收益：
- 了解最初的输出很少是完美的，迭代是一个正常的过程
- 可以通过有针对性的单变量反馈系统地改善结果
- 知道将成功的提示转变为可重用模板的逻辑
初学者最大的错误就是期望第一个提示就能给出完美的输出。当第一个输出没有达到预期时，他们放弃说“人工智能无法完成这项工作”。然而，对于有经验的用户来说，第一个输出并不是结束，而是一个开始。在本单元中，我们将学习将即时写作视为一种对话和改进过程，而不是一次性的镜头。迭代是即时工程的核心。
什么是迭代以及为什么它是正常的？
迭代是获取输出，指出您不喜欢的内容，更正提示或请求，然后重现它。如果最初的输出不完美，这并不是失败，而是过程的自然组成部分。因为大多数时候，只有当你看到第一个输出时，你才会清楚自己想要什么。优秀的用户将初始输出视为“草稿”，并根据目标不断完善它。
有两种类型的迭代：
- 对话中更正：继续进行相同的对话，并提供反馈，例如“缩短此内容”、“删除第三项”。它很快；模型会记住之前的输出。
- 重写提示：将您所学到的知识应用到初始提示中，并从头开始提供更好的说明。对于将被重复使用的作品来说是有价值的。
提供有针对性的反馈
迭代的秘诀在于反馈是有针对性的。说“我不喜欢它，再写一次”并不能指导模型；您可能会得到类似的输出。相反，请准确说出您要更改的内容以及如何更改：
- 弱者：“这样不好。”
- Strong：“引言太长，将第一段缩短为一句话。语气太正式，友好一点。从第二个要点中删除该声明，因为我们无法验证它。”
单变量优化
养成科学的习惯：一次改变一件事。如果您同时更改音调、长度和结构，您将无法判断哪个更改生效了，输出是改善还是恶化。采用单一变量可以让你了解什么是有效的并坚持下去。
迭代循环
步骤
你做什么
1. 生产
通过第一个提示获取输出
2. 评估
你喜欢什么，不喜欢什么——具体写下来
3.一处改变
针对一个问题进行单一修复
4. 重生
查看更改的效果
5. 比较
他康复了吗？如果是则保留，如果否则收回
6. 修复
将给出良好结果的提示保存到模板中
四个可复制模板
1）针对性修正：
之前的输出很好，但发生了变化：- [单个具体更改 1]- [单个具体更改 2] 保持其他所有内容相同。
2）批评输出：
用编辑的眼光批评你刚刚制作的文本。找出 3 个弱点并针对每个弱点提出具体的纠正建议。然后写出更正后的版本。
3）变体生成（A/B）：
将此文本制作 2 个不同的版本：A) 更正式、更简短。 B）更友好并且有例子。两者都给；用1句话告诉我哪个更适合哪种情况。
4）让Prompt治愈自己：
我使用下面的提示，但是结果就够了[问题]。建议我如何才能更清晰有效地写出这个提示；写下改进后的提示并解释您更改的内容以及原因。提示：[当前提示]
弱提示/强提示（作为反馈）
反馈不佳：
没成功，再试一次。
强烈反馈：
内容正确，但存在三个问题：1）210字；减少到 120.2) 第二段是技术性的；简化行话。3）收尾较弱；以明确的下一步句子结束。保留其他一切。
第二个反馈告诉模型确切的触摸位置；结果一转就离目标更近了。
三个迷你箱
案例1——内容制作。一位营销人员尝试了一份促销文案，说了六次“我不喜欢它，再写一次”，但再也没有任何进展。当他改变方法并要求在每一轮中进行一个具体的改变（首先是长度，然后是语气，然后是结尾）时，他在三轮内实现了可发布的文本。总时间减少到一半以下。
案例 2——报告。一位分析师认为第一个摘要技术性太强，并表示：“经理不会理解这一点，请将技术术语翻译成日常语言，保持长度。”由于单变量修正，报告既得到简化，又没有失去其范围；不需要第二次完全重写。
案例 3 — 模板化。支持团队一次又一次地反复纠正相同类型的响应。最后，他们将理想的提示记录在模板中；他们现在使用经过细微更改的模板，而不是从头开始迭代每个新案例。这说明了迭代的要点：一次做好，然后再次使用。
提示：要求模型批评她自己的输出（“找出本文的 3 个弱点”）。模型经常认识到自己的错误并纠正它；这会代表您进行预编辑。
注意：迭代是有限制的。如果5-6轮之后你仍然没有接近目标，问题不在于小修正，而在于基本方法：你可能从一开始就错误地设置了角色、背景或任务。那时，停止修补并从头开始重新设计提示。
两种迭代路径：对话还是重写？
在迭代时知道哪种方法更有效可以节省时间。规则是：对于一次性工作，在聊天中解决它是最快的；因为模型会记住之前的输出，而您只需分辨出差异即可。但对于您将重复的工作，将您所学到的内容写入最初的提示并生成一个干净的模板更有价值；因为下次您将获得良好的输出，而不需要迭代。
在实践中，将两者结合起来是最有效的：首先通过在聊天中快速尝试来发现正确的指令，然后将找到的指令倒入干净的提示中并将其保存在库中。这样，你既可以快速进步，又可以将你的劳动变成永久的资产。
将迭代视为学习记录
每轮迭代都会教你一些东西：哪些添加改进了输出，哪些约束是不必要的，模型出了什么问题。随着时间的推移，写下这些经验教训会形成个人的“什么是有效的”指南。例如，诸如“在这种类型的摘要中‘添加评论’约束是必须的”、“3 个示例足以用于标题制作，5 个是不必要的”之类的推论将使您能够在下一个类似的工作中第一次尝试时写出正确的提示。这些知识才是经验丰富的用户与初学者的真正区别：他们不是从头开始开展每项业务，而是利用之前迭代的经验教训。
使模型成为迭代伙伴
您不必单独运行迭代。你可以问模型，“我怎样才能让这个输出更接近我的目标，给我 3 个具体的建议。”该模型通常可以准确地诊断其输出中的弱点并提出修复方法。这将迭代从“试错”转变为有针对性的协作；您告诉我们您想要什么，模型告诉您如何到达那里。
常见错误
- 再次发送相同的提示。不改变再尝试；结果没有改变。
- 模糊的反馈。只说“我不喜欢它”，而不说你要解决什么问题。
- 一次改变很多事情。不学习有效的方法。
- 没有记录好的提示。每次都重复相同的迭代。
- 无限迭代。尝试通过修补来修复根本错误的提示。
综上所述
- 最初的输出很少是完美的；迭代并不是失败，它是过程的自然组成部分。
- 有效的迭代是通过有针对性的而不是含糊的反馈来进行的。
- 每轮改变一件事；这样你就知道什么是有效的。
- 您可以通过要求模型批评她自己的输出来进行预编辑。
- 将效果好的提示保存在模板中；迭代的目标是产生可重用的资产。
应用任务
打印出来并有意识地进行三轮迭代：每轮仅更改一件事（首先是长度，然后是语气，然后是结尾），并记录每一轮。第三轮之后，确定哪个更改产生最大的差异，并将最终提示保存为可重复使用的模板。
清单
- [ ] 我将初始输出视为草稿，而不是完成的作品。
- [ ] 我给出的反馈具体且有针对性。
- [ ] 我每轮都会进行一次更改。
- [ ] 我可以要求模型批评它自己的输出。
- [ ] 我将给出良好结果的提示保存到模板中。