Prompt技巧总结和示例分享
"Prompt"（提示）在人工智能中通常指的是输入给模型的文本，用于引导模型生成预期的输出。在使用人工智能助手时，有效的提示技巧可以帮助你获得更准确和有用的回答。
以下是一些单轮对话提示时的技巧：
-
明确具体：尽量提供具体的问题或请求，避免模糊不清的表述。
-
使用关键词：在提示中包含关键词，可以帮助模型更好地理解你的需求。
-
结构化问题：如果问题复杂，尝试将其分解成几个小问题，逐一提问。
-
提供上下文：提供足够的背景信息，帮助模型理解问题的上下文。
-
避免歧义：确保你的提示没有多种解释，以减少模型的误解。
-
使用正确的语法：正确的语法有助于模型理解你的意图。
-
限制长度：尽管可以处理长文本，但过长的提示可能会降低效率，尽量保持简洁。
-
使用命令语气：有时候使用命令语气可以更直接地表达你的意图。
-
预期输出格式：如果你希望得到特定格式的回答，可以在提示中说明。
-
避免敏感内容：不要包含任何违反法律法规或道德准则的内容。
-
反馈与调整：如果模型的回答不符合预期，尝试调整你的提示。
-
利用搜索功能：如果你的问题需要最新的信息，可以提示模型进行搜索。
-
分步提问：对于复杂的问题，可以分步骤提问，逐步深入。
-
使用引用：如果需要引用特定的文本或数据，确保在提示中包含。
-
避免重复：不要在提示中重复相同的信息，这可能会造成混淆。
以下是一些有效的prompt示例：
-
生成文章或内容：
- 坏示例：帮我写一篇关于AI的文章。
- 好示例：请以"AI在医疗领域的应用"为题，写一篇包含引言、主体和结论的文章，每部分约200字。
-
请求具体信息：
请告诉我2021年墨西哥的总统是谁，并简要介绍其政策。 -
设定角色和目标：
你是一位专业的营养师，根据以下用户的饮食习惯，为他们提供一周的健康饮食计划，并解释每个建议的理由。 -
使用分隔符和结构化文本：
使用“> > Bad”和“> > Good”来区分不同质量的示例。 -
提供参考文本：
让大模型使用参考文本来回答，比如提供一段关于环保的文本，然后要求模型基于此文本写一篇倡导环保的演讲稿。 -
分解复杂任务：
如果你需要大模型完成一个复杂的任务，比如制定一个项目计划，你可以将其分解为多个步骤，并逐一询问。 -
使用思维链：
要求模型一步一步地思考，比如在解决一个数学问题时，要求模型展示解题的每一个步骤。 -
请求格式化输出：
要求模型以特定的格式输出，比如要求模型以列表的形式提供答案，或者要求输出为JSON格式。 -
使用示例引导：
提供几个示例，让模型理解你的需求，比如在要求模型写诗时，先给出几首诗的示例。 -
明确期望的输出长度：
在让模型生成文本时，对模型的输出做一些限制，比如：根据我发给你的工作内容，生成一份周报，字数大约在150字。 -
提供反馈和自我修正：
让模型评估自己的输出，并进行修正，比如在模型生成一篇文章后，要求它自己检查并改正语法错误。 -
使用外部工具：
让模型调用外部API或执行代码来完成任务，比如要求模型编写一个Python脚本来解决一个特定的问题。
构建多轮对话prompt的技巧：
-
明确对话目标：在对话开始时，就要明确对话的目的和目标，这有助于模型集中于特定的任务或话题。
-
设定角色：为模型和你设定明确的角色，这有助于模型理解对话的背景和语境。
-
提供背景信息：在对话开始时提供必要的背景信息，以便模型了解对话的前提和环境。
-
使用分隔符：使用分隔符来区分不同的对话轮次，这有助于模型理解对话的结构。
-
维持上下文连贯性：确保每一轮对话都考虑到之前的对话内容，维持话题的连贯性。
-
引导对话方向：如果需要，可以通过提问或引导性陈述来控制对话的方向。
-
使用反馈循环：让模型根据前一轮的对话内容提供反馈或提出问题，以推动对话的深入。
-
限制和指导：如果对话需要遵循特定的规则或限制，应在prompt中明确指出。
-
逐步构建：对于复杂的话题，可以将其分解成多个小问题，逐步构建对话。
-
使用示例：提供对话示例，让模型理解期望的对话风格和内容。
下面是一个多轮对话prompt的示例：
# 角色设定
你是一位历史学家，我是一位对古代文明感兴趣的学生。
# 背景信息
我们正在讨论古埃及的农业和社会结构。
# 对话目标
我想了解更多关于古埃及人是如何通过农业支持他们的社会结构的。
# 对话开始
我：你好，教授。我听说古埃及的农业非常发达，这是真的吗？
AI：你好！是的，古埃及的农业非常先进，尤其是在他们利用尼罗河的季节性洪水来灌溉农田方面。
我：那他们主要种植什么作物呢？
AI：他们主要种植小麦和大麦，还有水果和蔬菜，比如洋葱、大蒜、黄瓜和葡萄。
...