要想AI大模型能干的好，则需要遵循一定的原则则能输出较高质量的结果。
提示词模板
【角色与受众】
- AI扮演角色：[填入]
- 目标受众：[填入]
【参考文章与内容】
[粘贴材料]
- 引用优先级：优先使用参考文章，未覆盖处用通用知识并标注，冲突时以参考文章为准。
【约束条件】
- 输出格式：[如Markdown表格]
- 输出要求：[如500字以内]
- 语言语气：[如专业客观，但通俗易懂]
- 推理过程要求：先列出思考步骤，再给最终答案（用于多步推理题）。
- 不会就说不会：若参考文章及通用知识均无法回答，直接说"无法回答"，禁止编造。
【拆分子任务】
1. 先做：[具体步骤1]
2. 再做：[具体步骤2]
- 步骤间门禁：完成步骤1后，先输出结果摘要，等待我确认（或默认继续）。
3. 最后：[具体步骤3]
【样例（Few-shot）】
[提供1-2个输入输出的对照范例]
【异常兜底】
- 信息不足 → "参考材料未涉及，无法回答"
- 问题模糊 → "请明确以下歧义点：..."
- 前提矛盾 → "需求冲突，请调整优先级"撰写清晰、具体的指令
**示例：**你是一个资深的科学教学老师，目标受众角色是小学和初中学生，解释大模型的原理，输出格式为少于500个字
AI角色（立场）
目标受众角色
动作
将复杂任务拆解为子任务
当问题复杂时，强制模型在给出答案前进行推理，能极大提升准确率（类似人类的"深思熟虑"）。
你给他的信息量多大，他就给能做到多细致。只要不是简单的CRUD，就别只说需求，也需要说技术方案。这些东西，尽量一次到位，不清楚就自己画图去设计，而不是让Cursor替代你完成方案设计，比如：
不断迭代，而非一次性成文
与其让模型一次性完成一篇史诗级长文，不如将其拆解成"大纲撰写 → 章节扩写 → 风格润色 → 校对"等流水线步骤。
重点：迭代，而非分步实现
提供参考文本
1. 提供文本的必要性
采用RAG（检索增强生成） 思路，把文档、网页内容粘贴进提示词，并指令"仅依据以下文本进行回答"。
2. 放文本的位置和格式
当处理长文档或大量数据时：
指令后置：将具体要执行的任务指令放在大量数据的末尾。
桥接语句：在数据结束和指令开始之间，使用过渡句（如"基于上述提供的所有信息，请执行......"）来重新唤醒模型的注意力。
提供样例
如果结果不一样，则最好提供个样例，这样结果会比较准确。
约束前置
将所有约束放在操作任务前面
约束：AI扮演角色，目标受众，输出格式，输出要求，语言的语气，不会就说不会别下瞎猜 等
然后再说要AI做什么