StreamSparkAI

概览/核心摘要 (Executive Summary)

本课程《Google Prompting Essentials》旨在教授用户如何通过撰写高效的提示词（Prompt），充分利用生成式AI（GenAI）工具提升工作效率。课程由Google的AI专家主讲，核心内容围绕一个五步提示词框架展开：任务（Task）、背景（Context）、参考（References）、评估（Evaluate）和迭代（Iterate）。为方便记忆，课程提供了一个助记法“Thoughtfully Create Really Excellent Inputs”。该框架指导用户通过提供明确的角色设定、格式要求、详细背景和参考范例，来获取更精准、更有用的AI输出。

课程强调，有效的提示词是一门“艺术与科学”，需要不断通过“ABI（Always Be Iterating，持续迭代）”的实践来完善。内容涵盖了从基础的文本生成（如构思、撰写邮件）到高级应用，如数据分析、图像生成和多模态提示（结合文本、图像等多种媒介）。此外，课程着重强调了负责任地使用AI的原则，包括保护机密信息、警惕并核查AI可能产生的“幻觉”（不准确或虚构的内容）、避免偏见，并始终保持“人在回路”（Human in the Loop）的方法，即人类必须对AI的输出进行最终的审查和验证。课程中演示的技巧虽以Google Gemini为例，但普遍适用于ChatGPT、Copilot等其他主流GenAI工具。

课程简介与核心价值

• 主讲人与目标：
  • Amina（Google生成式AI团队）和Timothy（Google开发者关系总监）共同授课。
  • 课程目标是教会用户区分“好的提示词”与“卓越的提示词”，从而更智能、更高效地利用AI完成工作。
• AI在工作中的应用实例：
  • Timothy分享了他的“突破性时刻”：使用GenAI将团队成员以不同格式回复的参会时间，在几分钟内自动整理成一个按日期排序的表格，而这项任务手动完成会非常耗时。
• 提示词（Prompting）的核心定义：
  • 定义：向生成式AI工具提供具体指令，以获取新信息或完成特定任务的过程。
  • 性质：它被形容为“既是艺术也是科学”，需要像向团队成员布置新项目一样，提供精确的定义、背景和参数。
• 课程内容与工具适用性：
  • 课程将教授如何利用AI进行头脑风暴、制定计划、撰写邮件、总结会议、分析数据，甚至创建个性化的AI代理（如面试练习）。
  • 虽然演示使用Google Gemini及相关工具，但课程教授的技巧和最佳实践可广泛应用于 ChatGPT、Copilot、Claude 等其他GenAI工具。

高效提示词的五步框架

课程介绍了一个用于构建优质提示词的五步框架，并提供了一个助记法 "Thoughtfully Create Really Excellent Inputs" （深思熟虑地创造真正优秀的输入）来对应其五个步骤。

1. Task (任务)：清晰地描述希望AI完成的具体任务。

   • Persona (角色)：指定AI需要扮演的专家角色，例如“一位有15年经验的营销主管”或“专业的演讲稿撰写人”。
   • Format (格式)：明确要求输出内容的呈现形式，如“项目符号列表”、“短句”或“表格”。

2. Context (背景)：提供必要的背景信息和细节，帮助AI理解需求。

   • 原文对比示例：一个模糊的指令是“给我一些30美元以下的生日礼物点子”，而一个包含背景的有效指令是“为一位29岁、热爱冬季运动且最近从单板滑雪转向双板滑雪的朋友，提供五个预算在30美元以下的生日礼物点子。”

3. References (参考)：提供范例供AI学习，以模仿其风格、语气或结构。这引出了几种提示模式：

   • Zero-shot Prompting：不提供任何参考范例。
   • Single-shot Prompting：提供一个参考范例。
   • Few-shot Prompting：提供多个参考范例。通常 2到5个参考是“最佳区间”，太少则背景不足，太多可能限制AI的创造性。

