明天屬於今天擁抱它的人
五個人們在提示AI時常犯的最大錯誤
準備好改變你使用AI工具的方式了嗎？學習如何改善你的提示，避免常見的陷阱，最大限度地發揮生成式AI工具的潛力。
撰文：David Gewirtz，高級貢獻編輯
2025年1月15日，太平洋時間上午6:23
經Elyse Betters Picaro審核
內容提要
1. 不夠具體
2. 沒有指定回應格式
3. 忘記清除或開始新會話
4. 沒有在答案後進行修正、澄清或指導AI
5. 不知道何時放棄
生成式AI工具的潛力
像ChatGPT、Gemini和Copilot這樣的生成式AI工具非常強大。儘管生成式AI是一項相對較新的技術，但其使用的一個強大限制可以追溯到1950年代或更早：GIGO，意為「垃圾進，垃圾出」。如果你向AI提出錯誤的問題或沒有正確地詢問，幾乎可以肯定你會得到無幫助的回答。
在這篇文章中，我將告訴你我認為人們在提示AI時的五個最大錯誤，但我只是其中一個來源。因此，除了我自己的答案，我還向那些應該對這個特定主題最了解的「人」——AI們詢問了同樣的問題：「人們在提示AI時犯的五個最大錯誤是什麼？」
為了確保我的想法不受AI影響，我首先列出我認為的五個最大錯誤，並在提示AI之前已經寫下了詳細描述。結果（尤其是共同主題）非常有趣。以下是一個彙總我們所有答案的表格。
五個最大錯誤
1. **不夠具體**
無論是AI還是人類（可能我妻子除外）都不是讀心術者。你可能對自己要解決的問題、限制條件、曾考慮或嘗試的事情以及可能的反對意見有非常清晰的想法。但是，除非你提供非常明確的問題，否則無論是你的朋友還是你的AI助手都無法從你的腦海中提取這些畫面。在尋求幫助時，要清晰且完整。
2. **沒有指定回應格式**
你想要列表、討論還是表格？你想要因素之間的比較，還是深入探討問題？這個錯誤發生在你提問時，但沒有給AI指導你希望答案以何種形式呈現。這個錯誤不僅僅是風格和標點的問題——它還關乎如何處理和提煉信息以便你最終能夠理解。與我列表中的第一項一樣，要具體。告訴AI你在尋找什麼，以及你需要什麼才能接受答案。
3. **忘記清除或開始新會話**
我發現，當你在一個會話中進行多條查詢時，AI有時會感到困惑。有時它們會假設你之前提供的細節或之前提出的問題對後來的提示也是相關的。為了克服這一點，我要麼開始一個全新的會話，要麼告訴AI「清除會話」，這樣告訴AI我們即將討論的內容是一個完全新的討論。
4. **沒有在答案後進行修正、澄清或指導AI**
在與人類對話時，我發現AI經常誤解問題或走上與我所尋求的內容不直接相關的查詢路徑。我經常需要循環問題，提出後續問題，告訴AI它的答案錯誤，進行修正並指導它朝著我所尋找的方向繼續。如果它的回答在正確的軌道上但缺少部分內容，告訴它。告訴它哪些是錯的，哪些是對的，然後繼續這條查詢路徑。
5. **不知道何時放棄**
有時問題不是AI能解決的，或者它無法提供你所需的質量。根本上，AI是一種工具，而一種工具不能做到所有事情。因此，知道何時該堅持，何時該放棄。知道何時回到搜索引擎，或在論壇上查找信息，或自己構建答案。存在一個收益遞減的點，如果你能識別出這一點，你就能節省時間和挫折感。
AI的建議
在我詢問AI們的過程中，ChatGPT、Copilot、Grok、Gemini和Meta AI都提供了他們的見解。這裡是他們的回答摘要：
– **ChatGPT的建議**
1. 過於模糊或不清晰：撰寫缺乏具體性的提示，導致不完整或不相關的回應。
