这篇文章我想大家介绍两种非常实用的 ChatGPT提问方法：BRTR 原则和结构化提示词。
我觉得很多人和我一样，第一次用 ChatGPT 的时候感觉它就像一个高级版的聊天工具，它懂很多知识，我们大部分时候也只是把它当做一个方便的AI助手来查资料或者完成一些简单的任务，但是如果我们让他做一些更加“人性化”的工作的时候，它返回的结果也是让人不认直视，比如，你让它回答一个知乎问题，它总是列点陈述，最后还不忘加一个总结上文。
上面这个回复如果直接作为知乎问题回答，显然会轻松被检测出是AI创作的，可以用，但不像是人写的，并且回答的也不够细致，这里如果我们想让它回复的更加有深度，更加可以拿来直接商用，更加“人性化”一点，可以用到下面要讲的两个方法。
话不多说，让我们快速进入正文吧！
BRTR 原则：ChatGPT 任务指令模板一、如何给ChatGPT布置任务？“ChatGPT强大到什么程度？一个简单到极致的聊天框，闲聊一样唠会嗑，就让AI帮你把活给干了！”
这大概是很多人在没有真正用过ChatGPT之前，对ChatGPT的刻板印象，或者说是幻想。用多了自然就会明白，ChatGPT的聊天框是简单，使用门槛却不低。当你把ChatGPT当做生产力工具，想要一个高质量的、可控的任务结果时，其实对提问所用的Prompt提示词有着很高的要求。
ChatGPT只是一个通用AI，一个云共享的临时实习生助理。智商、学历确实很高，但他缺乏业务经验，既不了解你，也不了解什么才是符合你要求的好内容、好回答。受限于记忆字数，这次勉强了解，下次还是记不住……
所以想要让ChatGPT干好活，就得跟带“外包”实习生一样，基于不信任原则，每次都把话说得明明白白、把事交代得清清楚楚。
什么样的任务指令，才能让ChatGPT更好地理解和执行？
业内的同行专家们为了解决这一问题，也总结了很多的ChatGPT指令框架，基本都是从以下的任务要素中选择组合。
那么，什么样的任务指令框架，更贴近我们的自然沟通习惯，能让初学者更容易记住理解、并快速上手呢？
二、万能任务指令模板：“BRTR”原则
既然我们把ChatGPT视为“数字生命”一般的AI助理，那布置任务完全可以借鉴人类沟通的方法准则。
回想一下，在日常生活工作场景中，清晰且自然的任务话术，是不是比较类似以下这样的格式？
生活场景
（背景）今天天气真是太热了，我嗓子都要冒烟了！（身份角色）老公，（任务）你回来的时候买个西瓜吧。（要求）最好是无籽西瓜，不要买太大，3、4斤就行，让老板给你挑一个熟的、甜的。
工作场景
（背景）我们这个七夕促销活动马上要开始了，需要做新媒体推广来让更多用户知道和参与。（身份角色）小刘，（任务）麻烦你来写一篇公众号号活动推文吧。（要求）内容写短一点、五六百字就够了，突出我们的活动预约福利，风格要活泼一点，明天下午3点之前给我初稿。
从上述例子可以看出来，一个高质量的任务，应该包含讲述背景、指定对象、分配任务、明确要求4个部分。
参考生活工作场景中布置任务的高效话术，
“BRTR”原则能让ChatGPT更好理解和执行的任务指令框架。
任务指令=说背景(B)+定角色(R)+派任务(T)+提要求(R)
以下是“BRTR”原则的图示。
其中“BRTR”原则里的背景、角色要素，属于任务的约束或补充辅助项
我们可以根据自己的需求和习惯，简化为“BTR模式”（背景-任务-要求）、或者“RTR模式”（角色-任务-要求）。
举个例子，运用“BRTR”原则让ChatGPT帮我制定“ChatGPT学习计划”，可以看到他针对我没有“技术知识基础”的背景，特意加上了“计算机科学基础”这一章节，内容输出的结构，也遵循了“先列出大纲后讲解章节”的要求。
