来源 |九章智驾
知圈 | 进“滑板底盘群”请加微yanzhi-6,备注底盘
我是一个自动驾驶行业的产品经理，也是ChatGPT的第一批用户。第一次遇见ChatGPT是在去年十二月的第一个星期，有一个搞AI的朋友在群里发了一张与ChatGPT的聊天截图，引起了我的兴趣，从此我便一发不可收拾。
刚开始，我与ChatGPT的交互主要限于找乐子：我和ChatGPT一起写小说，叫它读我朋友写的诗，用它和楼上一大早就开始装修的邻居吵架。
△一些关于风水的友好建议
后来，我用它画流程图，做数据分析，帮我读懂技术与代码，它已经成为了我工作中不可或缺的生产力工具。
△该时序图的内容生成+绘图相关工作由chatGPT完成
我也发现了各种使用ChatGPT的技巧，甚至形成了一套可操作,可重复的ChatGPT方法论"BORE"。用这套方法论，每个人都可以成为ChatGPT的进阶玩家。
一眼看下去是不是有点复杂？别担心，后面的 文章里，我会为大家讲清楚这套方法，并结合例子教会大家它怎么在工作中发挥ChatGPT的威力，接下来我们就一起开始看看吧。
BORE：一套ChatGPT提示设计流程
众所周知，一个描述不好需求、讲话糊里糊涂的产品会让程序员痛苦无比，不仅影响程序员的心情，也直接影响产出的质量。从这个角度看，用户在与ChatGPT的交互中就充分扮演了产品经理“给程序员派活”的角色，写得稀烂的需求自然只能得到稀烂的回应，而如果“需求”设计得当，ChatGPT会给你超乎期待的惊喜。
△我的大学舍友，一位热情洋溢的程序员朋友
写好“需求”是一门技术，在自然语言处理中这门技术其实已经有了自己的名字，我们的输入被叫做"prompt"，也就是提示。而写好提示的技术就叫做“prompt engineering”，也就是提示工程。这是一门高度依赖经验的技术，我在接下来的文章中会总结我的提示工程实践，教大家如何为这个“程序员”写好“需求”。我总结的技巧中会包含一些具体的应用场景，帮助大家更好地理解。
讲清楚背景，为ChatGPT提供充足信息
在我们告知它之前，ChatGPT对于各种具体的业务场景（背景）所知甚少。讲清楚背景是发挥ChatGPT强大能力的关键。
应用场景1：干活前先让ChatGPT进入角色
“干线物流自动驾驶“目前在自动驾驶领域是一个很火的方向，那么现在我们就以这个方向作为例子，假装自己是一家干线物流驾驶公司的产品。
来看看应用场景1，由于我们现在假装自己是一家干线物流自动驾驶企业的产品，可以在需要chatGPT辅助我工作前先运行这条prompt：
"我们公司研发L4级别的自动驾驶卡车系统。我们的车辆拥有一辆L4自动驾驶车辆所需要的算力，传感器与能力，但是目前车上会有司机作为安全员，自动驾驶系统会辅助司机的驾驶，帮助卡车司机开车更轻松，更安全，更节油。我将提供产品经理日常工作中的一些实际问题。这可能涉及设计具体的自动驾驶功能，进行数据分析，分析具体的行驶场景并提供有效的反馈等。你能够明白这件事吗？”
这个例子中，我们告诉了ChatGPT宏观的业务背景，并顺便检验了prompt的效果。在读到上面的内容后，ChatGPT就自动代入了自动驾驶产品经理的角色。后文的所有其他例子都是在ChatGPT进入角色的前提下进行的。
我们来详细拆解这条prompt的设计：
1. 阐述背景，点明当前的业务范围及业务目标：“ 我们公司研发L4级别的自动驾驶卡车系统。 ”然后进一步告知当前业务的细节：“ 我们的车辆拥有一辆L4自动驾驶车辆所需要的算力，传感器与能力，但是目前车上会有司机作为安全员，自动驾驶系统会辅助司机的驾驶，帮助卡车司机开车更轻松，更安全，更节油。 ”告诉chatGPT大致的任务范围：“ 我将提供产品经理日常工作中的一些实际问题。这可能涉及设计具体的自动驾驶功能，进行数据分析，分析具体的行驶场景并提供有效的反馈等。 ”
2. 确定 效果，我一般会反问一句它是否理解，以此来检验传达的信息是否清楚，有没有被正确地理解。
下面是场景1的运行结果：
△场景1的运行结果
应用场景2：起草文档的结构与框架
熟悉了业务，就要开始干活了。ChatGPT进入角色后，我们来试试让它提供一个产品试乘报告的框架。我们为ChatGPT提供了“背景”，定义了“任务目标”：
