A. 优化你的人工智能协作（1）

通过以下三项优化，从人工智能中获取更多价值，助力你应对人工智能挑战。

打磨你的提示词：无论是什么提示词或一系列提示词帮助你取得了突破，都不要认为它已经完美无缺——永远不要。正如厨师不断调整食谱一样，继续尝试和改进你的提示词，看看什么能带来更好的结果，以及不同的提示词在不同工具中的效果。此外，由于工具在不断变化，你可能会发现一个原本效果不错的提示词突然返回了低质量的结果。不要就此认定它不行——情况可能再次改变。重新审视各种工具——不要因为一次糟糕的体验就将它们弃之不用。

我最喜欢的策略之一是让人工智能参与到打磨提示词的过程中。只需把你的挑战、你当前的提示词，以及你对更有价值结果的思考告诉它——然后请它给出建议，帮助你获得更好的结果。一些软件提供商甚至直接将这类提示词帮助功能内置到了工具中。

但定期回顾你的研究也很有帮助，看看是否有人发现并分享了解决类似人工智能挑战的新方法。正如你所知，这是每个人都在学习的时刻，这也意味着有许多人在继续发现并分享他们的成功经验。

开发你的数据：数据是人工智能的基本燃料。通过思考那些能够帮助人工智能为你提供更好结果的额外数据，你可以获得更佳的输出。模型已经在训练中吸收的海量数据的基础上运行。问问自己：你能获取哪些数据来帮助人工智能为你提供更好的结果？例如：

任务 可帮助人工智能为你提供更好结果的数据 以我独特的语气起草社交媒体帖子 你自己的写作范例、社交媒体互动指标、过往成功的帖子、品牌指南、目标受众画像以及竞争对手分析 为我的产品发布开发入门指南和客户服务脚本 产品手册、客户画像描述、会议记录、测试版用户反馈、常见问题解答、竞品产品指南以及用户旅程地图 识别产品改进方向并确定功能开发的优先级 用户反馈数据、使用情况分析、客户支持工单、市场研究报告、竞品功能列表以及行业趋势分析 制定个性化的营养计划 饮食日记、健康指标（体重、血压等）、健身目标、过敏/不耐受情况、饮食偏好以及喜爱的食谱 设计定制化的花园规划方案 土壤测试结果、光照数据、当地气候信息、植物偏好、院子尺寸、水源情况以及该空间的照片

人工智能聊天机器人能够吸收相当数量的背景说明、文件、模板以及其他形式的数据来引导其生成回应。你输入到人工智能中的这些数据和指导构成了你的"上下文窗口"，但你可以将其视为系统的即时记忆。上下文窗口正在迅速扩展，使你能够输入相当于数百页文本的内容（企业客户可使用的内容甚至更多），这使得人工智能能够审阅整份技术文档、长篇文学作品以及冗长的财务报告。

对于许多任务来说，当然不必使用如此大量的数据，并且就本文撰写之时，模型有时会因为大量内容而"感到困惑"。将工作分解为较小的任务，逐步与人工智能协作，对于在处理更多数据时保持高质量的回应非常有帮助。

有时采取额外的步骤让人工智能将数据综合成指南或模板是非常有价值的，这样在未来的人工智能对话中可以快速上传。这些"可复用的人工智能简报"为你提供了一个机会来回顾和检查人工智能的"思考"，协作进行优化，并为你在未来的人工智能交互中提供一种高效的引导方式。

重新测试：定期在不同的工具中并使用新版本测试你的人工智能挑战。人工智能模型发展迅速，你今天偏好的工具可能在下个季度（或下周）就会被超越。通过试验每个新版本，主动了解它是否能针对你的特定需求带来更好的结果。这种持续评估确保你始终在为你面临的挑战使用最有效的人工智能解决方案。

B. 简化流程，实现重复性成功

以下是我最喜欢的策略，用于简化突破性成果，使其更容易、更快速地再次执行。

记录你的发现：

将你有效的提示词和指令保存在一个文件中，以便于查阅和分享。相信我，当你快速推进工作时，这些内容很容易变得零散或丢失，而像快速访问提示词这样简单的事情，能让你更有可能持续使用它们。这可以是一个简单的 Microsoft Word 文档、Google 文档或 Airtable（便于共享），也可以是一个更复杂的数据库。我经常使用 Notion 来帮助我整理工作，其中包含处于不同开发阶段的 AI 挑战的不同板块，以及指向我的可复用 AI 简报的链接。

这一步对于团队来说尤为重要，因为在团队中可能有多个成员同时工作，以识别和寻找 AI 挑战的解决方案。为了满足这一需求，一类新的工具正在兴起：提示词管理平台。这些平台帮助团队集中和组织提示词，跟踪迭代过程，分享成功的策略，确保一致性，并维护版本控制。