一年前的提示词技巧已经落伍了？Anthropic CPO 揭秘7个AI协作新玩法

主要观点总结

本文分享了与大模型的交互技巧，将其视为一种全新的协作模式，并提供了七个核心交互技巧。包括从心态转变到将大模型视为思维伙伴，使用更直接、情绪化的指令来突破模型的友善边界，激发深度推理的指令，提供高质量的上下文信息，利用模型作为Prompt教练，进行迭代与协作，关注对话的质量而非数量等。文章还强调了在AI时代需要重新定义价值，成功的AI协作应该围绕价值创造而不是消磨时间。

关键观点总结

关键观点1: 心态转变——从“指令执行者”到“思维伙伴”。

不要将大模型仅仅看作一个等待指令的工具，而要把它视为一位能够与你平等对话、激发思考的“虚拟协作者”。

关键观点2: 突破模型的友善边界——使用更直接、情绪化的指令。

大模型通常被训练得非常友善和乐于助人，在使用时需要主动打破这层“礼貌”的屏障，使用更直接、甚至略带情绪化的指令来迫使模型跳出“好好先生”的角色。

关键观点3: 激发深度推理——使用“认真思考”的指令。

对于需要复杂推理的任务，使用简单的指令“前缀”可能会解锁模型更深层次的计算和思考路径。在处理复杂问题时，加入“认真思考”的指令可以引导模型调用不同的、更强大的推理流程。

关键观点4: 提供高质量的上下文信息。

高质量的输出源于高质量的输入。提供给模型的上下文信息越丰富，其产出的结果就越精准、越有价值。

关键观点5: 利用模型作为Prompt教练。

让模型来教我们如何更好地提问。可以使用模型生成的Prompt模板，并解释为什么它有效。

关键观点6: 迭代与协作——与模型共同构建方案。

真正高效的交互是一个持续迭代、共同构建的过程。将大任务分解成小步骤，与模型进行多轮对话，共同逼近最终的完美方案。

关键观点7: 关注对话的“质”而非“量”。

衡量一次交互是否成功，关键不在于对话持续了多久，而在于它是否解决了你的问题、推动了你的思考。成功的AI交互在于是否真正为用户创造了价值。

免责声明