使用清晰的动词开头

• 使用明确的动作词开始提示，如：分析、归类、比较、描述、定义、评估、提取、生成等
• 例如：”分析以下电影评论的情感倾向” 比 “这是一个电影评论，告诉我它是什么情感” 更有效

提供少量示例（Few-shot）

• 在提示中包含1-3个高质量示例，展示您期望的输出格式和风格
• 示例应该多样化且与任务相关，有助于模型理解您的期望

明确指定输出格式

• 清晰说明您希望获得的格式（如JSON、表格、列表、段落等）
• 例如：”以JSON格式返回，包含以下字段：sentiment、name”

控制温度设置

• 使用低温度（如0.1-0.3）获取一致、可预测的回答
• 使用高温度（如0.7-1.0）获取更有创意的回答
• 对于数学问题、代码生成等精确任务，设置温度为0

使用系统提示设定角色

• 指定模型应该扮演的角色（例如”扮演旅游指南”）
• 角色提示可以显著改变输出的语调、风格和专业知识

使用思维链（Chain of Thought）

• 添加”让我们一步一步思考”来引导模型展示推理过程
• 对数学问题、逻辑推理等任务特别有效
• 可以显著提高复杂任务的准确性

使用简洁明了的语言

• 避免复杂、模糊或不必要的信息
• 简洁的提示通常比冗长的提示效果更好
• 删除不直接相关的上下文信息

使用指令而非约束

• 告诉模型”做什么”比告诉它”不要做什么”更有效
• 例如：”仅讨论控制台、公司、年份和总销量”比”不要列出游戏名称”更有效

在提示中使用变量

• 使用变量（如{city}=”阿姆斯特丹”）使提示更动态、可重用
• 便于在不同场景下快速调整提示内容

使用Step-back提示技术

• 先探讨一般性问题，然后再处理具体任务
• 这种”后退”允许模型激活相关背景知识，产生更深入的回答

这些技巧来自于文档中的最佳实践部分，结合了各种提示工程技术。根据您的具体需求和使用场景，可以选择性地应用这些技巧来获得最佳效果。