在写提示词的时候，结构化的思维非常重要，如何写出一个优秀的结构化提示词呢？其实我们可以借鉴一些经典的表达模型。
01 3W1H 模型
Who（角色）：
•角色定义：详细描述你希望 AI 扮演的角色，这个角色的专业背景、知识水平以及他们可能的思考方式。
•角色目标：解释这个角色在任务中的目的是什么，他们希望达成什么样的成果。
What（内容）：
•明确需求：具体说明你希望 AI 提供的内容类型，如博客文章、故事、技术文档等。
•细节要求：列出你希望包含的关键点、主题或论点，以及内容的结构要求。
Why（背景/目的）：
•背景信息：提供任务的上下文，解释为什么这个任务是重要的。
•目的阐述：明确你想要达到的目的，以及内容的预期用途。
How（产出方式）：
•期望结果：描述你希望 AI 产出内容的风格、语调和格式。
•红线规定：指出你不希望 AI 做什么，如避免特定的话题、语言风格或信息。
范例：
扮演文案专家的角色(who)，
为我的 AI 项目管理训练营写一段朋友圈文案(what)，
我希望这段文案可以吸引朋友圈中对于 AI 写作感兴趣的人来参加我的课程(why)，
我希望文案清晰简洁、吸引人，我不要过于官方，或过于商业化的文案，我想突出课程本身的价值(how)。
02 问题模型:
问题——背景——请求
问题 (Question): 明确你想解决的问题是什么。
背景 (Background): 提供足够的背景信息，帮助模型理解问题的上下文。
请求 (Request): 具体说明你希望模型做什么。
示例：我是一位自媒体写手，请帮我根据最近发生的热点事件<热点xxx>来寻找5个选题，要求观点新颖，尽量从独特的角度来切入。
03 目标模型:
目标 – 条件 – 期望 (GCE):
目标 (Goal): 描述你希望通过与模型的交互达成的最终目标。
条件 (Condition): 说明实现这个目标的任何特定条件或限制。
期望 (Expectation): 详细描述你期望的输出类型、格式或内容。
04 场景模型
场景 – 任务 – 动作 – 结果 (STAR):
场景 (Situation): 描述你的问题或需求的场景。
任务 (Task): 你希望模型完成的具体任务。
动作 (Action): 你期望模型采取什么动作或方法来执行任务。
结果 (Result): 你期望的结果是什么。
示例：我是一名AI项目经理，我正在准备一份项目报告，我需要你来协助我完成这份报告，在完成报告时要参照我给出的文档，我希望这份报告内容详实，逻辑清晰。
05 定位模型
定位 – 现状 – 建议 (PLA):
定位 (Positioning): 清楚说明你目前所处的位置或状态。
现状 (Current Situation): 描述当前情况或挑战，为何需要建议。
建议 (Advice): 给出具体的建议或解决方案，帮助你改善现状或解决问题。
示例：我是一名项目经理，正在学习项目管理，但感觉进展缓慢，需要一些建议来提高学习效率和理解能力。
责任编辑：
