1.前言
随着今年DeepSeek的爆火，结合去年至今KIMI、通义千问、豆包大模型的快速发展，在日常工作中，很多同学都养成了“遇事不决，AI来答”的良好习惯。使用AI工具进行问答，往往能帮助我们快速提效，补全知识信息短板。同时，我们对于"深度联网搜索"模式的依赖程度也在日益上升，甚至有时候能让我们忘记了搜索引擎的存在。比如通义与DPSK的网页版：
在使用这些功能时，AI往往会通过一个思考体，将用户问题进行改写或转换，然后分别进行搜索引擎的召回，最终再将收集到的Docs进行总结和输出。有一些互联网搜索如Google Search的常见技巧，对于AI也是可以理解的，在使用prompt进行问答时结合使用，可以让AI的回答更加遵循我们的想法。
2.指定网站的检索：site语法
site语法可以帮助我们在检索时，让大模型优先根据我们指定的网站来进行检索，比如我想要查找华为的最新产品，并且是来自于华为官网的信息，那么我可以直接指定：site:huawei.com/cn。这里以通义为例：
或者我想问今年最新的房贷政策，要求大模型的总结来源一定是某政府网站，我可以用.gov.cn来结尾，这里我以kimi为例：
3. 通配符的使用
当检索时，我们只掌握了部分信息，或者我们想控制我们检索出来的内容包含某些东西，我们可以使用以下通配符，这些同样适用于百度/谷歌的直接搜索：
通配符 |
是否还生效 |
用法 |
+ |
生效 |
在两个关键词之间加上加号表示 搜索时两者缺一不可 |
- |
已经不生效，包括在谷歌搜索尝试： |
在关键词的前面使用减号，也就意味着在查询结果中不能出现该关键词。 |
？ |
生效 |
匹配符，匹配的字符数要受到限制 |
* |
生效 |
匹配符，匹配的字符数不受到限制。适合我知道部分信息，但不清楚具体信息时的检索 |
示例如下：
3.1通配符：“+”
- 例子：今年夏天我想规划一条旅游路线，西双版纳+大象
- 返回示例：
3.2通配符：“ ？”
- 例子：我想知道国内这个城市，张家? 的介绍
- 返回示例：
3.3通配符：“*”
- 例子：我想买车，有朋友向我推荐 *ultra 这款车型，请帮我评价一下
- 返回示例：
4. 限定时间范围
可以通过datarange: 或直接 .. 进行检索资料的时间限定，筛选特定时间段的文档。比如：我想要检索2023年到2025年间的浙江房价：
5.布尔逻辑的使用
5.1AND - 与
- 例子：我想去广东，请告诉我 广州著名 AND 火锅类的美食
5.2OR - 或
- 例子：请介绍小米su7 OR 小米su7 ultra
5.3NOT - 非
- 例子：请介绍su7，NOT 小米 su7 ultra
6.Prompt技巧
以下内容摘自苏江老师的《学会提问 -- AI大模型时代与ChatGPT对话的关键技能》。
6.1来一点哲学思考
- 苏格拉底式提问法：通过一系列精心设计的问题，引导对方自己发现问题的答案。这种方法强调了思考、探索和发现的过程，而非简单接受他人的观点。（批判性思维）
- 具体过程：提出一个开放性问题 -> 使用反问技巧，提出与问题相反的观点 -> 持续追问：深入了解问题的各个层面。
- 例子：想要询问ChatGPT对初创公司的理解，首先提出一个开放性问题：初创公司如何在竞争激烈的市场中脱颖而出？
- 沃伦·贝格尔提问技巧：《如何提出一个好问题》作者沃伦·贝格尔讲述了如何通过高质量的问题挖掘更深层次的知识。
- 具体过程：
- 提出明确的问题
- 追求深度
- 合理安排提问的顺序
- 从不同角度进行提问
- 质疑假设
- 探求证据
- 分析问题的关联性
6.2Prompt类型
6.3prompt构建技巧
- 基本技巧：
- 明确问题的表述：避免使用模糊或不完整的句子，确保问题表述清晰明确。
比如：
- 天气如何？-- 🙅
- 今天杭州天气如何？-- 🙆
- 限定问题的范围：增加背景信息和条件，细化问题。
比如：
- 市场上最好的笔记本电脑是哪款？-- 🙅
- 截止到2025年1月，中国市场上，综合考虑性能和用户等评价，用于办公最好的笔记本电脑是哪款？-- 🙆
- 指导AI进行逻辑推理与分析：可以在问题中添加要求AI分析、比较或解释的元素。
比如：
- 请介绍一下太阳能发电系统的原理？-- 🙅
- 请介绍一下太阳能发电系统的原理，并比较光伏发电和光热发电的优缺点？-- 🙆
- 高级技巧：
- 调整语气和风格，可以通过阐述明确目的进行语言风格的调整。
- 设计精准的指令：需要明确具体的任务目标、具体清晰的词汇、简洁明了的表达。
- 考虑上下文与背景信息：给定充足的上下文信息，帮助AI能够更加设身处地地为我们思考。
6.4高效prompt框架
- Instruction（指令）：明确告诉AI你期望执行的任务，比如“请解释加速度是什么”，应简洁明了。
- Context（背景）：选填，提供上下文信息，帮助AI更好地理解问题，比如“在古代中国的文化背景下，请微我编写一首古风诗”。
- Input Data（输入数据）：选填，提供具体数据让AI进行处理，比如“下面是一组股票价格数据，请帮我计算出它们的均价”。
- Output Indicator（指示器）：指示AI输出结果的类型或格式，比如“请用一段通俗易懂的文字解释量子计算的原理”。
以上是基础的prompt框架，在处理更复杂的问题时，还需要掌握另一种更加高级的prompt框架 -- CRISPE框架。
- CR（capacity and role，能力与角色）：需要明确告诉AI它在对话中扮演的角色以及应该具备的能力。“你是...”
- I（Insight，洞察力）：涉及背景信息和上下文，让AI了解用户的具体需求和相关的背景知识。“最近...”
- S（statement，指令）：告诉AI我们希望它做什么。“请你为我...”
- P（personality，个性）：希望AI回答时呈现的风格或方式。“用...风格”
- E（experiment，尝试）：可以要求AI为我们提供大于一种解决方案或答案，以便用户有更多的选择和参考。“提供...份...”
举个例子：
参考资料：
参考一
参考二：苏江：《学会提问 -- AI大模型时代与ChatGPT对话的关键技能》
参考三：Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q., & Zhou, D. (2022). Chain of Thought Prompting Elicits Reasoning in Large Language Models.
来源 | 阿里云开发者公众号
作者 | 高怡睿(单枞)
