可操作，可重复的升级版ChatGPT 使用方法论
用" BROKE "分析法设计 chatGPT prompt
1．阐述背景 B ( Background )：说明背景，为 chatGPT 提供充足信息
2．定义角色 R ( Role ):“我们希望 chatGPT 扮演的角色”
3．定义目标 O ( Objectives ):“我们希望实现什么”
4．定义关键结果 K ( Key Result ):“我要什么具体效果”
5．试验并调整，改进 E ( Evolve )：三种改进方法自由组合
a．改进输入：从答案的不足之处着手改进背景 B ，目标 O 与关键结果 R
b．改进答案：在后续对话中指正 ChatGPT 答案缺点
c．重新生成：尝试在 prompt 不变的情况下多次生成结果，优中选优
例子：讲一个解释 BROKE 框架的故事
Step1阐明背景（ Background )
作者正在写作一本有关 ChatGPT prompt engineering 的书，旨在为读者介绍提示工程的技术，让他们能够更好地与 ChatGPT 交互，得到好的回应。在作者的书中有一个框架，叫做"BROKE"，用于缩小问题空间，定义明确指令。（点明业务目标，提供宏观背景）
在"BROKE"方法中，五个字母分别是5个单词的首字母， B 代表 Background （背景）, R 代表 Role （角色）,O代表 Objectives （目标）, K 代表 Key Results （关键结果）, E 代表 Evolve （改进）,
在这里给出用" BROKE "分析法流程的详细解释：
阐述背景 B ( Background )：说明背景，为 ChatGPT 提供充足信息定义角色 R ( Role ):“我们希望 chatGPT 扮演的角色”
定义目标 O ( Objectives ):"我们希望实现什么"定义关键结果 K ( Key Result ):“我要什么具体效果”
试验并调整，改进 E ( Evolve )：如果 ChatGPT 生成的内容不能让人满意，有三种可能性。
第一种是我们的指令给得不够清楚。这时候，我们应该改进提示，从答案的不足之处着手改进背景 B ，目标 O 与关键结果 R 。
第二种是 ChatGPT 的回答有误，或有缺点，这时候我们可以在接下来的对话中指出生成内容中的错误与缺点，让它重新回答。
第三种是运气不好，碰到一次不太好的结果。这时候你可以优中选优，相同 prompt 让 ChatGPT 多生成几次，然后选一次最满意的
三种方法需要组合起来，重复、多次使用，才可以得到满意答案。
进一步告知当前业务的细节，阐明当前任务的微观背景
Step2设定角色（ Role )
接下来，请扮演一位优秀的顶尖作家。（让 ChatGPT 进入角色）
Step3定义目标（ Objectives )
用生动的语言，以讲故事的方法为这本书的读者介绍"BORE"框架是什么。（设定明确的目标，" ChatGPT 需要产出的内容是什么")
Step4定义关键结果（ Key Result )
﹣把" BROKE "嵌入故事的情节中。（明确了 BROKE 框架在故事中的位置）
﹣故事要与广告行业有关 （明确故事的主题要求）
﹣结尾向读者表明 BROKE 框架的含义。（明确了故事的结构细节）
﹣故事的主角要用 BROKE 框架完整地定义了一个详细的，完全的，具体的，贴近工作与生活的问题，作为 BROKE 框架的一个最佳实践。
（明确了我期望的故事特征）
﹣不少于1000字 （明确了故事的长度）
ChatGPT 非常聪明，什么都会，却对读者的需求一无所知。有一天， ChatGPT 走在大街上，被读者拽住了，要求它做一件事情。
（提供一个开头， ChatGPT 会在基础上续写）
Step5根据答案试验并调整，改进 E ( Evolve )
如果对 chatGPT 生成的答案不满意，可能是：
情况1：指令给得不够清楚
改进提示（输入内容）
a. 改进背景 B ( Background )：检查提供给 chatGPT 的信息是否充足
b. 改进目标 O ( Objectives )：检查是否明确说明"要生成什么东西"