4. Evaluate (评估)：在获得输出后，评估其是否满足你的需求。

5. Iterate (迭代)：如果输出不理想，通过调整或增加提示词信息来再次尝试。这是有效提示的关键环节。

框架实践与四种核心迭代方法

课程倡导 “ABI: Always Be Iterating” (永远在迭代) 的理念，强调当提示词效果不佳时，应通过持续优化来改进输出。以下是四种核心的迭代方法：

• 框架实践案例：构思运动鞋产品线

  1. 仅任务：生成五个高性能运动鞋系列的点子 -> 输出过于宽泛。
  2. + 格式：...以大纲形式列出每个运动鞋的概念和材料 -> 输出更有条理。
  3. + 背景：...运动鞋应为进行交叉训练的运动员设计 -> 输出更具针对性。
  4. + 参考：输入已存在的两款鞋（一款是平价系列，另一款有新型鞋底）的描述作为参考，进行“Few-shot Prompting”。

• 四种核心迭代方法：

  1. 重访框架：检查任务、背景和参考是否足够具体。
  2. 拆分长指令：将一个复杂的长指令分解为多个简短、连续的提示词，分步执行。
  3. 变换措辞或使用类比任务：如果“写一份营销计划”效果不好，可以尝试“写一个关于该产品如何融入目标客户生活的故事”，从不同角度激发AI。
  4. 引入约束条件：增加限制来缩小输出范围，从而获得更独特或有用的结果。例如，在创建歌单时，可以限制“只包含某个地区的艺术家”或“近五年内发行的音乐”。

使用生成式AI创作图像与多模态提示

• 模态（Modalities）：指GenAI接收或生成信息的不同格式，包括文本、图像、视频、音频或代码。
• 图像提示词技巧：
  • 与文本提示词相比，图像提示词需要 更生动、更具描述性的语言。
  • 需要具体说明图像中的元素、大小、颜色、位置以及整体美学风格（如“摄影风格”、“闪闪发光的吉他”）。
• 多模态提示（Multimodal Prompting）：
  • 定义：在单个提示中结合使用不同类型的媒介，如图像+文本或音频+文本。
  • 应用场景举例：
    • 上传一张图表的照片，要求AI用通俗语言解释其中的数据。
    • 上传一张美甲艺术的照片，要求AI为其撰写有趣的社交媒体推广文案。
    • 上传一张会议日程表的照片，要求AI提取特定活动的时间和地点，并整理成表格。

负责任地使用生成式AI

这是课程的重点部分，强调了安全和道德地使用AI的准则。

• 合规与保密：
  • 在使用AI前，需确认其用途符合组织目标、客户义务以及公司政策和地方法律。
  • 关键警告：切勿将机密或敏感数据输入公开可用的GenAI工具。应检查公司是否提供可安全使用的企业版AI工具。
• 评估与事实核查：
  • 幻觉（Hallucinations）：AI可能生成不一致、不正确甚至荒谬的输出。这通常发生在指令模糊或AI猜测答案时。
  • 人类必须核查：用户有责任对AI的输出进行事实核查和交叉引用。一些工具（如Gemini）内置了事实核查功能。
• 保持“人在回路”（Human in the Loop）：
  • 这是一个核心理念，意味着人类应始终审查和验证GenAI的输出，再将其投入使用。

  • 原文案例：讲师要求AI生成“猫在火箭上”的图片，结果AI将猫画在了火箭的外部。他通过迭代，明确指示“猫应该安全地在火箭内部”，才得到正确结果。

• 识别与避免偏见：
  • AI的输出可能反映或放大社会偏见与刻板印象。
  • 行动建议：在提示词中使用包容性语言，避免性别化或带有成见的词汇（例如，使用“service person”代替“serviceman”）。
• 最终结论：生成式AI是强大的工具，但它们无法像人类一样进行批判性思考或理解细微差别。用户的责任是为每一次AI交互带来人类的视角。