近两年，AI 行业发展迅猛，大家对 AI 工具都挺熟悉了。

从一开始的 ChatGPT，到 Claude、Gemini，还有咱国内的 KimiChat、文心一言、豆包之类的。

越来越多的人用上了 AI，可用上不代表能用好。

好多人就稍微用了一下，觉得不咋地，就把它们扔一边不管了。

今天这篇文章，给大家介绍 4 个能激发 ChatGPT 这类 AI 工具深层能力的技巧。

用对了，能让你用 AI 的效率大幅提高！

Few-Shot Learning 就是一种机器学习技术，通过少量准确的案例提示，让模型能有针对性地学习和推理。

在用 ChatGPT 这类工具的时候，通常会用到 3 种类似的技巧：

⭕️ Zero-shot（零样本提示）

⭕️ Few-Shot（少样本提示）

⭕️ 外置数据库（创建 GPTs 等 Agent 时会用到）

零样本（Zero-shot）就像咱们熟悉的“let's think step by step”这种，不需要提供案例的提示技巧。但碰到一些具体问题，Zero-shot 往往不能一下子给用户满意的答案。

而外置数据库呢，一般得咱们准备某个特定领域、特定需求的 SOP 文档。

这三个比起来，少样本提示（Few-Shot）对普通用户来讲是性价比最高的提问技巧。

比如说同样用 GPT-4o，没给案例的时候，ChatGPT 给的答案很简单。

当加上少样本案例提示之后，再看看 ChatGPT 的回复。

不仅能给出准确答案，还能按照咱们的少样本提示（Few-Shot）给出精准回复和详细的计算过程。

比起文字回复，用表格呈现答案更直观，也更好读，方便后期整理。

不过，要想让 ChatGPT 按照咱们的要求“准确输出”每一列的内容，除了复杂的文字设定，还有个更简单的办法——Markdown 语法。

Markdown 语法是种挺简单的代码语言，就算你一点代码基础都没有，也能很快学会基本用法。

在咱们「小报童」的标准化 Prompt 里有系统介绍，这儿就不细说了。

那在 Prompt 里怎么用 Markdown 语法让 ChatGPT 准确输出每一列的内容呢？

以咱们的“知识链构建专家”Prompt 为例，上面就通过 Markdown 语法准确限制了 ChatGPT 在不同阶段表格的输出要求。

具体设置的样子是：

| 第一列需求 | 第二列需求 | 第三列需求 | 依次类推 |

这是个挺偷懒但特别实用的技巧。

当你不知道咋问才能得到更好、更优质的答案时，不妨让 AI 帮你想。比如说：怎么快速减肥？

要是就这么直接问，ChatGPT 一般就给个大概的答案。

比起好的回答，这时候，你更需要一个好的问题（Prompt）。你问得越好，ChatGPT 才答得越好！

所以你可以先这么问：我想快速减肥，可不知道咋提问能让 AI 给我更好的回复，给我点好的提问建议。

然后，在 AI 的引导下，一点点优化你的问题。

要是说逆向思维的作用是 2，那递归提示的威力就是 2 的 N 次方。能让 AI 的回复效果翻倍，甚至无限翻倍。

递归提示（Recursive Prompt）：是通过不断提问和持续交流，引导深入思考、引发更深入讨论、扩大问题讨论范围的办法。

在和 AI 交流的过程中，递归提示的一种实现方式是在每个回应里加一个新问题或提示，这样能引导用户进一步思考或者深入探讨相关话题。

下面是个递归提示的简单例子：

用户：“我想学习数学。”

ChatGPT：“太好了！数学是个厉害的技能。你对哪种门类特别感兴趣，比如代数、几何、微积分、拓扑学、离散数学？”

在这个对话里，ChatGPT 提供了一个递归提示，问用户对哪种数学门类感兴趣，以此来推动对话继续。

比如说上面这个“医学顾问 Prompt”，会通过一步步的“反问”，帮用户找出病因，最后给出有针对性的治疗方案。

好啦，今天就分享到这儿。有任何问题都可以私信我

END：

最后我想说的是：写作是一件能让你一直受益的事，所以你应该坚持不懈地去做，不要放弃！

我是大象，一个专注于AI写作的自媒体玩家，最近做课很忙，但是我们对AI的学习和教学一直没停过。 很多学员觉得AI变化太快了，跟不上它的步伐，其实不用急，只要我们不断地学习AI，努力地跟上，就不会被时代落下。