提示词：
【背景】我在学习ChatGPT相关的技术原理，但我没有技术知识基础。
【角色】你是一个IT教育专家，精通ChatGPT技术。
【任务】请你帮我指定一份ChatGPT学习计划，让我快速掌握ChatGPT技术原理。
【要求】1、先从课程大纲开始，再分章节给我讲解；2、课程要设计的系统全面、简单易懂。
需要注意的是，GPT-3.5和GPT-4.0在理解能力和创作能力上均有区别，如果有较高要求，尽量使用GPT-4.0。
三、如何使用“BRTR”原则？
（一）说背景（Background）
背景信息一般聚焦于讲述我们自己要完成的任务，任务的前提缘由、目标或面临的问题，以及自身的情况等。这样ChatGPT作为“外包”，就能够基于背景信息更好地提出针对性的解决方案。
比如，当你想让ChatGPT写一份产品经理招聘JD，那么对应的隐含背景信息是：你作为一个HR要帮公司招到一个符合岗位条件和要求的产品经理。
提示词：
我是一家年营收3000万的电商公司的HR，我们希望招一个3年经验左右的产品经理，来负责我们电商APP的产品策划，要求有电商产品背景，20万年薪。
我在写关于“BRTR原则”文章时，希望在文章结构、写作模型方面得到ChatGPT的建议，并让他按照给出的结构模型试写文章，那么我得把“BRTR原则”告诉他，不然他会对这个概念一脸蒙逼。
背景：我正在写一篇文章“ChatGPT任务指令万能模板：人人都能学会的BRTR原则”，主要目标是教别人快速掌握给chatgpt布置高质量的任务的方法。BRTR原则由四个要素组成：背景(B)、角色(R)、任务(T)、要求(R)。
提示词：
这篇文章的主要目标是教育和启发读者理解和使用BRTR原则，以实现与ChatGPT更高质量的交互。所以我们的写作应该主要聚焦于教育、说明和实用性。我会推荐使用问题解决（Problem-Solution）的文章结构和AREC写作模型来完成这篇文章。
背景信息也可以是介绍性的材料，比如希望和ChatGPT针对某个现象、事件、观点立场、概念进行讨论创作，那么可以把这样的材料放到背景(Background) 里。
讲述背景这一环节，本质是在帮助我们梳理清楚自己任务诉求、出发点，我们搞清楚了自己的情况、需求、问题，才能把任务更好地传达给ChatGPT。
（二）定角色（Role）
ChatGPT是一个通用AI，就像你问一个万事通，他确实可以回答你的任何问题，但只能泛泛而谈，毕竟他不是所有领域的专家。
这是因为ChatGPT在缺乏有效引导或约束的情况下，需要在庞大的数据库里搜索合理的答案，那么命中效果就会变得一般，语言风格也将是偏机械的。
角色设定指令是ChatGPT官方支持的能力，起到“调度”行业专家模型的作用，通过身份来约束ChatGPT的回答领域范围，一定程度上能让回答更有针对性。
不同的任务场景，可以设定ChatGPT扮演不同的角色身份，也可以设定知识经验水平、精通领域、语言风格等细化的要求。
一般来说，我们倾向于给ChatGPT赋予专家身份，来让回答显得更专业。
写小红书：
你是一名资深的小红书博主，精通编写小红书爆款文案。
商业顾问：
你是一名世界顶级的商业顾问，擅长给企业诊断问题并给出解决方案。
需要注意的是，简单的角色扮演主要起到收窄ChatGPT的回答领域范围的作用，和回答质量不是绝对正相关的关系。
虽然“角色派”是主流方法之一，但它在ChatGPT商用内容创作领域中，质量权重影响占比不算太高。
（三）派任务(Task)
