本文主要是介绍专题◉万字长文！盘点过去一年最出圈的Prompt项目教程，有3份在悄悄更新，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.
OpenAI 官方出品 | 提示工程最权威的教程 (最新版)
2023年6月，OpenAI 发布了一篇〖*GPT Best Practice (GPT 最佳实践)* 〗教程，详细介绍 ChatGPT Prompt 交互策略&技巧，并且给出了示例说明。
一年时间过去了，OpenAI 不断发布新的大模型，这份教程也随之改版优化——更名为〖Prompt Engineering (提示工程) 〗，升级了诸多交互细节，还补充了更多实际用例。
提醒一下！这份教程中提到的策略&技巧，有些只适用于 OpenAI 当前最强版本的模型 (GPT-4o等) ，使用时需要注意 🧲
看了很多 Prompt 教程和经验分享。
回看 OpenAI 这份资料，发现〖万变不离其宗〗。果然，缔造了大语言模型的团队，给出的操作建议是最实用和靠谱的~
Prompt Engineering 提示工程
教程核心内容是 Six strategies for getting better results。6条策略及其操作技巧，与一年前相比，变化不大。
不过，作为有着一年多使用经验的〖资深提示词工程师〗，相信你此时再读，一定会有不一样的感觉 ↓↓↓
🎡 [策略1] 给 GPT 明确的指示 (Write clear instructions)
说明：清晰地告诉 GPT 你需要什么。如果你提出的需求不明确， GPT 就会〖猜测〗你要什么。而减少模型的〖猜测〗，有助于得到更满意的结果。
- 输入要包含尽可能详尽的细节 / Include details in your query to get more relevant answers
- 让模型扮演特定角色 / Ask the model to adopt a persona
- 利用分隔符把不同部分区分开 / Use delimiters to clearly indicate distinct parts of the input
- 告诉 GPT 完成任务的具体步骤 / Specify the steps required to complete a task
- 多提供几个示例 / Provide examples
- 告诉 GPT 需要的答案长度 / Specify the desired length of the output
🎡 [策略2] 给 GPT 提供阅读材料 (Provide reference text)
说明：语言模型经常信口开河，尤其遇到冷门话题，以及需要引用或者读取链接的时候。这时给 GPT 提供阅读材料，让它参考作答，就靠谱多了。
- 要求 GPT 按照提供的阅读材料作答 / Instruct the model to answer using a reference text
- 要求 GPT 在回答时，给出阅读材料里的原文信息 / Instruct the model to answer with citations from a reference text
🎡 [策略3] 把复杂任务拆解为简单的子任务 (Split complex tasks into simpler subtasks)
说明：借鉴软件工程的经验，把大任务拆解为一连串的小任务 (工作流)，更容易完成 & 正确率更高。
- 使用意图分类，找到最确切的提示词 / Use intent classification to identify the most relevant instructions for a user query
- 如果对话拖得太长，过程中经常做一下总结，防止话题跑偏 / For dialogue applications that require very long conversations, summarize or filter previous dialogue
- 长文档要一段一段地处理，最后再进行整合 / Summarize long documents piecewise and construct a full summary recursively
🎡 [策略4] 给予 GPT 思考时间 (Give GPTs time to “think”)
说明：给道数学题〖17 X 28 = ?〗 你得算一会儿再给出正确答案。 GPT 同理，需要时间慢慢地思考和推理，这样给出的答案也更加靠谱。
- 与其让 GPT 匆匆给出结论，不如让它先推理一遍解题过程 / Instruct the model to work out its own solution before rushing to a conclusion
- 把不想让用户看到的内容隐藏起来 / Use inner monologue or a sequence of queries to hide the model’s reasoning process
- 最后问 GPT 之前的回答是否有遗漏 / Ask the model if it missed anything on previous passes