" 现在，作为一个产品经理，你需要去试乘我司的产品，用敏锐的目光去发现改进点，并提供建议。请为我提供一个试乘体验报告框架模板，模版要涵盖产品体验的不同方面，使用逻辑严密，清楚的语言，有优雅，清晰，易于理解的结构。
这是一款自动驾驶卡车。这辆卡车上有司机，它将在一条主要是高速的长途货运路线上装载货物运营。"
我们给ChatGPT的prompt可以被拆解成以下的部分
1. 阐述 背景：这是一款 自动驾驶卡车，车上有司机，跑的是长途
2. 定义 任务目标：扮演的角色是产品，任务是写试乘报告模版框架，内容涵盖哪些方面，需要使用语言特点如何等等
下面是场景2的运行结果：
△场景2的运行结果
小作业：ChatGPT非常细心，可以捕捉到微小的细节，所以“写背景”这件事很重要。不信把场景1中的"我们公司研发L4级别的自动驾驶卡车系统”换成”我们公司研发L4级别的自动驾驶卡车“，再运行场景2试试。
给ChatGPT打绩效：定义目标&关键结果，试验并调整
各位在科技公司工作的同学们一定对OKR非常熟悉：这是一个标准绩效管理工具，我相信这篇文章的很多读者都写过OKR，被OKR打过绩效。不过在这里，我们主要是运用OKR来描述任务目标，管理任务的预期结果，并在任务的目标和期望上与ChatGPT达成共识。
那么，OKR是什么呢？我们先来回顾OKR的内容：OKR的英文是Objectives and Key Results，由两个部分,"Objectives"，任务目标和"Key Result"，关键结果组成。定义“任务目标”表达了我们希望实现什么，而定义“关键结果”则让ChatGPT知道实现目标所需要达成的具体、可衡量的结果。
我们在之前的场景中其实已经为ChatGPT定义了OKR，例如在“应用场景2 起草文档的结构与框架”里，“ 提供一个试乘体验报告框架模板”就是“O”，而" 要涵盖产品体验的不同方面，使用逻辑严密，清楚的语言，有优雅\清晰\易于理解的结构"则可以看做“KR”。
添加细节在ChatGPT的prompting中会起到立竿见影的效果，ChatGPT会对这些小细节做出巨大的反应。例如，有研究人员发现在GPT-3（可以理解为ChatGPT的爸爸）的输入前加入"Let's think step by step",就让它的推理准确率从17.7%暴增到78.7% [1]。
现在，作为ChatGPT的使用者，各位自然是巴不得它能够发挥出全部性能，又快又好地出活。既然已经有了顺手的胡萝卜（OKR），那么是时候请我们亲爱的小毛驴（ChatGPT）拉磨了
△设定了好的目标就是成功了一半
接下来我们看一个具体的例子，更好地理解这种思想与ChatGPT提示工程的结合。
应用场景3：分析具体业务场景
我们来看应用场景3，自动驾驶产品经理在工作中常常要定义各种复杂场景，我们在这个prompt中要求ChatGPT协助我们定义一个简单的他车激进切入场景：
“ 在我车在高速上行驶时，常常会有他车从相邻车道从非常近的距离切入我车车道，造成碰撞风险。请用自然语言描述与定义这个场景。
语言风格：清晰，有逻辑性，可靠，容易使用计算机程序建模。
建模要求：描述清楚事情的过程和时序关系。注意用数字量来定义临界点。将切入的步骤编好序号。建模要体现两辆车的交互
我们的自动驾驶车辆被称为ego，他车被称为npc。 ”
在这个例子中，我们在阐述了背景，定义了任务目标的基础上再给出对任务的详细要求（也就是key results）。prompt从多个方面规定了对于理想答案的标准。
用刚才的框架对这条prompt进行拆解：
1. 阐述 背景：宏观的业务背景已经在“让ChatGPT快速进入角色”中给出。所以我们进一步为ChatGPT描述了微观的具体业务场景（高速上被他车切入）。
2. 定义 任务目标：任务目标O是“ 用自然语言描述与定义这个场景。 ”
3. 定义 关键结果：这里的KR有 “a. 语言风格：清晰，有逻辑性，可靠，容易使用计算机程序建模。 b. 建模要求：描述清楚事情的过程和时序关系。注意用数字量来定义临界点。将切入的步骤编好序号。建模要体现两辆车的交互。 c. 我们的自动驾驶车辆被称为ego，他车被称为npc。”
KR可以根据个人需求定制。例如在这个例子中，我们用自然语言给场景建模的目的可能是想要给程序员写PRD，所以要
