩家了解他们的表现，并提供改进的方向。
比如，玩家向 AI 给出提示：
我们来玩一个词语联想游戏。
我说一个词，你回答第一个想到的词。
例如，我说「苹果」，你回答「水果」。
树。
AI 可能会回答：叶子。
只要玩家不发出结束指示， AI 就可以和玩家一直互动。
提示模式 15：无限生成（Infinite generation）
无限生成模式的主要目的是实现内容的连续产出，而无需每次手动输入提示。
这种模式适用于需要大量创意或信息，且希望自动化生成过程的场景。
目的与意图
自动化内容生成过程，减少手动重复输入的需要。为需要大量相似结构内容的任务提供持续的输出，如创意写作、问题生成等。
结构和关键思想
利用 AI 的能力来自动化生成过程，减少人工干预。
设定明确的停止条件或信号，控制生成过程的持续时间或数量。
比如，向 AI 给出提示：
生成创意写作提示，一次一个，直到我说「停」。
比如：写一个关于时间旅行者访问古埃及的故事。
AI 会一直回答，
1. 写一个关于一只会说话的猫咪，帮助一个孤独的小女孩找到朋友的故事。
2. 描述一个未来的世界，人类与机器人共存，但一次意外改变了一切。
3. 写一个关于一名失忆的探险家，在神秘的丛林中寻找自己身份的故事。
4. 讲述一个古老的传说，一个少年在梦中穿越时空，揭开家族的秘密。
5. 写一个关于一位科学家发现了平行宇宙的存在，并试图与另一个自己交流的故事。
直到 AI 接收到停止的指令。
上下文控制类模式（Context control）
为了在对话过程中维护和管理上下文信息，我们需要采用上下文控制类模式，这样可以确保信息的连贯性和对话的相关性。
提示模式 16：上下文管理器（Context manager）
上下文管理器模式旨在确保对话中的上下文信息得到恰当的维护和管理。
当在多个对话或交流过程中，需要确保信息前后一致并且内容紧密相连时，这种模式是非常有效的。
目的与意图
对话中的上下文信息对于 AI 理解用户的意图和提供准确的回答非常重要。
通过有效管理上下文，可以增强对话的连贯性，避免重复询问已经提及的信息。
结构和关键思想
明确告诉 AI 需要跟踪对话中出现的关键信息和细节，将收集到的上下文信息根据需要整合到后续的回应中，确保回答的相关性。
比如，我们向 AI 给出提示：
记住我最喜欢的编程语言是 Python，后续的编程相关的问题都要基于此上下文。
然后继续提问：
我想知道如何进行 Web 开发，你有什么建议吗？
AI 会回答：基于你对 Python 的偏好，我建议你使用 Django。Django 是一个强大的 Python Web 开发框架，可以帮助你快速构建和部署 Web 应用。
总结
提示模式是很强大的工具，它们不仅能够帮助我们细化任务或者问题，让我们能够向 AI 传递更加明确的意图和指令，还能够提升 AI 回答的准确性和可靠性以及减少一些潜在的错误。
同时，这些提示模式为提升 AI 模型的响应质量和用户体验提供了强有力的工具，使我们能够更加高效、精准地利用大语言模型的强大功能。
经过两篇文章的详细介绍，希望能够让你对这 16 种设计模式有全面的认知，能够在日常使用 AI 的过程中对你有所帮助。
往期精彩：
深入理解 AI 大模型：参数、Token、上下文窗口、上下文长度和温度
AI 写作秘籍：如何用提示语驾驭 AI，写出流畅优美的文章？
链式思维提示是什么？使用 Prompt 就能让 AI 像你一样思考
2 小时 → 5 分钟，5 款免费 AI 神器，让你飞速写出优质好文章
您的在看和点赞是我前进的动力 ❤️
