1. 超级省流版本：
使用 ai 生成（优化）提示词，比如 kimi 的提示词助手
2. 省流版
1.写清晰具体的指令
2.指导模型思考的路径，增长模型思考时间
3. 技巧
3.1.1. 清晰具体的写出提示词
- 提示词中使用标记符号说 明区分指令和文本，比如 XML 标记分割
- 请求结构化的输出
- 要求模型检查任务条件是否满足
- 输入少样本的提示
3.1.2. 给模型充足的思考时间
- 指定完成任务所需要的步骤
- 让模型自己推理并 制定 解决方案（先让他给出答案，再让他确定是否正确）
- 思考链，给出思考过程 （let,s think step by step）
3.1. 具体案例
3.1.1. 限制长度（最多 n 个字（n 句话））
3.1.2. 让模型自我反思（最后自己检查一下）
3.1.3. 给定角色（你是一个优秀的程序员）
3.1.4. CO-STAR 框架
CO-STAR 提示词框架
Context (背景)
Object (目标)
Style (风格)
Tone (语调)
Audience (受众)
Response (回应)
3.1.5. TOT （思维树， 大致意思 就是 让 ai 提出多个候选项目）的提示词
假设三位不同的专家来回答这个问题。
所有专家都写下他们思考这个问题的第一个步骤，然后与大家分享。
然后，所有专家都写下他们思考的下一个步骤并分享。
以此类推，直到所有专家写完他们思考的所有步骤。
只要大家发现有专家的步骤出错了，就让这位专家离开。
请问...
4. 个人理解
个人感觉提示词的技巧其实本质是你自己的文本组织和书写能力，能不能把问题写详细具体，写明白清楚（因为最终的目的不就是让大模型 像人嘛，而训练的语料肯定是很规范的高质量的，你的输入文本质量高自然输出就会，而且你根正常人交流要得到（对面）高质量的输出，你也要有一点的提问沟通技巧），在此 之上基于模型的特点做一些修改。
当然学习提示词还需要一些优秀的示例（不过都是用 ai 现成的）
提示词工程看起来简单，但是很重要，尤其一些复杂场景的时候，能用提示词解决的就可以不用微调。