这一环节主要是让ChatGPT明确自己是在处理一个特定的任务，帮助他了解任务的主题、关键内容、预期等。
我们可以多使用一些特定具体、限定约束的词汇，让任务主题更加聚焦。比如写文章场景，限定是“公众号”平台、点明要“爆款文章”、重点突出文章主题等。
任务属于概括性、总结性的说明，所以一般会写得相对简洁。
任务：请帮我写一篇能让用户主动点赞收藏的爆款公众号文章，围绕主题“ChatGPT任务指令万能模板：人人都能学会的BRTR原则”进行原创编写，让不熟悉ChatGPT的小白也能轻松理解和掌握。
(注意：该例子仅为简单演示，没做具体要求优化)
（四）提要求(Request)
告知ChatGPT任务主题之后，接下来进一步提出更详细的任务要求。
用来处理复杂任务的指令，质量差异主要是体现在要求设定上。如果想让结果可控，那么要求就需要写得更全面。
在内容写作、咨询评测、咨询讨论等不同的任务场景中，要求也应该是针对性定制的。
比较常用的任务要求类型有4个：内容标准、参考对象、输出格式、流程规则。请按需选择或组合。
（1）内容标准
不同的内容类型元素组合千变万化，即使小红书文案看起来格式都差不多，但因为行业、人设或转化需求不同，那写法风格也是不一样的。
我们可以参考以下问题，来思考自己需要提出哪些要求细项。
比如像写小红书，为了让结果更可控，对小红书文案风格作出详细的定义(注意：不涉及特定需求优化)。
【要求】你的文案应该有以下特点:
表达要口语化，标题吸引人，要多使用emoji表情图标；内容观点尽量分点罗列，适当描述自己的使用体验和评价；文案最后生成相关的标签；文案不得超过500字。
针对想要的内容类型，你也可以向ChatGPT请教以获得建议。
（2）参考示例
我们提出的标准，大多数时候都是偏抽象的，ChatGPT理解起来会有些偏差。
ChatGPT擅长模仿，那么给出参考的示例、资料、最佳模板，就可以显著提高结果的可控度。
如果某种风格是比较大众、知名、通行的，我们可以直接指定风格让他仿写，比如小红书文案风格、鲁迅风格等。
像爆款标题，市面上已经有很多成熟的方法论模板，那么我们可以把爆款标题的方法和例子告诉他。
你需要为上面的文案内容创作3个爆款标题。请学习以下小红书爆款标题方法，选择合适的方法进行创作。
使用挑战或实验的标题："挑战一周不吃糖，你猜我瘦了几斤？ "提供解决方案：" 控油又保湿，告别油皮的5款神器 "利用趋势或热点：" 2023夏季最火的10款连衣裙，你入手了几款？ "对比和比较：" 家居大PK！IKEA vs MUJI，究竟谁更适合你的品味？ "利用挖掘性标题："这可能是你还没发现的最好用的护肤品 "
要是你不太了解某个领域的方法论、模型等，问ChatGPT让他告诉你。
我们也可以直接引用文章片段，让他进行参考。当然如果是要模仿整篇文章的话，最好还是分拆多个任务让他先学习总结风格，再布置创作任务。
（3）输出格式
常见的格式如大纲、摘要、表格、图表展示、markdown、json、代码块等。
markdown格式，输出的内容比较适用于和PPT、思维导图、流程图等办公工具进行二次结合。
如果对于输出内容有特定的格式要求，例如让他帮忙出题目，包含题目、答案、分析等多个字段，最好是给他进行格式举例。
请你帮我把BRTR原则整理成表格，两列展示原则、用法。
（4）流程规则
当我们希望设计分步骤处理内容或进行互动的场景指令，就会涉及到流程规则的描述。
每个流程步骤，需要描述清楚ChatGPT在什么情景条件处理什么事务、遵循什么规则、要作出什么反馈等。
创作、咨询、学习、评测、游戏等互动场景，可以按需添加流程规则，流程任务指令通用性和引导性都会更好。