2. 過度加載提示：在一次提示中包含過多信息或請求多個無關任務。
3. 使用不正確或不一致的術語：使用可能被不同解釋的術語或短語，或與所需上下文不一致。
4. 未指定回應的格式或結構：未指導AI輸出應該如何呈現（例如，項目符號、段落、摘要）。
5. 假設AI了解所有上下文：省略必要的背景信息，假設AI已經知道特定細節。
– **Copilot的建議**
1. 缺乏清晰度：模糊的提示可能導致同樣模糊的回應。
2. 信息過載：一次性提供過多信息可能令人不知所措。
3. 忽略上下文：未提供上下文可能導致不準確的回應。
4. 不夠具體：廣泛的問題可能會產生廣泛的答案。
5. 假設AI知道一切：AI無法理解非常專業或極具特定背景的主題。
– **Grok的見解**
1. 模糊或不明確的查詢：詢問過於廣泛或不清晰的問題。
2. 假設類似人類的理解：期望AI以人類的方式理解上下文或細微差別。
3. 過度加載提示：在一次提示中提供過多信息或問題。
4. 忽略AI的能力和限制：要求AI執行其不具備的任務，如實時數據分析或基於情感的個人建議。
5. 不進行迭代或修正查詢：接受第一個回應而不考慮是否完全滿足需求或是否可以通過更具體的問題來改善。
– **Gemini的建議**
1. 模糊或不明確的指示：這可能是最常見的錯誤。
2. 缺乏上下文：未提供足夠的上下文使AI無法準確理解。
3. 過於複雜的語言：雖然AI模型很先進，但使用過於複雜的語言可能會使其困惑。
4. 與AI能力的不對齊：期望AI執行其不設計的任務是常見的錯誤。
5. 忽略迭代的重要性：提示工程通常是一個迭代過程。你可能不會在第一次嘗試時獲得完美的回應。
– **Meta AI的建議**
1. 缺乏具體性：模糊的提示可能會使AI困惑，導致不相關或不準確的回應。
2. 上下文不足：AI模型缺乏人類經驗和常識。
3. 模糊和不確定性：避免使用模糊的語言、成語或諷刺，因為這些可能被AI誤解。
4. 不切實際的期望：理解AI模型的限制和能力。
5. 不檢查或修正提示：花時間檢查和修正你的提示。
如何成功撰寫提示
了解最常見的錯誤可以指導你撰寫提示。只需做相反的事情。這樣我們就得出了一份撰寫提示的九條強大指導原則：
1. 使用具體、清晰且完整的提示。
2. 記住AI只是一個程序，而不是魔法神諭。
3. 通過提出更好的問題來迭代和改進查詢。
4. 保持提示主題一致。
5. 指定為查詢提供上下文的詳細信息。
6. 確保任何流行術語或行話都得到定義，以及AI可能需要了解的任何特定於查詢的詞語和概念。
7. 從新會話開始，以確保避免混淆AI。
8. 知道何時嘗試不同的工具。
這樣，你就可以在創建優秀提示方面取得良好進展，並獲得卓越的結果。
你怎麼看？你有沒有其他推薦的最佳實踐？在下面的評論中告訴我們。
—
在這篇文章中，作者提供了對於使用AI工具時常見錯誤的深刻見解，並且提出了具體的改善建議。這些建議不僅對於初學者有幫助，也能使已經使用AI的用戶獲得更好的體驗。尤其是在當今這個生成式AI快速發展的時代，了解這些提示將有助於用戶更有效地利用這些技術，避免不必要的挫折。
AI的潛力無限，但它的效能往往取決於使用者的提問技巧。這使得「提示工程」成為一門值得深入研究的學問。未來，隨著AI技術的不斷進步，如何與AI進行有效互動的能力將成為一項重要的技能，值得我們所有人關注和學習。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
