零样本提示
即你直接提示模型给出一个回答，而没有提供任何关于你希望它完成的任务的示例或示范。
一些大型语言模型具备进行零样本提示的能力，但这取决于手头任务的复杂性和知识，以及模型被训练以在其上表现良好的任务。
具体的零样本提示示例如下：
提示：
Q: What is prompt engineering?对于一些较新的模型，你可以省略"Q:"部分，因为模型会根据序列（译注：输入的提示词）的构成将其理解为问答任务。换句话说，提示可以简化如下：
提示词
What is prompt engineering?少样本提示
基于以上标准格式（format），一种流行且有效的提示技术被称为少样本提示。
即你提供示例（即示范）。
你可以按照以下格式组织少样本提示：
<问题>?
<答案>
<问题>?
<答案>
<问题>?
<答案>
<问题>?问答格式的版本看起来像这样：
Q: <问题>?
A: <答案>
Q: <问题>?
A: <答案>
Q: <问题>?
A: <答案>
Q: <问题>?
A:使用问答格式并非必须。提示格式取决于手头的任务。例如，你可以执行一个简单的分类任务，并给出如下所示的示例来给任务示范：
提示词：
This is awesome! // Positive
This is bad! // Negative
Wow that movie was rad! // Positive
What a horrible show! //输出：
Negative语言模型可以基于一些说明了解和学习某些任务，而小样本提示正好可以赋能上下文学习能力。我们将在接下来的章节中更广泛的讨论如何使用零样本提示和小样本提示。
提示词要素
提示词可以包含以下任意要素：
指令：想要模型执行的特定任务或指令。
上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。
输入数据：用户输入的内容或问题。
输出指示：指定输出的类型或格式
注意，提示词所需的格式取决于您想要语言模型完成的任务类型，并非所有以上要素都是必须的。
通用技巧
迭代
指令：不同关键词
上下文：描述性+详细(直接/具体)+长度+
输出示例：数据/格式/
避免说不要做什么，而应该说要做什么。这样（说要做什么）更加的具体，并且聚焦于（有利于模型生成良好回复的）细节上。