今天的文章我们将深入探讨专门解析顶级Prompt的逆向工程技术，这个方法不仅能解读“神级”Prompt提示词的工作原理，还可指导我们如何优化或复制这些提示词。
之前的文章给大家介绍了三种逆向prompt的方法，分别是：
1. AI自述其修：简单地把一个专门设计的Prompt塞进一个包装好的AI应用里，让AI主动吐露它到底用了哪个提示词。
2. "神级"Prompt解剖：先找出一段表现优异的“神级”提示词，然后拆分、提炼出其精华部分，构建一个通用的Prompt框架。这样，你不仅能复制，还能升级这些Prompt。
3. 效果反推大法：从一个生成结果出发，让AI反向推导出是哪个提示词让它如此出色。通过持续调试，效果达到最佳。
有关逆向工程的更多信息和趋势，可以参考我之前的文章。下面我们就直接进入正题,来看看第二种逆向prompt的方法——“神级”Prompt的解剖。
01
OpenAI的“神级”提示词
首先我们需要先找到一个“神级”提示词的素材，以现在的技术环境，OpenAI的Prompt Engineer应该是顶尖的Prompt专家了，我们就拿OpenAI最近在官方博客上公布的几段提示词作为素材进行逆向。
具体英文原版提示词大家可以去OpenAI官方博客查看，篇幅很长，我在此不再贴出。
官方一共放出四段提示词，我选择一个演示下效果。这里特别说一下，为了演示方便，提示词使用英文版，但是所有的回复都调成中文，只需要在英文提示词后面加一句“Please respond with Chinese”即可。
如果你坚持一定要将英文版的prompt翻译成中文，不要直接给出一个通用的“请翻译这段英文”这种过于简单的翻译指令。因为“信、达、雅”的翻译，可能会令模型更容易误解指令要求。最好能在翻译时给模型指定一个提示词工程师的角色，并且要求它翻译前后，模型生成内容效果相同。如果有需要，后面单独写一章详细说明使用英文提示词的技巧。
02
解剖式逆向提示词方法与过程
OpenAI放出的这段教育行业的提示词在ChatGPT中效果非常不错，这篇博客中一共给出了四段高质量提示词，我们用一系列逆向Prompt来分析它们的组成。
我们将通过以下几个步骤和提示词进行解剖式逆向分析：
1. 提炼设计原则：作为专门针对ChatGPT优化提示词的专家，请根据我给出的几个提示词进行两项任务：1.针对每组提示词，分析其主要优点；2.从这些提示词中提取出共同的设计原则或要求。
2. 提取提示词结构体：作为专门针对ChatGPT优化提示词的专家，根据我提供的ChatGPT提示词特征，执行以下任务：识别各提示词的共同特点，并根据这些共同特点将其转化为可以通用的‘提示词结构体’。每个共同特点应生成一个独立的‘提示词结构体’。
3. 组合提示词架构：请先分析我提供的几组ChatGPT提示词，结合步骤1和步骤2提炼的提示词设计原则和提示词结构体，以原始的提示词为基础，构建一个通用的ChatGPT提示词模板框架，并根据结构体的英文单词为此框架命名。
应用上面这几个步骤，就可以直接跑通复杂提示词的逆向了，不过除了这三个大结构之外，针对第一步还可以增加更多细节，比如：
1. 提取提升交互体验的提示词：请从{{需提炼的提示词}}中提取提高交互体验和效率的指令，请提炼并解释。
2. 提取让模型输出更精准的提示词：请从{{需提炼的提示词}}中提取让模型生成内容更精准的指令，请提炼并解释。
3. 提取让生成内容更具创造性的提示词：请从{{需提炼的提示词}}中提取影响模型生成内容创造性的指令，请提炼并解释。
通过以上步骤和提示词，使用ChatGPT对OpenAI的提示词进行一步步的剖析(部分关键信息截图)。
按上面这一套操作流程，就可以得到一个直接可用的提示词模板架构，根据自己的任务填写每一块内容就可以使用了。使用这种结构化的提示词模板的好处是，你可以根据自己任务特点对结构体进行增删。
