卷首语：我所知的是我自己非常无知，所以我要不断学习。
写给AI入行比较晚的小白们（比如我自己）看的，大神可以直接路过无视了。
设计提示的通用技巧
提示工程是一个迭代过程，需要大量的实验才能获得最佳结果。喜欢练习的小伙伴可以去OpenAI或Cohere的playground。
比如我们可以从简单的提示词开始，并逐渐添加更多元素和上下文（因为大家都想要更好的结果）。因此，在这个过程中不断迭代提示词是至关重要的。
当我们有一个涉及许多不同子任务的大任务时，可以尝试将任务分解为更简单的子任务，并随着结果的改善逐步构建。这避免了在提示设计过程中一开始就添加过多的复杂性。
技巧注意四点：指令、具体性、避免不明确、做什么和不做什么
1. 指令
定义: 指令是提示的核心部分，用来明确告诉模型需要完成的任务。
关键点:
- 指令需要清晰、直接，明确告诉模型“做什么”。
- 可以通过实验调整指令的关键词、上下文和数据，找到最适合特定任务的提示。
有些人建议将指令放在提示的开头（更容易让模型理解任务），也可以用清晰的分隔符（如“###”）将指令与上下文分开。
指令是提示设计的基础部分，必须清晰、直接且与任务相关。
如果指令模糊（如“翻译这段话”而不说明目标语言），模型可能会生成不符合预期的结果。
2. 具体性
定义: 具体性指的是提示需要详细描述任务的要求，越具体越有助于模型生成符合预期的输出。
关键点:
- 描述性: 提示中要明确任务的细节，例如输出格式、风格或内容范围。
- 示例的作用: 提供示例可以有效引导模型生成符合预期的输出。
- 避免冗长: 虽然要具体，但不要加入不必要的细节，保持提示简洁、相关。
具体性可以减少模型的歧义，提高输出的准确性。
模型需要明确的指令和上下文来理解任务。如果提示过于模糊或缺乏细节，模型可能会生成偏离预期的结果。
3. 避免不明确
避免不明确是指在设计提示时要避免模棱两可、含糊不清的描述。直接、清晰的提示效果更好。
关键点:
- 具体说明: 任务的要求要具体，避免让模型自行推测。
- 明确范围: 例如指定输出的句子数量、风格或格式。
- 避免模糊描述: 模糊的描述会导致模型生成不符合预期的结果。
解释提示工程的概念。保持解释简短，只有几句话，不要过于描述。
例如：使用 2-3 句话向高中学生解释提示工程的概念。
这里明确了输出的句子数量（2-3句）和目标受众（高中学生），减少了歧义。
模型依赖提示来理解任务。如果提示不明确，模型可能会生成偏离预期的内容。
提示越具体，模型越容易生成符合预期的结果。
4. 做什么还是不做什么
在设计提示时，专注于告诉模型“要做什么”，而不是告诉它“不要做什么”。积极描述比消极描述更有效。
关键点:
- 积极描述: 提示应该明确告诉模型需要执行的具体任务。
- 避免消极描述: “不要做什么”的指令往往容易被忽略或误解。
- 清晰定义任务范围: 明确任务的限制和目标，而不是简单地列出禁止事项。
例如：以下是向客户推荐电影的代理程序。代理负责从全球热门电影中推荐电影。它应该避免询问用户的偏好并避免询问个人信息。如果代理没有电影推荐，它应该回答“抱歉，今天找不到电影推荐。”。
通过积极描述明确了任务范围（“从全球热门电影中推荐电影”）。
指定了当无法完成任务时的输出内容（“抱歉，今天找不到电影推荐”）。
积极描述更清晰，可以有效引导模型生成符合预期的内容。
消极描述容易被忽略或误解，导致模型生成错误的内容。
小结
- 指令: 明确告诉模型需要完成的任务，使用清晰的语言和格式。
- 具体性: 提示越具体、描述性越强，模型输出越符合预期；但要避免不必要的冗长。
- 避免不明确: 通过具体的描述和明确的范围，减少生成内容的歧义。
- 做什么而不是不做什么: 专注于告诉模型“要做什么”，用积极的语言定义任务范围。
这些原则的核心是：清晰、具体、直接。通过实验和不断优化提示，可以最大化模型的能力，生成符合预期的高质量内容。