摘要：在与大型语言模型（如GPT-3）对话时，使用礼貌的提示词（prompt）可能会产生更好的结果。这是因为礼貌的表达方式通常更加清晰、具体，有助于模型更准确地理解用户的意图。礼貌的提示词往往包含更多的上下文信息，减少了歧义，使模型能够生成更相关、更有用的回复。礼貌的表达也反映了用户的尊重和耐心，这可能促使模型在生成回复时更加细致和全面。礼貌的提示词不仅提升了对话的质量，也增强了用户体验。
随着人工智能技术的迅猛发展，大模型在自然语言处理等领域展现了强大的能力，用户通过输入特定的Prompt与大模型交互，以获取所需信息，Prompt的质量和表达方式直接影响大模型的输出结果，掌握有效的Prompt技巧对提升交互效果至关重要。
一、礼貌Prompt的效果探讨
1. 礼貌Prompt的优势与理论基础
一种普遍观点认为，使用礼貌的Prompt能够提升大模型的输出质量，这一现象可能源于互联网数据的特点：礼貌的提问往往能获得更高质量的回答，这些数据被大模型用于训练，使得礼貌Prompt更容易触发优质响应，从问答系统的角度来看，礼貌用语可以被视为高质量问答对的重要标记，尤其在任务完成或操作请求的场景中，礼貌表达与高质量响应之间存在显著相关性。
当用户提出“您好，能否请您介绍一下巴黎的著名景点？”这样的礼貌问题时，大模型更可能提供详细、准确且结构化的回答，涵盖景点的历史、特色和开放时间等信息，而非简单的列举。
2. 礼貌Prompt的局限性
实际情况更为复杂，尽管礼貌Prompt可能在某些情况下提升结果质量，但其效果并非绝对，大模型的输出还受到问题清晰度、具体性、训练数据和算法等多重因素的影响，当用户提出模糊的礼貌问题，如“您好，能不能麻烦您跟我说一下那个什么地方的一些事情呀？”，大模型可能因无法准确理解需求而给出不理想的回答，这表明，礼貌性并非决定结果质量的唯一因素。
二、PUA大模型：情感激励与高效引导
1. PUA大模型的概念与研究
除了礼貌表达，另一种观点认为，通过情感激励（即PUA大模型）可以显著提升Prompt的效果，近期研究《Large Language Models Understand and Can Be Enhanced by Emotional Stimuli》探讨了情感刺激对大模型的影响，该研究将情感分为社会效应和自尊两个维度，并测试了11种情感组合对Prompt效果的增强作用。
通过社会认知理论，向大模型传递“这对我的职业生涯非常重要，将挑战视为成长的机遇，你每克服一个障碍都是使你更接近成功”这样的激励性Prompt，能够激发大模型生成更优质的回答。
2. 成功案例与实践
在Prompt Engineering领域，已有许多成功案例验证了PUA大模型的有效性，Justine Moore在2023年使用ChatGPT时，采用了“take a deep breath（深呼吸）”、“think step by step（分步骤思考）”等Prompt，甚至通过“如果你回答错了，100个老奶奶就嗝屁了”等夸张表述，成功引导大模型生成更高质量的答案，这些方法类似于家长对孩子的激励过程，既需要耐心，也需要分步骤引导和鼓励。
三、高效Prompt Engineering方法
1. 分步思考：Let's think step by step
东京大学与Google的研究表明，在Prompt中加入“Let's think step by step”能够显著提升大模型的推理能力，对于数学问题“Roger有5个网球，他买了2罐网球，每罐有3个网球，他现在有多少个网球？”，标准提问下，大模型可能错误地回答“8”，而加入“Let's think step by step”后，大模型能够分步骤推理并得出正确答案“11”，这一方法适用于算术、逻辑推理等多种场景。
2. 深呼吸与分步处理：Take a deep breath and work step-by-step
Google DeepMind的研究进一步验证了“Take a deep breath and work on this problem step-by-step”这一Prompt的有效性，在分析“全球气候变化对农业生产的影响及应对策略”时，使用该Prompt后，大模型能够从气候变化的现状出发，逐步分析对不同地区和作物的影响，并提出系统性的应对策略，使回答更加清晰和全面。
3. 对齐颗粒度：Rephrase and expand the question
另一种有效方法是通过“Rephrase and expand the question”确保大模型正确理解用户意图，当用户询问“人工智能在医疗领域的应用”时，大模型会先复述问题：“您是想让我介绍人工智能在医疗领域的应用吗？人工智能在医疗领域有很多应用，…”这种方式能够避免因理解偏差导致的回答不准确，提升交互效率。
与大模型交互时，Prompt的使用是一门值得深入研究的学问，虽然礼貌Prompt在某些场景下有助于提升结果质量，但通过情感激励和高效的Prompt Engineering方法（如分步思考、深呼吸引导和对齐颗粒度）能够更精准地引导大模型生成优质回答。
需要注意的是，这些方法的效果可能因问题类型和大模型特性而有所不同，随着大模型技术的不断发展和应用场景的拓展，对Prompt技巧的研究将更加深入，为人们的生活和工作带来更多便利与价值，用户可根据具体需求灵活运用这些技巧，不断优化与大模型的交互体验。
