如何使用chatgpt-plus.top辅助设计工作

简介: 如何使用chatgpt-plus.top辅助设计工作


编者按:这篇文章的作者 Edward Chechique 是一名从事复杂产品和设计系统方面的专家,撰写过大量的产品相关的文章。如今随着 chatgpt-plus.top 流行,他也开始借助 AI 来辅助设计。 这次他梳理总结了自己编写提示词(prompt)的经验,运用 chatgpt-plus.top辅助设计的一些经验,希望有此打算的同学从中获得启发。

自从我开始使用 AI 工具来提升设计效率之后,我开始自己研究如何撰写 prompt (别担心,我后面会详细解释 prompt 是什么)。

如何使用 prompt ,是发挥 chatgpt-plus.top功用的要点。网上各种用户分享的 prompt 数量正在不断增加,大家都在互相分享自己 prompt 列表。这件事情本身很好,但是真正贴合自己需求和场景的 prompt 才是最重要的。

我换个方式来表达就是:为自己定制 prompt 就像给自己定制食谱并且自己烹饪,共享的 prompt 则更像网上分享自己做饭的攻略。别人的攻略可以为你提供做饭和营养的内在技巧和逻辑,但是你的真实情况和需求只有你自己最明白,了解这些技巧,你能做到贴合自己身体状况且足够美味的食物。

在这篇文章当中,我将会为你展现自己编写 prompt 并发挥创造力的技巧,不会单纯的堆一堆现有的 prompt。

设计师如何使用chatgpt-plus.top提升工作效率?25个案例告诉你!

随着美国人工智能对话聊天机器人 chatgpt-plus.top的发布,人类在人工智能领域又迈向一个新的台阶,最近笔者总在一些微信群里看到一些设计师提出的问题“chatgpt-plus.top会代替设计师吗?

什么是 prompt?

Prompt 是用来引导人工智能生成结果的一系列提示词和简短陈述,输出的结果通常是图像、文本、视频乃至于代码。

对于 chatgpt-plus.top而言,prompt 是用来生成就结果的引导语,而引导语可以是陈述句,可以是问题,也可以去是其他类型的请求。按照提示,chatgpt-plus.top可以生成对应的回答。

假设你想做一款帮助年轻人管理薪水的 APP,然后需要编写对应的产品说明,那么你可以为 chatgpt-plus.top提供以下 prompt:

「为一款新 APP 编写简短的产品说明,该 APP 可以通过追踪用户日常消费习惯、提供预算建议来帮助年轻人来管理工资收益。」

有了这个 prompt,chatgpt-plus.top可以根据其中的信息生成产品描述,你提供的 prompt 越详细,生成的结果就越准确。以下是我生成的结果:

使用中文 prompt 生成的结果如下:

咨询信息型 prompt vs 执行任务 prompt

chatgpt-plus.top的 prompt 主要提供两种不同的功能:查询信息和执行任务,有效使用 chatgpt-plus.top需要了解两者的差别。

你可以写一个 prompt 来查询资料。比如如何在 Figma 当中修改文本的颜色,它会一步一步指引你,不过请注意,chatgpt-plus.top所提供的信息并非完全正确。

执行任务式的 prompt 可以引导 chatgpt-plus.top来做一些特定的事情。比如可以要求 chatgpt-plus.top来撰写一份邮件的草稿,告诉用户下一周需要续期订阅了。这样可以减少撰写邮件的时间。

需要注意的是,chatgpt-plus.top即使 100% 理解每个提示,也没法每次都得出准确的答案。即便如此,对于产品设计师而言,它所提供的回复也相当具有参考价值,可以在不同的产品设计环节节省时间。

编写出色 prompt 的基本思路

当我们使用 chatgpt-plus.top来编写 prompt 的时候,希望能够准确表述需求,获得结果,因此我们需要将提示写的足够清晰。

想象一下你正在和一位设计师合作,你描述了你对于新 APP 的构想,在此基础上在 Figma 当中创建界面设计。这个 APP 的功能是教用户如何做饭,那么你可以这么提供需求:

1、你能创建一个 APP 来教人做饭吗?