完整的逆向后提示词框架如下：
1. 明确身份与目的：
您是一个（身份描述，例如“友好而乐于助人的教学教练”）。主要任务是（任务描述，例如“帮助教师规划课程”）。
2. 初步提问：
* 首先，向（目标群体，例如“教师”）介绍自己。
* 然后，提出以下问题以了解他们的需求和背景：
-（问题1，例如“你想教授什么主题？”）
-（问题2，例如“你的学生是哪个年级的？”）
3. 等待用户响应：
仅在满足（特定条件，例如“收到回应后”）时才进行下一步。
4.指导与问题
通过提出以下问题或建议，进一步了解用户需求：
- （问题或建议1）
- （问题或建议2）
5. 提供详细内容
根据收集到的信息，创建一个（具体内容或解决方案，例如“定制的教学计划”）。
该计划应包括（细节要求，例如“多种教学技巧和活动”）。
6. 反馈循环
最后，询问（目标群体）是否对生成的（具体内容或解决方案）有任何反馈或需要进行修改。
如有，与他们一起进行相应的调整。
03
如何应用提示词框架
经过上面步骤提炼出的通用提示词框架，最大的优点是具有交互式功能，非常适合处理有比较多隐形信息的任务，比如写一篇完整的文章，需要与模型交互很多涉及写作风格，角色背景，文章架构等内容。给文章起一个标题，涉及文章大意，目标读者，标题目标等。
但对于一些背景比较明确，模型不需要与用户进行信息确认的任务，其实不太适合用这个框架，简单任务进行多轮交互，反而浪费时间，如翻译或解释客观概念，使用该框架可能是低效的。
之前写过一篇文章，介绍用万能提示词生成器生成“给公众号起名字”的提示词，这个场景也会涉及到比较多隐性信息需要沟通，比较适合使用这个提示词框架。以此为例使用该框架写一个提示词，大家评估下这样写是不是比简单指令型提示词效果要好：
提示词
套用模板写提示词示例
1. 明确身份与目的：
您是一个专业而富有创意的命名顾问。主要任务是帮助用户为其公众号找到一个既吸引人又符合其内容或品牌的名字。
2. 初步提问：
首先，向用户介绍自己：“我是一个专业的命名顾问，我的任务是帮您找到一个完美的公众号名字。”
然后，提出以下问题以了解他们的需求和背景：
- 您的公众号主要是关于什么主题或内容的？
- 您的目标受众是哪一类人？
- 您有没有特定的风格或口号想在名字中体现？
3. 等待用户响应：
仅在满足特定条件（收到用户完整的回应）时才进行下一步。
4. 指导与问题：
通过提出以下问题或建议，进一步了解用户需求：
- 是否有一些避免使用的词汇或术语？
- 您是否考虑了公众号名字的长度和读音？
5. 提供详细内容：
根据收集到的信息，创建一个或多个适合公众号的命名方案。
这些方案应包括：
- 名字的具体选项
- 每个选项背后的逻辑或构思
- 如何与用户提供的信息或需求对齐
6. 反馈循环：
最后，询问用户是否对生成的公众号名字有任何反馈或需要进行修改。如有，与他们一起进行相应的调整。
04
总结
通过上面这些例子，给大家详细介绍了解剖式逆向prompt的主要流程：
1.提取高效的提示词语句。
2.解析提示词的结构体。
3.组合为通用的提示词模板框架。
其中对每个步骤所使用到的提示词也进行了演示，在逆向一些复杂的提示词时，可以尝试提取一些其他的提示词特征，比如有些提示词会给自己设计一套指令集，/language 切换语言，/setting 重置任务等等，都是处理复杂任务时可以借鉴的设计。
好了，第二种解剖法Prompt提示词逆向方法分享就到这里，如果喜欢这篇内容，欢迎关注我的公众号，我会继续分享更多关于ChatGPT的使用技巧教程。
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。