ChatGPT用了快两年了，从最开始的新鲜好奇，到现在的日常工具，积累了不少使用技巧。

很多人用ChatGPT就是简单地问一句答一句，输出质量时好时坏。其实只要掌握一些进阶技巧，ChatGPT的输出质量能提升一大截。这篇文章就来分享一些我常用的进阶技巧，有些可能你还不知道。

提示词工程是核心

用好ChatGPT，最核心的是提示词工程。同样的问题，不同的问法，得到的答案质量天差地别。

一个好的提示词应该包含几个要素：角色设定、任务描述、上下文信息、输出格式要求、约束条件。

举个例子，如果你想让ChatGPT帮你写一篇文章，不要只说"写一篇关于人工智能的文章"。你应该这样说：

"你是一位资深科技记者，有十年的行业报道经验。请写一篇关于2023年人工智能发展的深度报道，面向对科技感兴趣的普通读者。文章长度2000字左右，结构包括引言、发展历程、关键技术、应用场景、未来展望五个部分。语言要通俗易懂，避免太多专业术语，每段不超过三句话。"

这样的提示词，ChatGPT输出的质量会高很多，因为它知道自己是谁、要做什么、给谁看、什么格式、有什么限制。

很多人忽略了角色设定的重要性。告诉ChatGPT它是谁，它会用那个角色的知识和语气来回答。比如让它扮演律师，回答会更严谨；让它扮演老师，回答会更有耐心、更易懂。

链式思考

链式思考（Chain of Thought）是一个很强大的技巧，特别是在处理复杂问题的时候。

简单来说，就是让ChatGPT在回答之前先思考，把推理过程写出来，然后再给出答案。这样能大大提高回答的准确性，特别是数学题、逻辑题、编程题。

使用方法很简单，在提示词里加上"请一步步思考"或者"先分析问题，再给出答案"就行。

比如你问ChatGPT一个数学题，直接问的话，它可能会算错。但如果你说"请一步步思考，先列出已知条件，再分析解题思路，最后计算答案"，它的正确率会高很多。

链式思考的原理是，大语言模型是一个字一个字生成的，如果让它先把推理过程写出来，后面的答案就能基于前面的推理，减少直接跳步导致的错误。

这个技巧在编程中也很好用。让ChatGPT先分析需求，再设计方案，最后写代码，比直接让它写代码质量高很多。

少样本学习

少样本学习（Few-shot Learning）是指在提示词里给ChatGPT几个例子，让它学习例子的模式，然后按照这个模式回答。

比如你想让ChatGPT帮你把中文翻译成英文，但有特定的术语要求。你可以在提示词里给几个翻译例子，说明这些术语怎么翻，然后再让它翻译新的内容。

例子不需要多，两三个就够了。关键是例子要典型，能覆盖你想要的模式。

少样本学习比单纯描述要求更有效，因为例子比文字描述更直观。ChatGPT能从例子中学习到你想要的格式、语气、风格，比你用文字描述半天都管用。

比如你想让ChatGPT写特定风格的文案，给它几篇你觉得好的文案作为例子，它就能模仿那个风格来写。比你用一大堆形容词描述风格要准确得多。

多轮对话的技巧

ChatGPT支持多轮对话，但很多人不知道怎么用好多轮对话。

第一个技巧是逐步细化。不要指望一次就能得到完美的答案。可以先让ChatGPT给出一个初稿，然后根据初稿提出修改意见，让它调整。多轮迭代之后，答案会越来越符合你的要求。

比如写文章，可以先让它列大纲，大纲满意了再让它写正文，正文写完了再让它修改某一部分。这样一步步来，比一次让它写完整篇文章质量高很多。

第二个技巧是提供反馈。如果ChatGPT的回答不满意，不要只是说"不对"，要具体指出哪里不对、应该怎么改。比如"第三部分的例子不够贴切，换一个更贴近生活的例子"，比"写得不好，重写"效果好得多。

第三个技巧是利用上下文。多轮对话中，ChatGPT会记住之前的内容。你可以在后续对话中引用之前的内容，比如"按照刚才的思路，再写一个类似的例子"。这样不用每次都重复背景信息，效率更高。

但要注意，ChatGPT的上下文长度是有限的。如果对话太长，前面的内容可能会被遗忘。这时候可以让它总结一下之前的对话，或者开一个新对话，把总结作为新的上下文。

系统提示词的妙用

很多人不知道，ChatGPT可以设置系统提示词（System Prompt），用来设定整个对话的基调。

系统提示词是在对话开始之前设置的，它会影响ChatGPT在整个对话中的行为。比如你可以设置"你是一个专业的Python开发工程师，回答要简洁，只给代码不解释"，那么整个对话中它都会按照这个设定来回答。