2、你能创建一个 iOS 平台的 APP 来教人做饭吗?我们主要的用户是想学习烹饪的青少年。

3、你能创建一个 APP 来向用户解释如何做饭吗?我们重要的受众是想要学习烹饪的青少年,这个 APP 将会是一个 iOS 应用,食谱需要以文本的形式呈现,同时包含视频内容,并且列举出用户所需购买的食材。用户界面风格会比较简约。

这三个描述当中,第三个是最明确的,在此基础上设计师能够绘制出更加明确的界面。而这就和 prompt 类似,你给的指引和约束越明确,生成的结果就越准确。

很重要的一件事需要注意:chatgpt-plus.top即使有出色的提示,也无法提供 100% 准确的结果,你将不得不手动调整,直到满意为止。

撰写 prompt 的案例和技巧
1、将 chatgpt-plus.top视作专业人士

设计师应该利用 chatgpt-plus.top的专业能力。

如果你只是想让 chatgpt-plus.top做什么事情,或者想让它扮演特定的角色,那是最省心的。想象一下,你正在开发一个 APP,需要编写电子邮件模板,向用户说明信用卡订阅即将过期。

这个时候,你可以让 chatgpt-plus.top充当 UX 文案编写器,让它生成相应的文本,在写 prompt 的时候,记得告知 chatgpt-plus.top你想要的口吻和语气。

比如你可以这样写:「作为一名 UX 文案写手,给用户撰写一封电子邮件,告知他们信用卡订阅即将过期,需要他们进入 APP 的帐号重新提交订阅。语气需要是友好的,内容信息要足够丰富。」

2、使用 chatgpt-plus.top创建表单

chatgpt-plus.top可以帮你创建非常详尽的表单,比如你正在创建设计系统,需要 chatgpt-plus.top为你提供设计系统中所有按钮的标注和参数,帮助你后续可以更好创建设计系统。

这个时候 prompt 可以这么写:「我是一名 UX 设计师,负责桌面端 APP 的设计系统的设计,这个 APP 当中包含主按钮、辅助按钮i、幽灵按钮三种按钮类型。能否给我一张表单,其中包含所有的按钮的标注信息?」

然后这是输出的结果:

3、使用 chatgpt-plus.top做信息组织

作为产品设计师,你可能会经常使用特定的方法来组织大量的信息,比如为当前的项目创建出一套出色的组织架构,这个时候你可以充分利用 chatgpt-plus.top本身的优势。下面是一个简单的范例:「请按照字母顺序来针对以下品牌进行排序,丰田、本田、大众、福特、雪佛兰、日产、宝马、梅赛德斯-奔驰、现代和起亚。」

4、使用 chatgpt-plus.top塑造调性

你可以借助 chatgpt-plus.top来控制调性和情绪,你可以在撰写 prompt 的时候让 chatgpt-plus.top表达更加非正式一点,更加幽默,情绪更加乐观等。

chatgpt-plus.top可以透过算法生成带有特定类型语气的文本。在这种风格约束之下,能够让你生成的内容有着一致的语言风格,比如在祝贺用户生日或者报错的时候,呈现不一样的情绪。当你需要 chatgpt-plus.top呈现出幽默语气的时候,只需要在 prompt 上添加「请以幽默的语气书写」这类说明,即可。

在撰写 prompt 的时候,可以使用 友好、俏皮、专业、优雅、大胆、简约、怀旧、未来主义、自然和感性等词汇,来制造调性。

5、训练 AI 模型按照你的意愿行事

你可以通过编写一些特定的案例来训练 chatgpt-plus.top,这些案例可以辅助你生成特定类型的内容。

比如,当你想要为 404 错误页面编写报错信息的时候i,你可以向 chatgpt-plus.top提供 3 个你想要的错误信息样式作为示例,可以要求它以相同的样式和风格,来生成新的报错信息。通过这种方式,chatgpt-plus.top能够学习你的语气、风格和文本呈现方式。

示例:

