在利用 AI 时，很多人会碰着下面 2 个问题：
1. 提示词过于大略
比如，给 AI 发送以下提示词：请帮我写一篇数据剖析报告。这样笼统的描述，由于短缺详细细节，就算是功能强大的 AI，也无法理解你的真实需求，以是只能输出一些套路式的内容，或者哀求你供应更多详细信息。
例如，GPT-4o 模型的回答如下：
2. 提示词过于混乱
比如：请帮我写一篇数据剖析报告，紧张是为了从数据中创造问题，并提出办理问题的建议。我们公司是做零售业务的，领导特殊关注发卖古迹和利润。
目前发卖碰着瓶颈，希望能够通过数据剖析，找到提升发卖古迹的方法。但我现在没有什么思路，叨教你能帮帮我吗？像这样写了很长一段话，把自己混乱的想法一股脑抛给 AI，没有提出构造化的哀求，终极导致 AI 输出的内容可能与你的期望大相径庭。
例如，GPT-4o 模型的回答如下：
虽然 GPT-4o 供应了一篇数据剖析报告的模版，但是 GPT-4o 的回答并不符合我的哀求，我实在不是想让 AI 教我怎么做，而是希望 AI 能把做好的结果给到我，也便是直接天生一份 PPT 格式的数据剖析报告。
那么，怎么才能让 AI 输出符合哀求的内容呢？为了减少误解，提高 AI 的输出质量，我们可以利用一个 RTF 模型，这是一个辅导 AI 实行特界说务的框架，由 3 个部分组成：
Role（角色）：定义任务的角色，让 AI 更好地理解将要扮演的身份。Task（任务）：明确任务的目标，让 AI 更准确地理解用户的需求。Format（格式）：界定输出的格式，让 AI 更精确地实行相应的任务。通过这种构造化的办法，AI 可以更清晰地理解你的需求，并输出更符合期望的内容。比如：Role（角色）：你是一家零售公司的资深数据剖析师，深刻理解公司的业务情形，并且闇练节制数据剖析的干系技能，尤其善于数据可视化剖析，长于用数据化解难题，让剖析更加有效，有着非常丰富的数据剖析实战履历。
Task（任务）：公司领导特殊关注发卖古迹和利润，但目前发卖碰着瓶颈，希望能够通过数据剖析，找到提升发卖古迹的方法。为了提升零售业务的效能，给公司创造更大的代价，你须要根据我供应给你的数据，制作一份专业的数据剖析报告，指出从数据中创造的问题，并给公司领导提出相应的改进建议。
Format（格式）：请你输出一份 PPT 格式的数据剖析报告，个中包含图表和剖析解释，并利用《数据化剖析》、《金字塔事理》和《用数据讲故事》等专业书本先容的方法，哀求重点突出剖析结论和建议。
我考试测验了多种不同的 AI，创造「智谱清言」的数据剖析功能比较强大，上传一个测试用的发卖数据文件之后，发送上面的提示词，AI 就自己开始事情了，并天生如下内容和图表：
当实行过程中碰着问题的时候，AI 还会自动想办法予以办理：
末了，AI 帮我天生了一份数据剖析报告，点击下载链接即可保存到本地。
下载并打开这份数据剖析报告后，我创造在排版等方面还存在一些问题，但 AI 确实天生了一份 PPT 格式的数据剖析报告，并给出了相应的结论与建议。
数据剖析不是数字的游戏，而是一种思维的艺术。对付大略的数据剖析报告，你可以让 AI 一次性输出整篇内容。但对付相对繁芜的报告，我们须要像搭建一座屋子一样，一砖一瓦地搭建，从标题到正文，从图表到结论与建议，一步步构建。在这个过程中，立意构思非常主要，就像建筑师在设计图纸之前，须要深入思考环境等成分。
当然，我们可以借助 AI 的力量来赞助进行立意构思，常日有 2 种思维办法：
1. 正向思维适宜已经有明确目标和问题的情形，让 AI 去实行研究剖析的任务，就像是有了设计图纸，让工人去建造一样。
2. 逆向思维如果我们不知道该当提出什么问题，可以反过来让 AI 对我们进行提问，就像是在设计图纸之前，可以先问问自己，我们真正须要若何的屋子。
当 AI 天生数据剖析报告的初稿之后，我们还须要像园丁一样，对内容进行修剪和优化，紧张有以下 3 种方法：
修正相应的提示词如果天生的内容与预期结果有较大偏差，须要考虑修正提示词，就像园丁创造植物的成长方向不对，须要对其进行调度。例如，调度提示词的表述办法、增加新的内容哀求等，以使提示词更加贴近实际需求。指出答案存在的问题当内容问题不大，并且能够明确指出时，可以见告 AI 目前还存在哪些问题，并供应详细的修正建议，就像园丁对植物进行适当的修剪。例如，对付某一部分内容进行细化，调度某一部分内容的措辞表达办法等。直接重新天生多份答案对付同一提示词，可以让AI多次重新天生，或者用不同的AI来天生，这样就可以优中选优，就像是园丁考试测验不同的修剪方法，找到最适宜植物成长的办法。末了，你还可以利用比拟思维，把多份不同的回答拿来做比拟，组合出更好的数据剖析报告，就像是园丁在修剪之后，还须要比拟不同植物的长势，以确保全体花园的和谐与俏丽。用 AI 赞助写好数据剖析报告的过程，就像一场思维的盛宴，让我们一起享受这场盛宴，用数据化解难题，让剖析更加有效。
本文由大家都是产品经理作者【null】，微信"大众年夜众号：【林骥】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。
题图来自Unsplash，基于 CC0 协议。
