编写高质量Prompt的六个优化技巧

在上一篇文章中，相信你已经学会了通过万能公式来写出一条合格的Prompt，但是仅仅这样还不足以写出优质的Prompt。在本篇教程中，我将继续带你了解那些不怎么常见的Prompt优化技巧。

01  设定角色

设定角色可以是一种有趣且有效的方法，通过这种方式，你可以引导大模型生成更具特定性和一致性的回答，在提示词中你可以清晰地定义所设定的角色特征，包括身份、职业、背景等。这有助于大模型更好地理解并在回答中表现出相应的角色特性。

在这个示例中，我们希望智能体扮演一位科学家的角色，来为我们解释量子力学的知识点，来看看智能体是怎么回答的。

• 设定目标和动机

除了设定角色以外，你还可以通过设定目标和动机的方式丰富角色的形象，以帮助智能体理解在回答中应该关注的方面。

• 引导主观回答

如果你希望模型提供主观性的回答，可以通过提示中的角色设定来引导。表明你期望从设定的角色角度获取意见和观点。

02  预设条件

在Prompt提示中可以清晰地定义你的预设条件，包括任何特定的环境、情境或约束。这可以帮助大模型理解问题的上下文，并生成更符合你期望的回答。比如当我们希望了解人工智能在医疗领域的应用时，模型的答案往往具有科幻色彩，但如果加入现代科技这个前提，模型给到的回答就靠谱了很多。

同时，你还可以在提示中加入约束条件，这样可以限定模型的回答范围，使其在特定框架内生成回答。

在预算有限的情况下，建议如何开展一项科学研究项目，强调资源的有效利用。

当然，你还可以通过引入预设条件，可以引导大模型进行比较与对比。明确提出你希望模型探讨的不同条件下的影响或差异。

比较在自然环境和人工环境中培养植物的影响，考虑生长速度、生态系统互动等方面的不同。

除此之外，你甚至可以通过假设条件来减少大模型回复不准确的概率，比如你可以告诉大模型，如果你的数据存在问题，例如数据不准确、缺乏时效性等，那么可以给出否定答复，例如：对不起，目前没有相关数据可供参考。

03  给示例

使用具体示例可以帮助模型更好地理解你的需求，并提高生成的质量。例如，如果你希望模型回答一个问题，可以先提供一个示例的答案。这个示例答案可以是一个具体的、相关的答案，也可以是一个与问题相关的情境或背景信息。通过提供示例答案，模型可以更好地理解问题的含义和要求，并生成更准确的回答。

04  做强调

大模型训练的预料长度不是固定字数，所以往往越往后的需求描述权重越低，对模型的输出结果造成影响。这个时候，除了将对应需求靠前排外，还可以通过增加强调词，告诉模型自己非常看中的内容，比如增加“非常”、”强调”、“必须”等词汇。你还可以通过加粗、斜体或其他方式使关键词更为明显。

05  思维链（COT）

思维链是一种将思考过程分解为一系列逻辑步骤或关键点的方法，有助于大模型更系统地处理复杂任务。在撰写复杂任务的提示时，通过构建清晰的思维链，拆解复杂任务步骤，可以帮助大模型明确任务的要求、限制和目标。

例如大语言模型在数学推理方面的表现不是太好，但是如果你在提问的时候，加入思维链的关键词，比如告诉模型，你需要逐步进行计算，或者一步一步进行计算等关键词，或者给出实现的步骤和逻辑，这往往可以极大的提高模型答案的准确率。比如，我们使用灵境矩阵平台的智能体【数学解题助手】来测试一道常见的小学数学题。

这组数中的奇数加起来是多少：4、8、9、15、12、2、1

下图中可以看到是没有加入思维链的结果，大模型已经开始经典的胡说八道了。

这组数列的奇数为1、15、9，正确结果应该为25，下面是加入思维链的结果，大模型可以正确反馈结果。

思维链的作用不仅仅局限在做数学题。试想一下，你是运营人员，在做活动策划时，你可以将活动的SOP喂给大模型，让它帮助你生成一份完美的策划方案。

06  巧用定界符

在Prompt提示词中，定界符是用来标记或定义文本边界的一种特殊符号或格式。它们用于告诉模型或系统在哪里开始和结束生成文本，定界可以使用任何符号，例如：</tag><tag>、''''''、< >等。

下面，我们用灵境矩阵的【文档总结】这个智能体测试一下效果如何，从下面的截图可以看到，模型精确的帮我总结出了这段文档的摘要部分，以及其中的要点。效果是不是还不错？

以上就是本篇教程的所有内容了，相信通过上一篇文章的万能公式以及本篇文章的Prompt调优技巧，你已经可以写出相当棒的Prompt了。但是相信这时候你也想到了一个问题，针对不同场景，调试优质的Prompt是一项费时费力的工作。所以在接下来教程中，我将根据使用场景，为你推荐一些常用的Prompt模版。

点击进入灵境矩阵平台官网：灵境矩阵 | 想象即现实