提示词技巧一览

这部分技巧旨在通过清晰的指令和结构，引导 AI 生成符合预期的基础回复。

当面对复杂的推理、决策或创意任务时，需要运用更深层次的提示策略来激发大模型的潜力：

思维链（Chain of Thought, CoT）：引导模型"一步一步思考"，展示其推理过程。这在解决数学问题或复杂逻辑题时能显著提升准确率。
后退式提示工程（Step-Back Prompting）：在直接解决问题前，先让模型"后退一步"，去理解更广泛的背景或核心概念，再基于这些背景去解决原始问题。
自洽性（Self-Consistency）：针对同一个问题让模型进行多次推理，最后通过投票或对比选择最一致、最可靠的答案。
思维树（Tree of Thoughts, ToT）：鼓励模型探索多种可能的推理路径（如生成多个方案并逐一评估），最终选出最佳的解决方案。
ReAct（Reason + Act，推理+行动）：要求模型在生成答案的同时，解释其背后的逻辑，甚至可以规划并执行后续的行动步骤（如结合外部工具或提供决策理由）。
自我批判（Reflexion / Self-Critique）：让 AI 在输出初稿后，主动审查自己的回答，识别潜在的弱点或错误，并据此提出改进建议。
自动提示工程（APE）：利用 AI 自身的能力来辅助生成、优化或重构提示词，从而找到最佳的指令表达方式。

普通提示 ：小明有5个苹果，吃了2个，又买了3个，现在有几个？
带思维链的提示 ：小明有5个苹果，吃了2个，又买了3个，现在有几个？请一步步思考，先列出每一步的算式，再给出最终答案。

(或者更绝的"零样本思维链"咒语，直接在问题末尾加上："让我们一步步思考。")

这个技巧的核心在于"先退后进"

示例提示词 ： 第一步（后退）：请先忽略具体的案例，为我解释一下"通货膨胀"的基本经济学原理是什么？

第二步（前进）：基于你刚才解释的原理，请分析一下"为什么最近猪肉价格上涨会导致整体 CPI 波动"？

强制 AI 扮演多个角色或列出多种可能性，提示词需要写得像"导演剧本"一样。

示例提示词 ：我们现在要解决一个复杂的营销方案问题。请你想象有 三个不同的专家（分别是：创意总监、数据分析师、财务主管）坐在一起讨论。
1. 请让每位专家分别提出一个解决思路。
2. 然后让他们互相点评对方的方案，指出优缺点。
3. 最后，综合大家的意见，给出一个最优的解决方案。

如果不明确要求它"先挑刺再修改"，AI 往往会偷懒直接给出一个它认为完美的答案。

示例提示词 ：请帮我写一封给客户的道歉邮件，解释项目延期的情况。

写完后，请你以"挑剔的客户"的视角，对这封邮件进行批评，指出哪里语气不够诚恳或逻辑有漏洞。
最后，根据你的批评意见，重新修改并输出最终版本的邮件。

这个技巧通常是在程序后台运行的，但在提示词层面，需要引导 AI 生成"多样化的路径"，而不是每次都生成一样的废话。

示例提示词 ：我正在解决一个复杂的逻辑推理题。为了找到最可靠的答案，请你尝试用三种不同的逻辑角度或推理路径来分别解答这个问题。

路径一：从因果关系入手...

路径二：从排除法入手...

路径三：从假设反证入手...

最后，对比这三个结果，告诉我哪一个结论是最一致的。

这个技巧的核心是"交替进行"，如果不给示例，AI 很容易要么只空想不行动，要么只行动不思考。

示例提示词 ：你的目标是查询今天北京的天气，并根据天气推荐穿衣指南。请按照"思考-行动-观察"的循环模式进行：

思考：我需要知道北京今天的实时天气。
行动：调用天气查询工具（搜索"北京今日天气"）。
观察：（假设工具返回）北京今天多云，气温 15-22度，有微风。
思考：根据气温，15-22度比较舒适，但早晚有温差。
最终回答：北京今天多云，建议穿着长袖T恤加一件薄外套。

这是"用魔法打败魔法"，你需要写出高质量的指令来让 AI 帮你写指令，否则它会给你生成很平庸的提示词。

示例提示词 ：我想让 AI 帮我写一个"生成小红书爆款文案"的程序，但我不知道怎么写提示词效果最好。

请你扮演一个资深的提示词工程师 。请根据我的需求（生成小红书文案，语气活泼，多用emoji），为我生成 3 个不同版本的优化提示词。

请确保你生成的提示词包含：角色设定、任务描述、风格要求、输出限制。