第2章 语义压缩类提示词
2.1 概念界定和原理
上一章中我们提到过，我们写作提示词，就是要提升LLM准确生成用户期望结果的能力，让LLM更懂用户。
语义压缩类提示词，实际上是带有很强指向性的关键词或短语，这类关键词或短语通常是与特定领域、任务或知识相关的专有名词、知名概念、平台或现象等有关。它们可以帮助模型迅速识别任务的类型或给出相关的答案。以下是一些常见类型的“提示词”和如何构造这些提示词的思路。用户使用这些词时，模型能够理解背后的上下文或需求。
2.2 语义压缩类提示词的分类
语义压缩类提示词，主要分为以下几类：
- 著名人物或经典概念
使用著名人物、思想家、学者等的名字或经典概念、定律作为提示词，可以迅速让模型知道你需要与这些人物相关的信息或观点。
例如
苏格拉底：如果输入“苏格拉底”，模型会自动理解用户可能需要的是关于苏格拉底哲学思想、苏格拉底悖论或他的教学法等相关信息。
蒙特卡洛方法：如果输入“蒙特卡洛方法”，模型会自动理解用户可能需要应用概率论、随机过程等方法的场景。
- 著名品牌、平台或软件
使用著名品牌、平台或软件作为提示词，可以迅速让模型知道你需要与这些品牌、平台或软件相关的信息或功能，一般这类提示词用于文案创作领域居多。
例如
小红书：如果输入“小红书”，模型会自动理解用户可能需要的是关于小红书平台用户画像与调性的文案。
微信公众号：如果输入“微信公众号”，模型会自动理解用户可能需要的是关于微信公众号平台用户画像与调性的文案。
- 特定领域或行业
使用特定领域或行业的黑话作为提示词，可以迅速让模型知道你需要与这些领域或行业相关的信息或知识。
例如
KOL：如果输入“KOL”，模型会自动理解用户可能需要使用KOL（Key Opinion Leader，关键意见领袖）这种角色身份完成相关任务。
2.3 总结：如何构建“语义压缩提示词”
- 选择特定、广为人知的词汇或短语，这些词汇通常在某个领域有明确的含义，并且用户的提问或需求可以通过这些关键词迅速指向。
- 避免使用过于笼统或模糊的词汇，这样可以避免大语言模型无法准确理解用户的意图。
- 结合特定领域的热点话题或现象，例如流行的应用、品牌、人物、概念等，能够帮助模型快速识别用户需求。
这样的一些“语义压缩提示词”可以大大提高与大语言模型交互的效率，使得对话更加精确。
可能有的朋友会问，如果我对于我要完成的任务，并不知道有哪些现成的“语义压缩提示词”，这种情况我该如何构建“听话的”提示词呢？
