提示工程：营销人员和内容创作者指南

正如我们所知，ChatGPT 和其他生成式 AI 工具将改变工作世界。

但是不要相信我的话。

来自 OpenAI、OpenResearch 和宾夕法尼亚大学的研究人员预测， 80% 的美国劳动力将看到生成式 AI 工具对他们至少 10% 的任务的影响。

这意味着随着人工智能工具的发展，更多的公司和员工将使用这些工具来自动化某些任务、提高效率，甚至完全取代一些工作。

一个例子是一家公司开始使用 ChatGPT，看到它的价值，并解雇了负责某些管理和客户沟通任务，甚至与营销相关的任务的员工，以“节省成本并更快地完成工作”。

（这已经发生了）

当高管们认为人工智能工具可以更快、更准确地完成任务时，很可能会发生这种情况，尽管有人警告说不应完全依赖这些人工智能工具。

但也有一线希望。

从生成式 AI 工具获得有意义的输出需要人情味。 编程、写作、翻译和分析等任务仍然依赖于人工输入——我们在“提示工具”时使用的单词、代码和上下文。 因此，一条新的职业道路正在酝酿之中：即时工程。

本指南分解了您需要了解的有关提示工程的所有信息，包括它是什么、编写有效提示和在工作流程中使用 AI 的技巧，以及在该领域取得成功所需的技能——无论您是营销人员还是创作者。

我将带您快速浏览快速发展的提示工程领域。 如果您想跳过序言并进入有趣的内容，这正是我在本文中介绍的内容：

• 什么是即时工程
• 提示的剖析：元素和技巧
• 有效及时工程的技巧
• 营销人员和内容创作者的即时工程

让我们开始吧！

什么是即时工程

提示工程是精心设计和完善您提供给生成式 AI 工具的指令或查询以获得特定响应的过程。

自 2022 年底推出 ChatGPT 以来，这个概念已经成为流行语。从福布斯到 Insider，科技和商业出版物都在滔滔不绝地谈论这个新的神秘职位，在某些情况下，这个职位的价值高达 35 万美元。

虽然快速工程师职业道路的长期可行性仍有待商榷，但有一件事不是：

各行各业的公司都在争先恐后地利用生成式人工智能工具来获得竞争优势。

Meta、Slack、Instacart、Shopify、Canva 和其他科技巨头已经搭上了基于 GPT 的产品。 但是 SaaS 并不止于此。 医疗保健、房地产和媒体行业的企业也在使用它。

但是，如果您使用过任何 GPT 工具，就会知道其结果并不总是最高质量的。 当然，他们有一些令人印象深刻的能力并且似乎会定期改进，但有时他们会提供不准确的信息或不相关的答案。

简而言之，提示的质量决定了您从这些工具中获得的结果的质量。 精心设计的提示可以有效地将您的意图传达给 AI 模型，因此它会生成准确解决您问题的答案。 这就是了解如何使用这些工具非常有价值的原因，尤其是当您参与内容创建或营销游戏时。

在我们进入本文之前，我希望您牢记提示工程的这 4 个关键步骤：

• 定义目标或目标：所有提示都包含明确定义的目标或目标，说明 AI 预期产生的结果。这包括指定格式、目标受众或所需的内容基调等内容。

• 设置上下文：提供与主题相关的背景信息和其他上下文有助于 AI 模型更好地理解您想要的输出，使模型能够生成更相关和更准确的响应。

• 提供示例和指导：在提示中包含示例为 AI 模型提供了一个模板，说明它应该如何生成所需的内容。当您希望 AI 遵循特定结构或遵守特定准则时，这尤其有用。
• 迭代和改进：与任何形式的通信一样，提示工程是一种迭代方法。您需要测试提示的不同变体，评估它引出的内容，并根据提示满足您的目标或目标的程度来改进提示。

