OpenAI官方的撰写提示秘籍
官网：platform.openai.com/docs/guides/prompt-engineering/six-strategies-for-getting-better-results
▶策略1：清晰的指令
情景：用户想要在Excel中计算一列数字的总和。
较差的提问：“如何在Excel中加数字？”
更好的提问：“如何在Excel中自动计算一列金额的总和，并将总数显示在名为‘总计’的右侧列中？”
说明：第二个提问更清晰、具体，使模型能够提供更精确的回答。
▶策略2：使用外部工具
情景：用户需要计算一个复杂的数学问题。
传统方法：直接问模型这个数学问题的答案。
改进方法：指导模型使用Python代码来计算答案，例如使用三个反引号（```）包围Python代码。
说明：使用外部工具（如Python代码执行）可以提高计算的准确性。
▶策略3：分解复杂任务
情景：用户需要对一篇长文档进行总结。
传统方法：直接要求模型一次性总结整个文档。
改进方法：将文档分成多个部分，逐个总结，然后将这些小总结合并成一个完整的总结。
说明：将复杂任务分解成多个简单的子任务，可以提高处理的效率和质量。
▶策略4：模型思考时间
情景：用户询问关于历史事件的复杂问题。
传统方法：直接要求模型回答。
改进方法：首先要求模型提出一个推理过程，然后再给出答案。
说明：让模型先进行思考，可以帮助它提供更深入、更准确的答案。
▶策略5：系统性测试变化
情景：开发者想改善聊天机器人的性能。
传统方法：根据个别案例调整指令。
改进方法：创建一个包含多种测试案例的套件，系统性地评估每次改动对性能的影响。
说明：系统性地测试改动可以确保每次调整都真正提升了性能。
▶策略6：指导模型使用引用文本
情景：用户对某个专业领域的问题寻求详细且准确的答案。
传统方法：直接向模型提问。
改进方法：提供相关领域的参考文献或文章，并指导模型根据这些文献来回答问题。
说明：通过提供参考文献，可以引导模型提供更准确、更有根据的答案，减少错误或虚构信息的出现。
