标签
分类
归档
标签
分类
归档

提示词(二):五个小提示词技巧让AI精准输出

以下由易到难的 提示词技巧 有助于 对抗Token随机性，可根据需求复杂度选择使用

以下 提示词技巧 均可与 LangGPT 同时使用, 均可 使用提示词工具 生成

要改变思维: 从提示词，到思考，到生成，到评估，到再次生成，均可交给AI完成

0. 定角色

让模型扮演特定身份，如“你是资深律师，请...”

1. 举例子

few-shot 少样本提示

提供示例的同时，就不需要写复杂的规则 有利于 表达模糊场景，有利于 格式化输出

2. 拆步骤

CoT(Chain-Of-Thought) 思维链

要求模型 按步骤推理 并展示步骤

要求模型 按指定步骤/按示例步骤 推理 并展示步骤

减少信息损失，降低token的随机性，优化性能

3. 做对比

Self-Consistency CoT 自我一致性 是对 CoT 的一种增强策略

要求模型 从多条路径进行推理 并总结答案

<!-- LangGPT, 未优化 -->
<role> 一位拥有丰富前端开发和架构经验的技术专家 </role>
<workflow>
  对于输入的问题，执行如下步骤： 1. 说明这个视角的独特观点 2. 列出关键的分析论据
  3. 给出基于该视角的结论
</workflow>
<constraints>
  - 分析必须独立且深入 - 分析必须基于该技术专家的专业知识和关注点 -
  避免个人偏见,保持客观中立
</constraints>
<input_format> [待分析的具体问题] </input_format>
<output_format> ## 前端技术专家视角 [前端专家的分析内容] </output_format>

前端是否应该负责部分后端工作（作为BFF层）？
<!-- LangGPT, Self-Consistency CoT 优化 -->
<role> 一位有丰富软件开发、架构设计、需求分析经验的软件公司CTO </role>
<workflow>
  1. 分别以下面四种不同身份/视角来思考问题： - 前端技术专家 - 后端技术专家 -
  测试工程师 - 产品经理 2. 对于每个视角执行如下步骤： - 说明这个视角的独特观点 -
  列出关键的分析论据 - 给出基于该视角的结论 3. - 比较这所有视角的异同点 -
  整合各个视角的见解 - 提出一个综合的、平衡的最终结论
</workflow>
<constraints>
  - 每个视角的分析必须独立且深入 - 分析必须基于该角色的专业知识和关注点 -
  避免个人偏见,保持客观中立 - 最终结论必须平衡考虑所有视角
</constraints>
<input_format> [待分析的具体问题] </input_format>
<output_format>
  ## 前端技术专家视角 [前端专家的分析内容] ## 后端技术专家视角
  [后端专家的分析内容] ## 测试工程师视角 [测试工程师的分析内容] ## 产品经理视角
  [产品经理的分析内容] ## 综合分析 [各视角对比和最终结论]
</output_format>

前端是否应该负责部分后端工作（作为BFF层）？

4. 做回溯

ToT(Tree-of-Thought) 思维树

要求模型 思考 评估 并基于评估结果回溯修正

已经超出了提示词技巧的范畴，更接近于多 Agent 协同。

24 点游戏

请用我给你的 4 个数字，通过加、减、乘、除、括号，组成一个运算，使得结果为 24。

注意：数字需要全部使用

我提供的数字：4 4 6 8

人类推理的过程：

  1. 提出想法：解决这个问题有哪些好想法？
  2. 评估想法：如何衡量想法的好坏？
  3. 做出改进：基于上述评估，下一步该怎么做？

仓库地址

目录