每当我发现自己难以从ChatGPT 或 Jasper 等工具获得高质量的输出时，我都会返回这 4 个步骤来验证我已经为 AI 提供了它需要的一切。 请记住：这些工具的好坏取决于我们提供的输入！

现在让我们看看您可以用来设计高质量输入的特定提示元素和提示技术。

提示的剖析：元素和技巧

提示由几个关键组件组成，这些组件协同工作以引导生成式 AI 工具获得所需的输出。 了解每个组件，更重要的是，了解 AI 模型如何解释它们将帮助您获得所需的结果。

以下是在提示写作过程中要牢记的四个主要组成部分：

指示

指令部分概述了您希望 AI 执行的任务。 它提供了对所需操作的清晰简洁的描述，例如汇总、提取、翻译、分类或生成文本。

说明的清晰度和特异性至关重要，因为它们直接影响 AI 生成内容的相关性和准确性。 生成式 AI 依靠这些指令来理解用户的意图并生成符合他们期望的响应。

在下面的提示中，我已经向 ChatGPT 明确说明了我希望它创建的输出：10 篇包含标题和介绍性段落的博客文章创意。

语境

上下文是提示的重要组成部分。 它帮助 AI 模型掌握与任务相关的背景信息和主题。 它可能包括有关主题、流派、语气、目标受众或任何特定限制或指南的详细信息。

通过建立上下文，用户可以引导 AI 模型生成符合上下文并符合给定参数的内容。

在同一个示例提示中，我以一些上下文开始提示：“我需要写一篇关于适用于小型企业和初创企业的最佳 CRM 平台的博文。”

输入数据

输入数据是指 AI 模型将处理并用于生成输出的实际内容或信息。 在某些情况下，这可能是 AI 应该总结或分析的一段文本； 在其他情况下，它可能是 AI 在生成响应时应考虑的一组数据点或示例。

提供准确且相关的输入数据至关重要，因为它构成了 AI 生成内容的基础，并确保输出有意义且信息丰富。

再次查看我们的示例提示，我们注意到我包含的输入数据是一个示例输出，显示了我希望 ChatGPT 如何格式化和编写内容。

产出指标

输出指标有助于定义 AI 生成内容的格式、结构或呈现方式。 它们可以包括用于组织输出的明确说明，例如指定要点的数量、信息的顺序或所需的长度。

输出指标还有助于指导 AI 模型生成易于阅读、结构合理且符合用户所需格式的响应。

在示例提示中，我为 ChatGPT 提供了多个输出指示器来指示我希望内容看起来如何，包括项目数（总共 10 个想法）、组成部分（标题和介绍段落）和句子数（4- 5).

当用户设计出有效结合这些组件的提示时，ChatGPT 和 Jasper 等生成式 AI 可以更好地解释提示并生成满足用户要求的内容。

通过了解提示的结构和每个组件所扮演的角色，您可以优化提示工程技能并充分利用 AI 驱动的内容生成工具的潜力。

及时的工程技术

现在让我们来看看提示工程技术的主要类型，我们的新朋友 ChatGPT 提供了一点视觉支持。

零次提示

零样本提示是指未向 AI 模型提供任何示例或上下文来帮助它理解被要求执行的任务的提示。 该模型有望根据其一般知识和解释提示的能力来完成任务。

当您只是想快速访问特定问题的定义或答案等信息时，零样本提示非常有用。

一键提示

一次性提示为 AI 模型提供了一个示例来演示所需的任务。 这有助于模型理解要在响应中使用的任何模式或格式要求。

当你有一个具体的例子来说明你希望人工智能如何响应你的指令时，一次性提示会更有效，比如一道数学题。

少量提示

几次提示类似于一次提示，但它提供了多个示例来帮助 AI 模型更好地理解所需的输出。 这允许模型更有效地概括任务。

如果您发现您没有从一次提示中获得很好的结果，将它变成带有更多示例的几次提示可以帮助您的输出更接近所需的格式。

思维链提示

思维链提示涉及一系列相互关联的问题或任务，模型对先前提示的响应会影响其对后续提示的理解和回答。 这种类型的提示对于复杂任务或维护对话中的上下文很有用。

当您想深入研究一个主题而不浪费时间调整和格式化每个单独的提示时，我个人最喜欢的思路提示非常有用。 ChatGPT 和其他具有类似聊天界面的 AI 能够从以前的条目中携带信息、指令和上下文，并将它们分解为当前输出。