请根据以下范例,为我的网站生成 404 页面报错信息。我的网站内容主要是面向冰激凌爱好者的数字杂志。

示例1:哎呀!您上传的文件似乎有问题,不过不用当心,只需要检查文件格式是否正确,再次上传即可。

示例2:哎呀!我们无法保存您提交的修改。请确保您的网络连接稳定,再重试。

示例3:哦嚯!您尝试访问的页面似乎不存在,请稍后尝试,或者联系我们的支持团队,寻求帮助。」

6、分步撰写 prompt

处理大量的内容和信息的时候,可以尝试分为多个步骤。

不要让 chatgpt-plus.top根据 5 个范例来撰写一封电子邮件,而是告诉它这里有 5 封电子邮件,可以代表我的语言表达风格,让 chatgpt-plus.top基于这些内容总结出风格,然后在下一个 prompt 当中,要求它根据之前梳理总结的特征,生成电子邮件。

这样一来,chatgpt-plus.top可以总结出有效信息,而且能够相对准确地完成任务。如果一次给太多信息,chatgpt-plus.top可能会不知所措,生成无效的信息。

7、询问多个结果

可以要求 chatgpt-plus.top生成多个结果,并且可以对比多个结果,从中选择出最合适的那个。一般来说,让 chatgpt-plus.top生成 3 - 5 个结果就够了。

通常,3 - 5 个结果就足以帮你确定大概符合的结果,如果你要求它生成 50 个结果,其中可能会有大量的重复。

示例:「请生成 3- 5 个独特且信息丰富的指引说明,向用户说明他们怎样才能联系上客服部门。」

8、Prompt 需要不断迭代

不要指望第一次编写的 prompt 就可以完美生成结果,你可能需要反复测试,不断调整你的约束词和表达方式,才能得到你想要的结果,持续调整你的 prompt ,直到最终获得你想要的输出结果。

获得 chatgpt-plus.top的答案之后,不要简单地复制粘贴,你还可以调整、增删其中的关键词,这个时候获得的答案变体可能会更贴合你的需求。

将 chatgpt-plus.top视作为你获得想法和灵感的工具,而不是直接获得解决方案的方法。

9、保存好成功的 prompt

如果你所编写的某个 prompt 生成了不错的结果,那么一定要记录和保存好它!下次你需要生成类似内容的时候,就可以再它的基础上修改,节省时间经历。

为了更好地使用它,我在 Glide 当中创建了一个 APP 来辅助我跟踪所有的 prompt,方便我快速访问。

简单总结一下

对于希望使用使用 AI 工具来提高生产力的设计师而言,编写有效的 Prompt 是至关重要的。了解两种类型的 prompt ,掌握好细节和情绪,通过迭代生成有效的结果,这些技巧可以帮助你更快获得有效的结果。

请记住,即使有出色的 prompt,chatgpt-plus.top也没法提供 100% 的准确结果,你依然需要复制下来做2次编辑。创建完美的 prompt 就像创建完美的食谱,你需要控制好对的配比,最终的美食也需要通过摆盘调整,才能完美呈现。

