1. 简单技巧
文本摘要
将大量文本缩减为简介的摘要，捕捉关键点和主要思想，同时省略不太重要的细节。
问答
专注于根据用户提出的问题，从提供的文本中获取具体答案。它旨在精准定位并提取相关信息以响应查询。
文本分类
系统地将文本分类到预定义的类别或组中，分析文本并根据其内容将其分配到最合适的类别。
对话
创建交互式对话，让人工智能可以与用户进行来回交流，模拟自然的对话流程。
代码生成
根据特定的用户要求或描述生成功能代码片段，将自然语言指令转换为可执行代码。
2. 高级技术
-
零样本、少样本学习
使模型能够利用特定问题类型的极少或没有先前的示例做出准确的预测或响应，并使用学习到的概括来理解和执行新任务。
-
思路链
将多个AI响应连接起来，创建连贯且符合语境的对话。它帮助AI保持讨论的线索，确保相关性和连续性。
-
ReAct（推理+行动）
在这种方法中，人工智能首先分析输入（推理），然后确定最合适的行动或响应方案。它将理解与决策结合在一起。
3. Microsoft 指导
提示创建和优化框架：
微软提供了一种结构化的方法来开发和完善提示。该框架指导用户创建有效的提示，以便从AI模型中获取所需的响应，并优化交互以提高清晰度和效率。
-
指令明确
- 避免情绪化内容：
“求求你好好说啊——”， “你这样我不会啊——”
- 不要让大模型去猜去臆想你的想法，描述足够清除
补充必要的背景信息：身份、场景、用途、已有内容等，避免大模型“脑补”出错。
避免 “或许、可能、你懂的”等模糊修饰语
- 把大模型当一个小学生，你描述的任务越清楚他执行的越具体
模糊：写一篇文章
清晰：写一篇800字的高考作文，主题“坚持与创新”，结构分引言、三个论点（每个配历史案例）、结论、语言风格正式书面。
-
格式清晰
可以通过markdown格式，确定一级标题、二级标题、列表 这样更有利于模型理解，后续维护也更加清晰。
公式：【角色设定】+【具体任务（技能）】+【限制条件（约束）】+【实例参考】
