一份面向初学者的LLM提示工程指南
提示工程是一种花哨的说法，意思是“为AI模型编写更好的指令，直到它按照你的意愿执行”。
写提示有点像骑自行车。你不需要学习机械物理学博士学位才能学会保持平衡。一点理论知识是有帮助的，但最重要的部分是反复试验和错误。
将本指南视为帮助你准备骑AI自行车的“一点理论”。你将找到一系列技巧，配有解释、示例和模板，可以在你喜爱的模型上进行测试。
本指南专注于ChatGPT（GPT-4），但下面分享的每个技术都适用于其他大型语言模型（LLM），如Claude和LLaMA。
目录
本指南包括哪些内容？💡 为什么你应该关注提示工程？💡 为什么提示工程比你想象的更困难？💡 你不需要提示的想法，你需要问题💡 注意AI幻觉🟢 提示的基础知识 🟢 指定上下文（也称为“启动”）🟢 指定所需的格式🟢 使用<占位符> ∘ 如何将占位符用作参数 ∘ 如何将占位符用作指令🟢 指定风格/语气🟢 指定所需响应的长度🟢 指定目标受众🟢 多示例提示🟢 温度控制🟢 无示例提示（零样例）🟢 有几个高质量示例的少示例提示🟢 无示例/少示例-简化版本💡 上下文学习与聊天历史🟡 思维链提示 ∘ 零样例思维链 ∘ 少示例思维链🟢 角色提示🟢 知识生成提示 ∘ 知识生成提示和ChatGPT插件🟠 知识整合提示* ∘ 知识整合*和Microsoft Edge🟠 方向性刺激（DS）提示 🟡 递归批评和改进（RCI）提示🟡 自我完善提示🟡 反向提示工程🟡 提示修订🟡 程序模拟提示🟠 全合一（AIO）提示*🟢 全合一（AIO）提示的模板🟢 更多关于全合一提示的示例* ∘ Dolores, the Email Muse ∘…