在API调用中，系统提示词是一个独立的参数。在网页版中，可以通过自定义指令来设置。

系统提示词的妙用很多。比如你可以设置"你是一个严格的编辑，专门挑文章的毛病"，然后把文章发给它，它会很认真地帮你挑错。或者设置"你是一个鼓励师，不管我说什么都要鼓励我"，心情不好的时候可以找它聊聊。

系统提示词比在每轮对话中重复要求更高效，因为它是全局生效的。

结构化输出

很多时候你需要ChatGPT输出结构化的内容，比如JSON、表格、列表。这时候可以在提示词中明确要求输出格式。

比如你想让ChatGPT提取文章中的关键信息，可以说"请以JSON格式输出，包含title、author、date、summary四个字段"。它就会按照这个格式输出，方便你后续处理。

表格也是一样，说"请用表格形式输出，列包括名称、价格、特点"，它就会生成Markdown表格。

结构化输出在和其他工具配合的时候特别有用。比如你用ChatGPT的API处理数据，要求它输出JSON，你的程序就能直接解析，不用再做复杂的文本处理。

但要注意，ChatGPT有时候不遵守格式要求，特别是复杂的格式。这时候可以用少样本学习，给一个格式的例子，它会更准确地按照格式输出。

自我修正

ChatGPT有时候会犯错，但它有自我修正的能力。

如果你发现它的回答有问题，可以让它自己检查。比如"请检查你刚才的回答，有没有逻辑错误或者事实错误"，它会重新审视自己的回答，找出错误并修正。

这个技巧在编程中特别好用。写完代码之后，让它自己检查有没有bug，很多时候它能自己发现问题。比如"请检查这段代码有没有潜在的问题，包括边界条件、性能问题、安全漏洞"，它会给出很详细的分析。

还可以让它扮演不同的角色来审查。比如"假设你是一个安全专家，请审查这段代码有没有安全漏洞"，它会从安全的角度来分析，找出你可能忽略的问题。

自我修正不是万能的，有时候它会坚持错误的答案。这时候你需要指出具体的错误，让它重新思考。

一些实用的小技巧

除了上面这些大的技巧，还有一些小技巧也很实用。

第一，用"继续"来续写。如果ChatGPT的回答被截断了，输入"继续"，它会接着之前的内容继续写。这个在写长文章的时候特别有用。

第二，用"总结"来压缩。如果对话太长了，可以让它"总结一下我们之前讨论的内容"，得到一个精简的版本，然后可以基于这个总结继续对话。

第三，用"翻译成"来转换语言。ChatGPT的翻译能力很强，而且可以指定风格。比如"把这段文字翻译成英文，风格要正式，适合商务邮件"，比普通翻译工具更灵活。

第四，用"解释"来学习。遇到不懂的概念，可以让它"用通俗的语言解释一下，就像给小学生讲一样"，它会用最简单的话来解释复杂的概念。

第五，用"对比"来做决策。比如"对比一下A和B的优缺点，给我一个推荐"，它会列出两者的优缺点，然后给出建议，帮你做决策。

使用ChatGPT的注意事项

最后说一些使用ChatGPT的注意事项。

第一，不要完全相信它的回答。ChatGPT会一本正经地胡说八道，特别是涉及到具体事实、数据、引用的时候。重要的信息一定要核实，不要直接用。

第二，不要输入敏感信息。不要把公司的机密代码、客户数据、个人隐私输入到ChatGPT里，因为这些数据可能会被用于训练。处理敏感信息的时候要小心。

第三，了解它的局限性。ChatGPT的知识有截止日期，最新的信息它可能不知道。它也不擅长精确的计算和复杂的逻辑，这些问题要谨慎使用。

第四，把它当助手而不是替代品。ChatGPT能提高效率，但不能完全替代人的判断。它生成的内容一定要经过人的审核，特别是要发布的内容。

第五，持续学习。ChatGPT的更新很快，新功能新技巧层出不穷。保持学习，了解最新的功能和最佳实践，才能用得越来越好。

写在最后

ChatGPT是一个强大的工具，但用得好不好，差别很大。掌握了进阶技巧，它能成为你的得力助手；用得不好，它就是一个聊天机器人。

这篇文章分享的技巧，包括提示词工程、链式思考、少样本学习、多轮对话、系统提示词、结构化输出、自我修正等，都是我在实际使用中验证过有效的。

希望这些技巧能帮你更好地使用ChatGPT，提高工作效率。AI时代，学会使用AI工具，是每个人的必修课。

如果你有什么好用的技巧，也欢迎交流。