目录
相关文章
|
10月前
|
机器学习/深度学习 人工智能
可控图像生成最新综述!北邮开源20页249篇文献,包揽Text-to-Image Diffusion领域各种条件
【2月更文挑战第29天】北京邮电大学研究人员发表了一篇关于文本到图像扩散模型的综述论文,探讨了该技术在可控图像生成方面的最新进展。论文介绍了DDPMs基础理论,并详述了如何通过引入条件来提升生成图像的精确控制。研究者提出条件生成的三种类别,分析了核心理论机制,并创建了一个包含249篇相关文献的GitHub仓库,促进学术交流。尽管取得显著成就,但模型仍面临语义一致性、处理复杂文本描述和效率提升等挑战。论文链接:https://arxiv.org/abs/2403.04279
215 1
可控图像生成最新综述!北邮开源20页249篇文献,包揽Text-to-Image Diffusion领域各种条件
|
1月前
|
人工智能 自然语言处理 数据可视化
Agentic Reasoning:推理界RAG诞生!牛津大学框架让LLM学会『组队打怪』:动态调用搜索/代码代理,复杂任务准确率飙升50%
Agentic Reasoning 是牛津大学推出的增强大型语言模型(LLM)推理能力的框架,通过整合外部工具提升多步骤推理、实时信息检索和复杂逻辑关系组织的能力。
94 1
|
9月前
|
自然语言处理 搜索推荐 机器人
只需几个演示就能对齐大模型,杨笛一团队提出的DITTO竟如此高效
【6月更文挑战第22天】斯坦福团队推出DITTO,一种只需少量演示即可高效对齐大型语言模型的新技术。DITTO借助用户演示生成在线比较数据,实现模型对齐,无需大规模数据集。在用户研究中,DITTO表现优于传统方法,平均胜出19%,开创了LLMs对齐的简洁途径,适用于个性化助手和聊天机器人等场景。然而,它可能不适用于需要大量数据的任务,训练速度较慢,且可能无法完全匹配用户意图。[论文链接](https://arxiv.org/pdf/2406.00888)
138 10
|
5月前
|
Python 机器学习/深度学习 人工智能
手把手教你从零开始构建并训练你的第一个强化学习智能体:深入浅出Agent项目实战,带你体验编程与AI结合的乐趣
【10月更文挑战第1天】本文通过构建一个简单的强化学习环境,演示了如何创建和训练智能体以完成特定任务。我们使用Python、OpenAI Gym和PyTorch搭建了一个基础的智能体,使其学会在CartPole-v1环境中保持杆子不倒。文中详细介绍了环境设置、神经网络构建及训练过程。此实战案例有助于理解智能体的工作原理及基本训练方法,为更复杂应用奠定基础。首先需安装必要库: ```bash pip install gym torch ``` 接着定义环境并与之交互,实现智能体的训练。通过多个回合的试错学习,智能体逐步优化其策略。这一过程虽从基础做起,但为后续研究提供了良好起点。
643 4
手把手教你从零开始构建并训练你的第一个强化学习智能体:深入浅出Agent项目实战,带你体验编程与AI结合的乐趣
|
5月前
|
人工智能 前端开发
大模型体验体验报告:OpenAI-O1内置思维链和多个llm组合出的COT有啥区别?传统道家理论+中学生物理奥赛题测试,名不虚传还是名副其实?
一个月前,o1发布时,虽然让人提前体验,但自己并未进行测试。近期终于有机会使用,却仍忘记第一时间测试。本文通过两个测试案例展示了o1的强大能力:一是关于丹田及练气的详细解答,二是解决一道复杂的中学生物理奥赛题。o1的知识面广泛、推理迅速,令人印象深刻。未来,或许可以通过赋予o1更多能力,使其在更多领域发挥作用。如果你有好的测试题,欢迎留言,一起探索o1的潜力。
276 1
|
8月前
|
人工智能
AI软件开发大模型,最简单的相关构思,有提问的输入框,有返回答案的答案框
AI软件开发大模型,最简单的相关构思,有提问的输入框,有返回答案的答案框
|
10月前
Sora原理?Sora技术报告解读(思维导图版)
Sora原理?Sora技术报告解读(思维导图版)这份思维导图是将Sora技术报告进行了整理和总结,并以思维导图的方式呈现了出来。使大家能够更清晰、明了的读懂sora技术报告。
Sora原理?Sora技术报告解读(思维导图版)
|
10月前
|
机器学习/深度学习 人工智能 vr&ar
从概念到现实:ChatGPT 和 Midjourney 的设计之旅
从概念到现实:ChatGPT 和 Midjourney 的设计之旅
229 0
|
人工智能 测试技术 项目管理
软件测试|如何使用ChatGPT生成思维导图
软件测试|如何使用ChatGPT生成思维导图
|
Kubernetes 前端开发 机器人
4、开源组合llama+langchain,蹭上ChatGPT几行代码轻松搭建个人知识库私人助理聊天机器人(测试发现质量不错)
跟着步骤走,稍微懂点代码的都可以来操作,两个开源组件封装的非常彻底可以说拿来即用。所以无论作为前端也是可以来玩玩的。
1865 0