关注我，让我们一起在AI时代，成为更好的写作者！
大家有没有这样的感觉，有时候看到一篇文章，虽然字里行间看着还挺像那么回事。
但总觉得哪里怪怪的，读起来感觉机械、僵硬，缺乏人情味？没错，这就是传说中的"AI 味"！
1、使用CO-STAR框架构建高效的提示：Sheila Teo在她的文章中提到，她采用了CO-STAR框架来构建高效的提示信息。这个框架帮助她系统地组织和优化提示词，从而提高了模型的响应质量和效率。 2、利用分隔符进行文本分段：通过使用分隔符将提示词分段，可以更清晰地传达信息，并且有助于模型更好地理解和处理复杂的提示内容。这种方法不仅适用于初学者，也适合高级用户。
3、设计含有LLM保护机制的系统级提示：为了确保提示的安全性和可靠性，Sheila Teo强调了创建包含大语言模型（LLM）护栏的系统级提示的重要性。这些护栏可以帮助防止潜在的错误或不希望的结果。 4、仅依靠大语言模型分析数据集：Sheila Teo还分享了如何仅使用大语言模型来分析数据集的方法，这表明她对大模型的能力有深刻的理解和应用能力。这种方法可以减少对其他工具或代码的依赖，提高整体流程的简洁性和高效性。
一、CO-STAR 框架概述
二、CO-STAR 框架的六个关键要素
C - 上下文（Context）为任务提供背景信息，帮助模型理解问题的具体场景和需求。通过清晰的背景信息，模型能够更精准地调整其回应，提高反馈的相关性。 示例：公司即将推出一款新型产品，需要在社交媒体上进行推广。 O - 目标（Objective）明确要求模型完成的任务或目标。清晰的任务定义能使模型在生成回答时专注于实现该目标，避免产生无关信息。 S - 风格（Style）指定你希望模型使用的写作风格。可以参考某些著名的品牌或专家的文案风格，帮助模型生成更具特定风格的内容。 T - 语调（Tone）设定回应的情感或语调，以确保模型的输出能够传达预期的情感和态度。这可以帮助用户调整内容的感染力和表达效果。 A - 受众（Audience）识别目标受众并根据受众的特点定制回应。这样可以确保内容与受众的理解能力和兴趣匹配，提升内容的有效性。 R - 响应（Response）明确要求模型输出的格式，例如列表、简洁的段落或专业报告等。规范输出格式有助于提高信息的易读性和适用性，特别是在需要与其他工具或系统集成时。
三、示例应用
使用 CO-STAR 框架撰写没有 AI 味的自媒体文章
# CONTEXT（上下文）我是一个AI自媒体作者，专门利用AI生成科技类文章。# OBJECTIVE（目标）根据我给的主题生成一篇关于最新科技趋势的文章，语气自然，读起来口语化且有亲和力，避免让人感到这是由AI生成的。# STYLE（风格）使用轻松、亲和的写作风格，像朋友间的对话一样，避免过于正式或技术化。# TONE（语调）友好、幽默，有时甚至可以带点轻松调侃，确保内容读起来贴近生活。# AUDIENCE（受众）目标读者是二十岁到四十岁的年轻人，他们熟悉科技但不希望看到太过专业或刻板的语言。文章需要简单易懂，内容可读性高。# RESPONSE（响应）输出的文章需要有轻松的语气，句子简洁，尽量使用口语化表达。内容需要流畅，像朋友在分享科技知识，不带任何明显的AI痕迹。
1、使用 CO-STAR 框架生成的结果：
2、分析
上下文（Context）：明确了写作背景，即作者是一位利用AI生成科技类内容的自媒体作者。
目标（Objective）：生成的文章以轻松、口语化的风格写成，避免过于机械化或有明显的AI味道。
风格（Style）：文案使用了轻松的风格，像朋友之间的对话，语句简单直白，避免了过于复杂的技术术语。
语调（Tone）：文章采用了幽默、友好的语气，甚至带有轻松的调侃，帮助拉近与读者的距离，让内容更具亲和力。
受众（Audience）：目标群体是二十岁到四十岁之间的年轻人，因此内容避免了过于深奥的技术细节，重点放在如何让科技改善生活方面，易于理解。
响应（Response）：文案简洁流畅，没有过度专业化，保持了口语化的风格，读起来非常自然，避免了机械化的AI生成感。
四、结尾
文中提到的第二个策略，利用分隔符进行文本分段，大全不久之前写过，大家可以详细看看：
AI 提示词（Prompt）进阶六：编写清晰的说明｜明确输入分隔
专注于AI提示词，AI入门探索实践
