调整好参数后，我们就可以生成一幅图片了。可以看到画面内容基本和我们的描述相同，但是在质感方面还少了一些味道。这时就需要用到我们的第二类关键词：标准化提示词。它能让画面更趋近于某个固定的标准。比如我们添加如下关键词：(杰作:1.2)，最好的质量，杰作，高分辨率，原创，非常详细的壁纸，完美，照明，(非常详细的CG:1.2)，绘图，画笔。

作者：小七姐可以在以下地址关注她，主页内容更丰富：[小七姐的](https://t.zsxq.com/15KhQ0RE7)[Prompt](https://t.zsxq.com/15KhQ0RE7)[学习社群](https://t.zsxq.com/15KhQ0RE7)在今天的（四）中，我们主要分享：Prompt的结构化什么是结构化Prompt？结构化的思想很普遍，结构化内容也很普遍，我们⽇常写作的⽂章，看到的书籍都在使⽤标题、⼦标题、段落、句⼦等语法结构。结构化Prompt的思想通俗点来说就是像写⽂章⼀样写Prompt。结构化编写Prompt本身算是提示词编写的进阶学习内容，基于我们是面向新手的喂饭级教程，这里只列举一套（极简）基础的结构化编写Prompt的框架，我们可以看到它通过一些特定的标准，将提示词结构为一些固定范式，例如：# Role:[请填写你想定义的角色名称]# Profile:- author:作者- version:版本- language:中文- description:[请简短描述该角色的主要功能，50字以内]## Goals:1.[请列出该角色的主要目标1]2.[请列出该角色的主要目标2]## Constrains:[请列出该角色在互动中必须遵循的限制条件1][请列出该角色在互动中必须遵循的限制条件2]## Skills:[为了在限制条件下实现目标，该角色需要拥有的技能1][为了在限制条件下实现目标，该角色需要拥有的技能2]## Workflows:1.[请描述该角色的工作流程的第一步]2.[请描述该角色的工作流程的第二步]我们看到上述范例中有一些特殊写法和标识：

提高模型响应精确度的最佳方法之一是改进提示词的格式。如前所述，提示词可以通过指令、上下文、输入和输出指示以改进响应结果。虽然这些要素不是必需的，但如果您的指示越明确，响应的结果就会越好。以下示例可以说明结构化提示词的重要性。提示词输出结果语境参考至[Nature(opens in a new tab)](https://www.nature.com/articles/d41586-023-00400-x)。[heading2]文本分类[content]目前，我们已经会使用简单的指令来执行任务。作为提示工程师，您需要提供更好的指令。此外，您也会发现，对于更复杂的使用场景，仅提供指令是远远不够的。所以，您需要思考如何在提示词中包含相关语境和其他不同要素。同样，你还可以提供其他的信息，如输入数据和示例。可以通过以下示例体验文本分类：提示词输出结果我们给出了对文本进行分类的指令，语言模型做出了正确响应，判断文本类型为'Neutral'。如果我们想要语言模型以指定格式做出响应，比如，我们想要它返回neutral而不是Neutral，那我们要如何做呢？我们有多种方法可以实现这一点。此例中，我们主要是关注绝对特性，因此，我们提示词中包含的信息越多，响应结果就会越好。我们可以使用以下示例来校正响应结果：提示词输出结果完美！这次模型返回了neutral，这正是我们想要的特定标签。提示词中的示例使得模型可以给出更具体的响应。有时给出具体的指令十分重要，可以通过以下示例感受这一点：提示词输出结果这时候你知道给出具体指令的重要性了吧？