-
直接提问：避免使用礼貌用语，直接提出问题。
- 示例：直接问“什么是光合作用？”
-
针对目标受众：提示中包含目标受众的信息。
- 示例：“请向5岁儿童解释星星是什么。”
-
分解任务：将复杂任务分解成简单步骤。
- 示例：将“总结文章”分解为“总结每一段”。
-
使用肯定语言：使用肯定指令，避免否定形式。
- 示例：“列出苹果的用途”。
-
清晰解释要求：要求模型以简单的方式解释复杂概念。
- 示例：“解释光合作用，就像我在5岁一样。”
-
激励性语句：提供奖励以获得更好的回答。
- 示例：“提供更好的答案将获得额外奖励。”
-
示例驱动提示：通过示例引导模型提供特定类型的响应。
- 示例：“这是两个健康饮食的例子，请提供第三个。”
-
明确格式：明确区分指令、示例和问题。
- 示例：“### 指令 ### 解释光合作用。”
-
任务和必须的引导词：使用“你的任务是”和“你必须”等词。
- 示例：“你的任务是为这篇文章写标题。”
-
警示性语句：提示模型不遵守可能导致的后果。
- 示例：“不准确回答将不被接受。”
-
自然回答：要求模型以自然、类似人类的方式回答。
- 示例：“告诉我你如何度过一个悠闲的周末。”
-
逐步思考：引导模型逐步展示其推理过程。
- 示例：“逐步展示如何解决这个数学问题。”
-
无偏见回答：确保回答避免偏见和刻板印象。
- 示例：“描述不同文化如何庆祝新年。”
-
允许模型提问：让模型通过提问来获取更多信息。
- 示例：“我需要知道……你能提供这些信息吗？”
-
测试理解：要求模型教授一个主题，并测试理解。
- 示例：“教我细胞分裂，并在最后给我一个测试。”
-
角色扮演：给模型一个特定的角色，以引导特定类型的输出。
- 示例：“作为历史学家，解释法国大革命的影响。”
-
使用分隔符：使用分隔符来组织提示的不同部分。
- 示例：“### 问题 ### 什么是量子力学？”
-
重复关键词：在提示中重复关键词以强调。
- 示例：“快速……解释为什么某些动物能快速奔跑。”
-
链式思考与少样本提示：结合链式思考和示例来提高性能。
- 示例：“展示如何解决这个问题，步骤明确。”
-
输出引子：提示预期输出的开始部分。
- 示例：“请详细描述……开始于：量子力学是……”
-
要求详细回答：要求模型提供详尽的回答。
- 示例：“详细描述如何种植和照顾玫瑰花。”
-
修正特定文本：要求模型在不改变风格的情况下修正文本。
- 示例：“改进这段话的语法，同时保持口语风格。”
-
跨文件的复杂编码提示：生成自动化脚本来处理跨文件的任务。
- 示例：“生成一个Python脚本，自动创建文件并插入代码。”
-
明确说明要求：明确告诉模型必须遵循的具体要求。
- 示例：“在回答时，请遵循这些关键词和规定。”
-
与样本一致：要求模型模仿给定样本的风格。
- 示例：“使用与这篇文章相同的正式语言风格写新文章。”
-
文本一致性：要求模型生成与提供样本在语言上一致的文本。
- 示例：“使用相同的语言和风格，写一篇关于环境保护的文章。”