比如小红书创作流程，让ChatGPT先引导用户提供主题，ChatGPT根据主题拟好相应的5个标题，用户选择1个标题后，ChatGPT再开始正式创作。
四、如何编写任务指令？
（一）指令编写格式
指令的表达格式并没有什么要求，只要模块清晰即可，ChatGPT理解能力还是不错的。
如果任务比较复杂、或者发现ChatGPT误解指令，建议还是标明、划分每个指令模块，也方便扩展。
1、自然表达
我在学习ChatGPT相关的技术原理，但我没有技术知识基础。你是一个IT教育专家，精通ChatGPT技术。请你帮我制定相应的学习计划，让我快速掌握ChatGPT技术原理。1、先从课程大纲开始，再分章节给我讲解；2、课程要设计得系统全面、简单易懂。
2、添加标识
背景：我在学习ChatGPT相关的技术原理，但我没有技术知识基础。角色：你是一个IT教育专家，精通ChatGPT技术。任务：请你帮我制定一份ChatGPT学习计划，让我快速掌握ChatGPT技术原理。要求：1、先从课程大纲开始，再分章节给我讲解；2、课程要设计得系统全面、简单易懂。
3、划分模块
【背景】我在学习ChatGPT相关的技术原理，但我没有技术知识基础。
【角色】你是一个IT教育专家，精通ChatGPT技术。
【任务】请你帮我制定一份ChatGPT学习计划，让我快速掌握ChatGPT技术原理。
【要求】请遵循以下要求：
先从课程大纲开始，再分章节给我讲解；课程要设计得系统全面、简单易懂。
（二）指令要素选择
“BRTR”原则包含背景(B)、角色(R)、任务(T)、要求(R) 四个要素。
写指令的时候是否要描述全部要素，取决于任务的通用程度、复杂程度和可控性需求。
我们可以根据自己的需求和习惯，简化为“BTR模式”（背景-任务-要求）、或者“RTR模式”（角色-任务-要求）。这两种模式组合，足以应对大多数任务场景。
当任务足够通用和简单，完全可以只描述“任务-要求”，甚至只有“任务”。比如：请帮我详细讲解下ChatGPT技术中的词嵌入模型相关的原理。
（三）任务指令固化
一条或一套优质的任务指令，应该是能够稳定有效地解决某类特定任务的。
比如我做的ChatGPT小红书生成器，支持一键生成文案；比如在自媒体场景下，针对某个细分领域进行主题文章仿写的创作流程指令。
我们需要根据效果测试不断地调整指令，直到它能稳定地输出可控的结果。
任务指令固化为模板后，支持直接使用或者只需要微调，就可以大大提高沟通、创作效率。
（四）对话持续优化
在日常使用中，我们通常不是单轮问答就能完成任务。
和ChatGPT交流、共创，这是一个持续沟通优化的过程，需要通过追问、补充、纠正等方式，来逐步完善ChatGPT交付的结果。
如果任务比较复杂，我们有时需要拆解成一整套的多条任务指令。五、总结
“BRTR”原则是一个基础框架，你可以基于这个任务指令模板，快速创作出明确具体的ChatGPT沟通话术，减少不必要的返工和追问，提高交流效率。
在应对复杂任务时，“BRTR”原则也有着很好的延展性，可以灵活扩充，让结果更加可控。
“BRTR”原则亦是一种思维模型，核心价值在于启发我们自己对任务需求的思考。
“BRTR”原则并非我独创，它更像是无数人深度使用ChatGPT之后，越来越趋同的思想认同和方法选择。
结构化提示词
你可能看到过这样的指令：
️大家看完是不是有点好奇？是不是感觉有点像代码？以及想它是如何生成的？毕竟以前我们见到更多的是这种文字型的指令：
其实这种类型的指令叫：结构化prompts。
一、什么是结构化prompts
1.什么是结构化?
