Prompt逆向工程:如何“骗“大模型吐露其Prompt?

提示词的“逆向工程”，让AI大语言模型帮你反推提示词

一、前言

在日常生活中，我们不时会遇到一些令人惊艳的文本，不论是一篇精彩绝伦的小说、一篇深入浅出的科普文章，还是一篇充满热情的音乐推荐，它们都能在我们的心中留下深刻的印象。然而，如何复刻这些文本的风格并生成类似的内容，却是一项颇具挑战的任务。在这篇文章中，我将介绍一种被称为逆向工程(Reverse Engineering)的技巧，利用AI大语言模型的力量，从已有的文本中反推出能够生成类似文本的提示词。

在生活中，我们常常需要从已有的产品或成果中推断出其制作过程或需求条件。例如，我们可以通过分析一篇文章的内容和结构来推测作者的意图和写作方式，通过一盘好吃的菜来推断它的制作过程，或者通过反编译软件包来寻找想要的代码片段。

二、什么是逆向工程

逆向工程就是一种从结果反推过程的方法。逆向工程让我们能够在不了解实际原理和过程的情况下，推断出生产结果和相应的需求条件。
提示词的逆向工程，主要是让AI大语言模型分析文本，并尝试生成一个能够产生类似结果的提示词。这个过程需要一定的文本分析和总结能力。因此，我建议你使用最新的ChatGPT-4模型来进行这样的尝试，使用其他模型不一定能得到较好的效果。

三、举例理解

让我们通过一些实例来深入理解这个过程。假设你在网络上看到了一篇风格独特、令人难以忘怀的小红书风格的音乐推荐笔记，你被其生动鲜活的语言和个性化的推荐深深吸引，你希望能够生成类似的文本。这时，你就可以尝试使用逆向工程的方法，将这篇笔记的内容输入AI大语言模型，并提供指令让ChatGPT-4对其进行分析。

分析以下文本，给出可以生成这个类型文本的完整的Prompt（提示词），包含文本的类型、文风、角色、风格、语气、长度、段落和emoji等内容。
请直接输出结果，不要输出其他内容：

【热门推荐】摇滚新星！感受青春狂热的《雷霆之音》。
推荐指数：(5/5)
嗨，宝贝们～今天给你们带来一首绝对让你们血脉偾张、心跳加速的当下流行摇滚音乐！
歌曲名称：《雷霆之音》
演唱者：热血摇滚乐队“炽焰少年”
评分：10/10
简介：这首《雷霆之音》是由“炽焰少年”乐队创作的一首摇滚金曲，让人沉醉于无尽的能量和激情之中。这支年轻的乐队以独特的音乐风格和澎湃的演出赢得了无数乐迷的心。他们将摇滚的力量与现代元素相结合，创造出一种新的音乐体验。
这首歌曲的吉他独奏简直让人发狂！强烈的节奏和迷人的旋律让人感受到音乐的力量，仿佛置身于狂热的演唱会现场。每次的鼓点敲击都像是心脏的跳动，让你的血液沸腾起来。“炽焰少年”的主唱声线凌厉有力，伴随着激情四溢的歌词，唱响了年轻人的心声。
这首歌的旋律和歌词充满了对自由、梦想和青春的热爱。它是一首勇敢追逐梦想的赞歌，让我们勇敢面对生活中的挑战，追求自己的理想。每次我听到这首歌，就仿佛置身于那个无拘无束的年轻时光，感受自己内心深处的力量和勇气。
我相信这首歌会深深触动你的心弦，让你感受到摇滚音乐的魅力。它不仅仅是一首歌曲，更是一种态度，一种对生活的热情。让我们一起跟随《雷霆之音》的节拍，释放内心的激情，勇敢追逐自己的梦想！
标签：#摇滚音乐　#炽焰少年　#青春激情　#梦想追逐

输出(ChatGPT-4)：

请写一篇音乐推荐文章。
1.内容应包含以下信息和特点。
(1)文本类型：音乐推荐。
(2)文风：热情的、感染力强的、生动的。
(3)角色：作为文章作者，你是一位音乐评论者。同时也是一位音乐爱好者，对音乐有深厚的了解和热爱。
(4)风格：使用生动活泼的语言，包含大量形容词和感叹词，让读者感受到你对音乐的热情和喜欢的程度。
(5)语气：语气热情，鼓励人们去接触和理解音乐的内涵和魅力。
(6)长度：200～300字。
(7)段落：每个段落应含有一个主题，如歌曲信息、歌曲评价、对歌曲内容的深度解读、对读者的鼓励等。
(8)emoji：在文章中合理使用emoji，以增加表达的生动性和感染力，如音乐符号、星星、火焰、爱心等。
2.文章应包含的内容和结构。
(1)开篇使用【热门推荐】作为标题，然后介绍你要推荐的歌曲，以及基本信息（如歌曲名称、演唱者、评分等）。
(2)简介：对歌曲的简短介绍，包括风格、特点、创作背景等信息。
(3)歌曲评价：对歌曲的个人评价，包含对歌曲、旋律、歌词、演唱的评价，以及你听后的感受。
(4)对读者的鼓励：鼓励读者去聆听这首歌，分享你对音乐的热爱和你从中获得的感受。
(5)结尾：给出一些标签，总结文章的主题和内容。
例如，你要推荐的歌曲是《雷霆之音》，你可以描述这首歌曲的吉他独奏、歌词意境、演唱者的热情等特点，然后表达你的个人感受，最后鼓励读者去聆听这首歌，感受其所传达的力量和激情。

拿到基础版本的提示词后，你可以根据自己的需求对其进行进一步优化，然后尝试用它来生成你想要的文本。如果生成的效果欠佳，你可以根据输出内容的特点，手工修改提示词，或者重复上面的步骤进行优化。

拿到了这份优化后自己满意后的prompt提示词后，再投喂给大模型，让大模型根据你的这份“需求”，输出你想要的结果。