AI 提示词模版指南

Write Clear Instructions 写下清晰的提示

• 问题要携带关键信息

  • 确保问题包含所有必要的细节和背景信息，以便模型能够提供准确的回答。例如，问题中应包括谁、什么、何时、何地、为何等基本要素。

• 定义好背景角色

  • 明确设定模型的角色和上下文，以帮助其更好地理解任务和提供相关回答。例如，“假设你是一名历史学家，解释一下第一次世界大战的原因。”

• 使用分隔符区分问题的不同部分

  • 对于复杂问题，可以使用分隔符（如“——”或“###”）来区分不同的部分，使其更易于理解和回答。例如，使用“### 问题1”、“### 问题2”来组织多个相关问题。

有条理、有次序的指定完成任务所需要的步骤

• 提供步骤化的指令，以确保任务的每个部分都被清楚地描述和理解。例如，在解决一个复杂的编程问题时，可以分步骤描述所需的操作。

例子

1. 定义任务背景：

   • 例如：“你是一名虚拟助理，需要帮助用户编写一篇关于环保的文章。”

2. 分步骤描述任务：

   • 第一步：收集相关信息。
   • 第二步：整理信息并列出要点。
   • 第三步：撰写初稿。
   • 第四步：修改并完善文章。

3. 提供明确的输出格式：

   • 例如：“文章应包含引言、主体和结论，每部分字数不超过200字。”

Provide Reference Text 提供参考文字

• 让模型使用指定的文本进行回答：
  • 提供相关的参考资料，要求模型根据这些资料进行回答和总结。例如，提供一段文本，并要求模型从中提取主要观点。

例子

• 提供参考书籍或文章：

  • 例如：“根据提供的《绿色生活指南》一书，概括其中关于节能减排的主要内容。”

• 要求引用问题中的内容：

  • 例如：“在回答中请引用具体的数字和事实。”

Split Complex Tasks into Simpler Subtasks 将复杂的任务拆分为更简单的子任务

• 使用意图分类识别与用户查询最相关的指令：
  • 将任务分解为多个小步骤，每个步骤都围绕特定的意图或目标。例如，在编写程序时，可以先定义功能，再编写代码，最后进行测试。

例子

1. 分解任务：

   • 例如：“创建一个旅行计划，包括选择目的地、安排住宿和制定每日行程。”

2. 步骤化指令：

   • 第一步：选择目的地。
   • 第二步：搜索并预订住宿。
   • 第三步：安排每日活动和景点。

Give the Model Time to "Think" 给模型时间“思考”

• 在做一些判断性问题时，可以让模型先在给出结论之前制定自己的解决方案。
  • 例如，在解决数学问题时，可以先列出已知条件和要求的解，再逐步推导出结果。

例子

• 制定解决方案：

  • 例如：“在给出结论之前，请先列出所有可能的选项和相应的优缺点。”

• 内心独白或查询过程：

  • 例如：“请描述你是如何得出这个结论的，哪些因素对你的决定有影响。”

Use External Tools 使用外部工具

• 使用基于嵌入的搜索实现高效的知识检索：

  • 调用外部API或数据库来获取最新和最准确的信息。例如，使用嵌入式搜索引擎来查找相关文献。

• 使用代码执行来执行更准确的计算或调用外部API：

  • 例如，“请使用Python代码计算数据的标准差。”

• 授予模型访问特定功能的权限：

  • 例如，“允许模型访问日历API，以便查看和安排会议。”

Test Changes Systematically 系统地测试及变更优化

• 参考黄金标准答案评估模型输出：
  • 对比模型的输出与黄金标准答案，找出差距并进行调整。例如，使用标准答案评估模型的翻译质量，并逐步优化模型的输出。

例子

• 评估和优化：
  • 例如，“对比模型生成的文章与参考文献中的标准段落，评估其准确性和一致性，并提出改进建议。”

Advanced Techniques 高级技巧

Intention Classification 意图分类

• 识别用户查询的意图：
  • 根据用户的输入内容，识别其意图，并提供最相关的指令。例如，用户询问天气信息时，直接调用天气API提供当前天气状况。

Recursive Summarization 递归总结

• 分段总结长文档并递归构建完整摘要：
  • 对于较长的文档，可以先将其分段总结，再将各段总结合并为完整的摘要。例如，总结一本书时，可以先总结每一章的内容，最后整合成书的总体概述。

Context Management 上下文管理

• 在长对话中总结或过滤以前的对话：
  • 在长对话中，通过总结和过滤先前的对话内容，保持上下文的连贯性。例如，用户在进行长时间咨询时，定期总结关键点，以便于后续对话。

Guided Reasoning 引导推理

• 给出推理过程的内心独白或查询方式：
  • 在模型进行推理时，可以通过内心独白或查询的方式，展示其思考过程。例如，在解决复杂问题时，模型可以先列出假设和条件，再一步步推导出结论。

Completeness Check 完整性检查

• 检查回答是否遗漏重要内容：
  • 对于长文本的内容，多次提问以确保答案的完整性。例如，用户询问复杂的技术问题时，可以通过多次提问覆盖各个方面，确保信息全面。

Use Case Examples 使用案例

1. 技术支持：

   • 用户问题：“为什么我的电脑无法连接到WiFi？”
   • 指导步骤：检查路由器设置、重启设备、更新驱动程序等。

2. 内容创作：

   • 用户问题：“如何写一篇关于气候变化的文章？”
   • 指导步骤：定义主题、收集资料、撰写初稿、修改完善。

3. 编程帮助：

   • 用户问题：“如何在Python中读取CSV文件？”
   • 指导步骤：导入相关库、编写读取代码、处理数据。

通过以上指南，您可以更好地编写和优化AI提示词，提升模型的响应质量和准确性。希望这份指南对您有所帮助！