有效及时工程的技巧

尽管这些 AI 工具具有高科技、科学的性质，但快速工程的过程仍然既是一门科学，也是一门艺术。 我们仍处于使用 Jasper 和 ChatGPT 等人工智能工具的早期阶段，因此优化提示以获得更好的输出是迭代和直观的。

就像您根据听众之前的反馈在博客文章、Twitter 线程或 LinkedIn 帖子中使用措辞一样，您需要对从生成 AI 工具获得的输出做同样的事情。

也就是说，有一些来自OpenAI和GitHub的专家观察到的一般规则可以帮助您在这个过程中注入一些科学知识。

让我们来看看一些。

措辞清晰具体

使用模棱两可、不清楚的措辞肯定会降低 AI 工具的输出。 请记住，您正在向一个极其复杂的算法提供指令，因此只需为其提供所需的上下文和指令即可。

当我编写提示时，我发现指定所需输出的格式和长度特别有用。 将所需输出的主要主题连接到一些额外的上下文也是有益的。

在提示中提供示例

提供您想要的输出示例将为 AI 提供一个准确的模板，说明它应该如何格式化和生成文本。

当您使用 AI 创建输出选项列表（如推文或其他社交帖子）时，这尤其有用。

专注于你想让它做的事

很容易陷入列出所有你不想让你的生成式人工智能工具做的事情的陷阱，但这违背了简洁和特异性的首要原则。 尝试用肯定的措辞来表达你的指示。

编写提示可能需要稍长的时间，但当您获得所需的确切输出时，这将是值得的！

测试和试验提示

测试和迭代提示是使用生成式 AI 工具获得更好输出的关键步骤。 通过尝试各种提示结构、措辞和上下文，用户可以引导人工智能做出更准确、相关和连贯的反应。 此过程涉及改进输入提示以使其更加明确或提供额外的上下文或约束以缩小 AI 的关注范围。

当您遍历不同的提示并分析结果输出时，您就会了解 AI 如何解释和响应各种指令。 这种迭代方法让您更深入地了解如何与 AI 有效沟通，最终提高性能并从生成 AI 工具中获得更理想的结果。

营销人员和内容创作者的即时工程

好的，我们已经做了一些尽职调查，并复习了一些基本概念和提示工程的技巧。 现在是玩乐的时候了。

好吧，差不多该玩有趣的东西了——首先，一个重要的免责声明：

知道了？ 好的。

顺便说一句，让我们来看看我如何在日常工作中遇到的不同营销和内容创建任务中使用 ChatGPT 的几个例子。

构思和头脑风暴

使用生成式 AI 工具的最有效方法之一是进行构思和头脑风暴。 借助用于训练这些模型的大量信息，它们可以轻松高效地生成语义相关信息列表。

下面是我在 ChatGPT 中使用的提示示例，用于生成关于小型企业和初创企业最佳 CRM 平台主题的博客文章标题列表：

如您所见，我设计了这个一次性提示以包括上下文、格式说明和示例内容，它需要为我提供一些可靠的输出。

在短短几分钟内，GPT-4 为我提供了 10 种不同的标题-介绍组合，我可以使用它们来创建我的博客文章。

背景研究

大约一个月前，我决定我需要更多地了解机器学习和人工智能的学术方面（出于显而易见的原因）。 我没有使用谷歌、维基百科和学术期刊的典型过程，而是决定让 ChatGPT 作为我的助手来启动研究过程。

