目录
[1. 明确任务目标](#1. 明确任务目标)
[2. 提供上下文信息](#2. 提供上下文信息)
[3. 结构化指令设计](#3. 结构化指令设计)
[4. 控制输出风格与格式](#4. 控制输出风格与格式)
[5. 负面约束明确化](#5. 负面约束明确化)
[6. 迭代优化策略](#6. 迭代优化策略)
[7. 特殊任务处理技巧](#7. 特殊任务处理技巧)
1. 明确任务目标
清晰定义期望大模型完成的任务类型（如文本生成、代码编写、问答等）。避免模糊表述，具体说明输出格式或内容要求。例如：
"生成一篇关于气候变化的科普文章" 优于 "写点关于环境的内容"。
2. 提供上下文信息
加入背景信息或示例帮助模型理解需求。对于复杂任务，可附加相关数据或前因后果。例如：
"以下是用户评论列表，请总结负面反馈的关键点：[列表内容]"。
3. 结构化指令设计
将复杂任务拆分为多步骤指令，用序号或分段区分优先级。例如：
解释量子计算的基本原理；
对比经典计算机与量子计算机的差异；
列出三个当前应用案例。
4. 控制输出风格与格式
指定长度（如"300字内"）、语气（正式/口语化）、受众（专业人士/儿童）等。技术性任务可要求"用Markdown输出，包含标题和代码块"。
5. 负面约束明确化
通过禁止条款限制不想要的输出。例如："避免使用专业术语"、"不包含政治观点"。对生成内容的安全性或偏见可追加"需符合伦理准则"。
示例模板：
任务类型：产品描述生成
输入：智能手机参数表
要求：
- 突出电池续航和摄像功能
- 目标用户为年轻群体
- 语言风格活泼，带emoji
- 禁止提及竞争对手品牌
6. 迭代优化策略
根据初次输出调整Prompt：
- 结果过于简略时，增加细节要求（如"包含三个使用场景"）
- 存在偏差时，补充排除条件（如"不包含2020年前的数据"）
- 格式错误时，明确分隔符规则（如"用---分隔各段落"）
7. 特殊任务处理技巧
代码生成需指定语言和依赖库："Python代码，使用Pandas处理CSV文件"；数学问题宜采用公式格式："以LaTeX格式输出推导过程"。多轮对话可设置角色："你是一位资深医学顾问，用通俗语言解释病情"。