以前嘛，可能简单粗暴地来一句“写篇关于人工智能的文章”，它就能给你堆砌一堆泛泛而谈的陈词滥调。现在你再这么干？它能给你整出花儿来，但十有八九不是你心里的那个味儿。所以，精准，这是第一位的。不是指措辞要多华丽，而是你的意图得表达得明明白白，没有歧义。
你得先给它一个角色设定。对，就像导戏一样。你想让它模仿谁？是像一个严谨的学术研究员分析数据？还是像一个热情的博主分享旅游心得？又或者是一个冷峻的评论家剖析社会现象？不同的角色，它会自觉地切换词库、句式、甚至思考逻辑（至少看起来是这样）。我尝试过让它扮演一个“对生活充满好奇的七岁小孩”来描述雨天，结果出来的文字，那种天真烂漫，那种对水坑的着迷，哎呀，真的让我惊艳。所以，别小看这个“角色”指令，它直接决定了文章的底色和灵魂。
然后是上下文。很多时候，我们不是凭空让它写，可能前面已经有几段文字了，或者你想让它接着某个思路往下写。把背景信息给足，它才不会跑偏。别吝啬那些看起来琐碎的细节，比如“请基于我们前面讨论的这一点，重点阐述其在实际应用中的挑战”，或者“这篇文章是给完全不懂技术的小白看的，用词要接地气，避开专业术语”。看，明确的受众、清晰的目标、甚至负面约束（避开什么），这些都是构建有效上下文的关键。
说到细粒度指令，这是2024年跟AI写作打交道最磨人的地方，也是最出效果的地方。光说“写篇文章”不够，你得告诉它文章的结构：先说什么，再说啥，结尾怎么收。甚至可以具体到“第一段引出问题，用一个设问句开头；第二段列举三种解决方案，每种方案用一个小标题；第三段分析利弊，用对比论证的手法；最后一段展望未来，语气要积极向上，用一个排比句结尾”。天哪，听着像在折腾一个初稿写砸的实习生对不对？但没办法，现在的模型就是需要你把骨架搭好，它才能往里面填肉。而且，你指令越具体，它偏离预期的可能性就越小。
别怕迭代，这几乎是提示词工程的核心所在。第一次肯定不完美，它写出来可能语气不对，或者某个点没讲透，或者夹带了你没要它写的东西。这时候，不是直接扔了重来，而是基于它的输出，给出修改意见。比如：“刚才那段关于技术挑战的描写太笼统了，请具体写一下数据隐私的问题，加入一个真实案例来佐证。”或者“结尾感觉有点仓促，请扩展一下，多描绘一下未来的应用场景，字数增加200字。”这种基于反馈的精修，比从零开始重新下指令效率高多了，而且能一步步把它“调教”成你想要的样子。
对了，别忘了格式要求。标题、副标题、段落长度、有没有列表、需不需要加粗或者斜体，这些都得说清楚。机器这玩意儿，你以为它懂“美观”？它只懂“规则”。你把格式要求写进指令里，它输出的就更接近可用的文本，省得你后期自己动手改格式改到吐血。
有时候，你想要一点儿意料之外的惊喜，想要它有点儿“创意”，这可就有点儿玄学了。你可以尝试用一些启发性、引导性而不是限制性的词语，比如“请用一种出乎意料的方式描述清晨的阳光”，或者“请加入一点点黑色幽默”。但说实话，这很看模型的“悟性”和你的“运气”。别指望它能真像个人类作家那样灵感乍现，大部分时候的“创意”只是它从训练数据里扒拉出来的边缘组合。不过，多试试不同的温度（temperature）参数，或者在指令里加入一些天马行空的元素，有时候确实能撞到一些有趣的火花。
总而言之，2024年的AI写作指令，不再是简单的提问，而是一套复杂的沟通体系。它要求你清晰地思考自己到底想要什么，精准地传达你的需求，耐心地迭代和修正。这过程，与其说是给机器下命令，不如说是在跟一个能力超强但缺乏人类常识和情感的“外星人”学习如何有效协作。挺累的，但一旦掌握了窍门，那种效率提升的快感，嘿，会上瘾的。而且，这个过程本身也在倒逼我们，更深入地思考“写作”这件事本身的本质和价值。毕竟，那些最需要人类智慧、情感和经验的文字，机器目前还触碰不到。我们只是在利用它，把那些可以标准化、规模化的文字活儿交给它去干，然后把自己的精力留给那些真正需要创造力、洞察力和灵魂的地方。这场人机写作的舞步，谁来领舞，指令说了算。
