一个将写 Prompt 门槛降低到地板以下的工具网站，PromptPerfect，

一个将写 Prompt 门槛降低到地板以下的工具网站，PromptPerfect， 根据它提供的流水线能力，只要给出最初始的需求，过程中跟 AI 一起结对编（调）程（试），最终就可以获得一个符合预期的 Prompt，在确保 AI 回答质量不下降的情况下，还可以利用这个工具对 Prompt 做精简，增加道德约束、法律约束等。 更优秀的是，你可以直接在网站上完成多个 AI 模型的效果测试，直观地观测上面拿到的 Prompt 在所有流行的大模型中，效果是不是都符合预期。它甚至还提供了一个 Prompt as a Service 的服务，提示词即服务，这可以帮助开发者（和非开发者）构建一个立马可用的 Agent 服务，例如设计一个翻译接口、数据转换接口、业务建模服务、学生助教服务、互动游戏设计服务等等。

一个把写 Prompt 门槛降低到膝盖以下的工具网站，ClickPrompt，

一个把写 Prompt 门槛降低到膝盖以下的工具网站，ClickPrompt， 根据自己的需求场景，结合网站上提供的常用模式、示例内容和选择器工具，点一点，就可以快速实现一个效果还不错的稳定可用的 Prompt。 如果还是玩不转，它提供了演示器，手把手教你，一步步实现复杂交互：

一个评估 prompt 清晰有效性的 prompt.

一个评估 prompt 清晰有效性的 prompt. 我们知道，写 prompt 的核心原则就是清晰明确地描述需要 AI 去完成的任务。具体的技巧都是围绕这个核心原则。 当我们要写一个 prompt 完成相对复杂一些的任务的时候，我们可能会竭尽所能地增加各种约束、规则、步骤、样例描述等等。但这里有一个问题，我们很难知道到底哪些限定词是真正影响输出结果的？它们到底有多大的影响？ 另外，一个相对复杂的 prompt 发送给 AI 的时候，它是否能够完全理解？ 所以，我想是不是可以通过一个 prompt 来让 AI 自己去理解 prompt 并让其对具体的 prompt 的清晰有效性进行评估。 目前，我的想法是让其通过阅读理解、分析逻辑、回忆上下文三个方面来对具体的 prompt 进行评估。 附图是我让它评估我写的雅思口语评估助手。 基于 GPT 3.5-turbo 模型测试下来，英文输出的评估结果更加详细和具体。所以我在 prompt 里设置了默认输出是英文。如果不想读英文，可以在评估结果出来之后，发送 “将上面的回复完整地翻译为地道的中文，不要遗漏任何信息。” 效果见图二。 从评估结果可以看到当前模型是如何理解我们的 prompt 的。 更进一步，在评估结果出来之后，我们让 AI 自己尝试优化我们的 prompt，发送 “基于以上评估和用户的，请修改出一个你认为更高效、更精简的版本。确保你的修改不遗漏原的任务目标。” 即可。效果见图三。 让 AI 修改 prompt 不是说直接用它修改的版本，而是参考它修改的点。如图三，它精简了我的 prompt 中的关于雅思口语考试详细的评估标准和高分答案标准。 我参考它的优化建议修改了我原来的 prompt，测试下来，输出结果和原来差不多。相当于在 prompt 里去掉了一些冗余信息，也省了点 tokens. Prompt 评估助手： （原版）雅思口语答案评估助手： （基于 Prompt 评估助手优化版）雅思口语答案评估助手：

一款专为 Prompt 编写者设计的工具，它支持多种基于 Prompt 的 AI 应用，例如 Stable Diffusion、

一款专为 Prompt 编写者设计的工具，它支持多种基于 Prompt 的 AI 应用，例如 Stable Diffusion、ChatGPT 和 GitHub Copilot 等 通过ClickPrompt，可以轻松查看、分享、一键运行这些模型，并提供在线提示生成器，使用户能够轻松创建符合自己需求的提示并分享给其他人 | #工具

学到了一个魔法 prompt.

学到了一个魔法 prompt. 让 AI 先对问题先进行复述和展开，然后再作出回答，可以得到更好的结果。尤其是和 CoT (Chain-of-Thought) 结合使用。 这种策略被称为 RaR，也就是 Rephrase and Respond. 就像「让我们一步步思考」（Let's think step by step）这样神奇的技巧一样，应用起来非常简单，有两种方法： 1. 在原始 prompt 后面增加一句话，「Rephrase and expand the question, and respond.」见图一； 2. 分两步进行。第一步，仅重述和展开问题，不回答。第二步，提示 AI 基于已重述的问题进行回答，然后用该答案来解答原始问题。Prompt 见图二。 更有意思的是，一个模型的能力越强，这种技巧的有效性也就越高。 另外，用能力强的模型对提示词做复述和展开以后，把这个提示词放到其他能力相对弱一些的模型里使用，效果可能同样有提升。 我之前写过一个提示词，希望模型通过阅读理解、回忆上下文及逻辑分析等方面对我的提示词进行评估，并给出修改建议。我会根据这些建议去优化提示词中的一些关键词。 原来只要提示模型进行复述和展开就行了。 可以用来优化自己常用的提示词，尤其是常用的那些几句话的提示词。或者，当我们觉得自己对某个意图的表述不够明确时，也可以用这种方法寻找灵感。 图四、图五是我使用的例子，我认为重述得非常好。可以看到，基于我的原始提示词的意图，增加了更多的相关上下文和具体的指令要求。这些是明显能提升模型回复效果的基本策略。 我们甚至可以用中文描述意图，让 AI 用英文进行复述和展开，这样我们还可以得到一个优质的英文提示词。 论文：

【免费Prompting工具及社区推荐】

【免费Prompting工具及社区推荐】 1）Prompt Storm 谷歌插件，手把手教你如何生成用于ChatGPT和Bard效果最好的prompts ： 2）Learn Prompting 免费课程，支持中文，教你使用多种AI工具，同时有一个近4万学员的Discord社区 ： 3）ChatGPT Prompt Engineering for Developers 由DeepLearning和OpenAI提供的，面向开发者的1.5小时的ChatGPT课程； 该课程的主要内容为教您如何使用大型语言模型（LLM）和最佳实践构建应用。 4）FlowGPT 分享、发现和学习最有用的ChatGPT Prompt 有时会有Prompt Hackathons 5）AIPRM ChatGPT主页的一个多功能提示工具包，主要提供面向营销人员、客户支持人员、销售人员等的prompting模板 6）Prompt Engineering Guide 免费Prompting课程，提供prompting的指南、论文、讲座、笔记和相关资源 7）PromptHero 文生图模型Prompt搜索引擎，主要针对的是Stable Diffusion和Midjourney等文生图模型