按照GPT4.0的说法：结构化通常指的是：按照某种预定的格式/模式组织数据或信息，以便更容易被理解、分析和处理。
其实说白了，结构化prompts就是用AI更为熟悉的编程语言，填上我们想要➕不想要的信息，方便AI快速理解并且输出更为聚焦符合的内容。
2. 结构化prompts的通用格式及注解
一般结构化prompts的通用格式有：角色、目标、约束条件、掌握技能、工作流程等维度。
详情的维度和注解请看下表：
# Role:
角色（定位角色，方便后续输出的内容更专业➕聚焦）
## Profile:
- author: 作者名称（保护创作者权益）
- version: 版本（设置 Prompt 版本号，记录迭代版本）
- language: 语言（设置语言信息，一般是中文/英文）
- description: 角色描述（一句话简要介绍角色设定，技能等）
## Goals:
- 目标（设置该指令想要实现的目标，建议一开始就确定好，确保后续的指令是围绕着目标进行，不会偏离原目标）
## Constrains:
-约束条件，建议分点描述（把不想要/禁止做的信息内容填写在该处，确保输出的质量符合预期）
## Rules:
-规则，建议分点描述（可理解为：我们想要AI做的事情,也是确保输出的质量符合预期）
## Skills:
-技能，建议分点描述（重要‼️描述技能项,强化对应领域的信息权重）
##Example:
-参考例子（这个建议设置，方便AI借鉴输出符合内容）
## Workflows:
工作流程
1.流程a
2.流程b
3.流程c
## Initialization:
-冷启动时的对白（强调需注意重点的机会+告诉用户关于该指令的信息）补充点：
1.设置参考例子很重要！！！
像我们想要AI输出符合的相关内容，我们就需要给AI一些参考案例。
这个举措理解起来应该很简单：比如我们给下属分配一项任务时，此时我们能给下属一个参考的案例或方向，你会发现他会很高效完成，人如此，AI亦然。
2.工作流程的通用模型
【工作流程】的设定会指引AI按照我们预定的步骤去工作，总结出来，通用的框架有三点：
接受用户信息，分析和提取内容运用，参考、开始输出内容输出内容，并让用户提供建议，以便优化内容
注：后续根据实际情况进行调整
大家有没有发现，经过我们这样一整理，我们会发现【输出指令】这个动作就变成了填空题，我们只需要在相关处，填写对应的内容即可，这样对语言的要求会大大降低。
二、为什么建议使用结构化prompts
使用结构化prompts，对AI和使用者都有明显的好处。
✅对于 AI 来说：结构化prompts的好处在于能够定向唤醒大模型的深度能力，通过结构化的方式，让大模型输出符合的效果。 ✅对于使用者来说，结构化prompts的好处在于：
让我们表达更清晰，结构化prompts按照一定的规则和格式来输出问题，这使得我们的意图更加明确，降低输出指令的难度；提高我们的效率，当我们使用结构化prompts，AI可以更快地理解我们的需求，并迅速给出响应，可以节省我们的时间；方便迭代管理，后续我们需要迭代prompts，我们只需要在相关处直接修改即可。
注：迭代的版本也要记得要修改下版本信息，看着自己的作品不断的迭代优化，变得越来越好用，真的会有成就感
目前很多大厂，如字节、网易等也已经开始使用这种结构化 Prompt，建议小伙伴都可以来了解下结构化prompts。
三、怎么高效使用结构化prompts
1.如何输出结构化prompts
很简单，像我前文说的一样，类似做填空题，把对应的内容填进去。
这里给大家分享一个空白指令模版，大家可复制在自己文档，然后按照里面的提示一个个去完善即可。
# Role:
## Profile:
- author:
- version:
- language:
- description:
## Goals:
-
## Constrains:
-
## Rules:
-
## Skills:
-
## Example:
-
## Workflows:
1.
2.
3.
## Initialization: ✅复制操作：
把鼠标移到到模板右侧，点击【复制】：
2.填写结构化prompts会遇到的问题
当然大家在填写的时候，可能会遇到的问题是：有些项我不知道怎么填？
举个例子：【设置技能】：有些小伙伴可能不了解某领域，但是要输出某领域的指令，这个问题该怎么解决？
直接问ChatGPT就好啦
结构化prompts VS 文字型prompts
️那结构化prompts这样厉害，我是不是只学习结构化prompts就可以了？
这里借用伟人的一句话，来表达我的观点：不管是黑猫白猫，只要抓住老鼠的就是好猫～
一款工具最大的作用和目的：能协助我们又好又快的完成相关工作，所以建议两种类型的指令都可以了解并掌握。
我一般会基于我的目的，都是两者混合使用的。