c. 增加／修改关键结果 R ( key Result )：若 chatGPT 答案没有体现你想要的东西，可以在关键结果 R 中补充说明要求。
情况2: chatGPT 干得不好，或回答有错误
改进答案
在接下来的对话中指出答案中的错误与不足，让它重新回答
情况3：运气不好，碰上糟糕的输出
重新生成
相同 prompt （输入）让 ChatGPT 多生成几次，优中选优。
三种方法需要组合起来，重复、多次使用，才可以得到满意答案。在形成前面的提示之前，我根据结果，添加，更改了数次关键结果与背景。
用故事解释 BROKE 框架：
ChatGPT 非常聪明，什么都会，却对读者的需求一无所知。有一天， ChatGPT 走在大街上，被一个广告公司的创意总监小李拽住了，要求它做一件事情。
小李对 ChatGPT 说：“我听说你非常聪明，能帮我解决各种问题。现在我手上有一个重要的广告项目，客户要求我们为他们的新款运动鞋设计一份引人注目的广告文案。我很紧张，因为这个项目对公司来说非常重要。你能帮我吗？”
ChatGPT 点了点头，心想："我需要先了解一下这个项目的背景。“于是，它向小李询问了客户的品牌定位、运动鞋的特点、目标消费者等信息。小李详细地向 ChatGPT 描述了这个项目的背景，让 ChatGPT 了解了整个情况。这就是 BROKE 框架中的” Background （背景）"。
接下来， ChatGPT 问道："你希望我在这个任务中扮演什么角色？"小李回答：“我希望你扮演一位广告文案创意师，为我们这款运动鞋设计一份独特且引人注目的广告文案。“这是” Role （角色）”。
然后， ChatGPT 继续询问："你希望我为你完成什么任务呢？"小李回答：“就是为这款运动鞋设计一份独特且引人注目的广告文案。“这是” Objectives （目标）”。
随后， ChatGPT 继续询问："在完成这个任务时，你有什么具体的要求和期望？"小李思考了一下，说：“我希望文案字数控制在50字以内，语言简练、有力，能够迅速抓住消费者的注意力。同时，文案需要突出这款运动鞋的轻盈、舒适和时尚特点。“这就是” Key Results （关键结果）”。
有了这些信息， ChatGPT 开始尝试为小李生成广告文案。然而，第一次生成的文案并不完美，缺乏创意。这时，他们决定采用 BROKE 框架中的最后一个环节：" Evolve （改进）"。
他们运用了三种改进方法：
他们发现文案缺乏创意，于是小李在 prompt 中增加了一些关键结果，以期获得更好的结果。这便是"从答案的不足之处着手，更新并迭代 prompt 。"
小李发现生成的文案有些地方不够理想，于是向 ChatGPT 提出了修改意见。 ChatGPT 听从了小李的建议，进行了相应的调整。这便是"在后续对话中指正 ChatGPT 答案缺点。"
ChatGPT 尝试了多次生成不同的文案，让小李从中挑选出最合适的一个。最终， ChatGPT 为小李创作出了一份令人满意的广告文案："破风之舞，韵动青春！轻盈、舒适、时尚，一跃成为城市的焦点。新款运动鞋，让你的步伐更自信！“这便是"在 prompt 不变的情况下多次生成结果。”
小李兴奋地看着这份文案，觉得它完美地传达了这款运动鞋的特点和品牌形象。他感激地对 ChatGPT 说：“谢谢你！这份文案真的很棒！我想我们刚刚经历的这个过程就是你们所说的 BROKE 框架吧？通过了解背景（ Background )、确定角色（ Role )、明确目标（ Objectives )、设定关键结果（ Key Results ）以及不断改进（ Evolve )，你成功地帮助了我！”
ChatGPT 微笑着回答：“没错，这正是我们所说的 BROKE 框架。这套框架可以帮助我们更有效地互动，让我能够更好地理解你的需求，并为你提供有价值的解决方案。”
通过这个故事，我们可以看到 BROKE 框架在实际应用中的有效性。它引导用户和 AI 之间的互动，从而使 AI 能够更好地理解用户需求，并提供更符合期望的结果。只要记住这个框架，无论在工作还是生活中，我们都以分发挥 aPT 的潜力。而 BROKE 这个词，就像它的英文含义"打破"一样，代表着我们应该将用 BROKE 方法将问题打碎成不同的部分，运用这套有效的方法论，去创造出更好的成果。