事情是这样的。

在大约 20 秒内，我得到了该领域顶尖研究人员的名单，包括他们学习或工作的地点以及对他们相关性的简要说明。

知道该工具可以构建我之前的提示并将响应用作上下文，我决定继续使用。

很酷，对吧？

但是，您可以更进一步。

虚幻。

在不到 5 分钟的时间内，ChatGPT 帮助我收集了有关我感兴趣领域的大量信息，包括领先专家、他们最重要贡献的列表以及每项贡献的简短摘要。

如您所见，提示简单明了。

ChatGPT 的思想链提示功能意味着它从以前的提示中携带上下文，所以我不必担心精心制作的提示会占用令牌数。

角色创建

买家角色发展是那些耗时的 B2B 营销任务之一，我发现自己陷入了早期阶段。 但是有了大型语言模型和直接的提示，就很容易上手了。

例如，这是我用来深入了解 Notion 企业帐户的潜在买家的示例提示。

现在，在这些实际有用之前还有很多工作要做——通过产品研究、用户调查、规划购买者旅程等进行验证。

尽管如此，在不到一分钟的时间里，GPT-4 已经生成了一份包含 5 个潜在买家角色的列表，每个角色都有一个目标和痛点。 哦，头韵的使用也是一个不错的奖励。

关键词识别

通过精心设计的提示，您还可以加快初步的关键字识别过程。

例如，我最近正在寻找一家企业时间跟踪软件公司的目标关键词。 知道 ChatGPT 可以比我更快地找到相关词，我给它提供了这个提示：

这是 GPT-4 给我的输出：

一分钟内列出超过 25 个潜在关键字！

同样，在获得此列表后，我立即去了 ahrefs 并根据搜索量和关键字难度审查了结果。 尽管如此，ChatGPT 证明是识别潜在搜索词的一个很好的起点，我可以将其归零以进行进一步分析。

简介和框架创建

营销人员和内容创建者经常陷入困境的另一个地方是在创建摘要和框架时。 但是有了生成式 AI，您只需做三件事就可以启动内容营销流程：

主题创意、目标受众和一些关键字。

想要一个例子吗？ 这是我最近在为一篇关于 TikTok 营销的博客文章所做的简短介绍中用来获得一些 AI 帮助的提示：

正如您所看到的，我设计了这个提示来为 AI 提供它需要的关于目标、上下文和输出格式的所有信息。

在这种情况下，我什至对我的格式要求有点雄心勃勃，要求 ChatGPT 使用我包含的关键字作为副标题，并以要点形式创建大纲。

这是它给我的输出：

正如我所希望的那样，AI 接受了我的提示并轻松地将其转换为简报，我轻松将其转变成博客文章——当然，还进行了一些调整和修改。

建立及时的工程技能并优化您的内容工作流程

正如我在本文后半部分所展示的那样，市场营销和内容创作绝对属于 20% 的工作岗位，这些工作岗位将受到生成式 AI 工具的巨大影响。

不要通过恐惧的眼光来看待这个问题，您只需要将其视为营销人员工具包中的另一个工具：搜索引擎优化、社交媒体营销、需求生成、提示工程。

除了高薪之外，创造输入以从大型语言模型中获得更好结果的能力是营销人员和内容创作者需要学习的一项重要技能。 如果采用 ChatGPT API 是任何指标，那么 SaaS 及其他领域的大多数企业公司将使用生成式 AI 工具。

请记住，我们仍处于即时工程的早期阶段，而且一切都在快速发展——非常快。 因此，请确保您掌握 Jasper 和 ChatGPT 等工具的最新发展，尤其是关于如何将它们应用到日常工作流程中。

要进一步了解 ChatGPT 和 DALL-E 等生成式 AI 工具如何彻底改变内容营销，请查看 Ross为 Foundation Insiders 发布的AI 内容工作流程帖子。