🎡 [策略5] 借助外部工具 (Use external tools)
说明：用其他工具的输出来补模型的不足。如果借助外部工具，可以更可靠或高效地完成任务，就别让 GPT 硬撑。
- 使用基于 embedding 的搜索来实现高效的知识检索 / Use embeddings-based search to implement efficient knowledge retrieval
- 需要做精确计算的场景：写代码完成，或者调用 API / Use code execution to perform more accurate calculations or call external APIs
- 使用 Function-Call (函数调用) / Give the model access to specific functions
🎡 [策略6] 进行系统化的测试 (Test changes systematically)
说明：量化模型的输出质量，有助于提升模型性能。完成这个过程，可以参考机器学习领域的有监督学习过程。
- 评估模型输出的时候，需要你提供一个优质答案作为参考标准 / Evaluate model outputs with reference to gold.standard answers
教程提到的每个策略和技巧，都有详细的说明，并给出了正确的示例 👆 如上图
超级棒的学习资料！温故而知新呐 🎉
“
教程链接 → https://platform.openai.com/docs/guides/prompt-engineering
更多资源 | OpenAI Cookbook → https://cookbook.openai.com
中文编译&解读
OpenAI 教程虽好，但是英文读起来还是略显晦涩。
这时！我就要疯狂推荐 @未来力场 这份中文解读了！！
作者团队们对 OpenAI 官方教程进行了深度编译，就是翻译成了非常好理解的中文大白话，而且补充了非常多解释说明、操作用例、好坏提示词对比。排版还巨巨巨好看！！
你可以理解为，是一位项目经验丰富的提示词专家，毫无保留地分享了自己的实战经验和操作技巧 🎉
以〖Specify the steps required to complete a task (告诉 GPT 完成任务的具体步骤) 〗为例。
OpenAI 官方教程 (👆上图顶部) 中包含技巧说明&使用示例。
中文解读文档更近一步，除了翻译官方教程中的内容，还附上了官方示例的输出结果 (上图底部左侧)，并且给出了更实用的中文提示词框架和输出结果 (上图底部右侧)。
尤其难得的是，整份文档有大量的对比实验，其中灰色块就是我们〖偷懒〗使用的不规范提示词，以及对比惨烈的输出结果。
“
前往知识星球下载完整 PDF 文档 (共38页) → https://t.zsxq.com/7tUS2 编码【R189】
注意！这份文档写于2023年10月，是基于旧版 OpenAI 教程整理的。所以，文档内容和输出结果可能略有差异，但策略和技巧一直适用。
Prompt Examples 提示词范例
OpenAI 官网有一个单独页面，整理了官方认可的 30 个提示词范例〖Prompt Examples〗，包括语法检查、文字变 emoj、代码讲解、关键词提取、编程、翻译、创建网站、识别情绪等等。
你可以前往查看和复制这些提示词，也可以认真研究，学一些写 Prompt 的实用小窍门儿 🧐
- Grammar correction：把句子改得语法正确，符合英语规范
- Summarize for a 2nd grader：把句子变得简单，让二年级小朋友也能理解
- Parse unstructured data：把乱糟糟的文字变成整齐的表格
- Emoji Translation：把普通文字变成表情符号
- Calculate time complexity：算出某个功能处理事情需要多长时间
- Explain code：把复杂的代码讲清楚，让人明白
- Keywords：从一段文字中找出最重要的词语
- Product name generator：根据描述和提示词，想出产品的名字
- Python bug fixer：找出Python代码里的错误并修复
- Spreadsheet creator：根据不同的数据，制作各种电子表格
- Tweet classifier：判断推文表达的是开心还是难过
- Airport code extractor：从文字中找出机场的代码
- Mood to color：把文字描述的感觉转换成一种颜色
- VR fitness idea generator：想出一些能让人健身的虚拟现实游戏点子
- Marv the sarcastic chat bot：一个既说实话又有点讽刺的聊天机器人
- Turn by turn directions：把自然语言变成一步步的导航提示词
- Interview questions：想出一些面试时会问的问题
- Function from specification：根据要求，从头开始写一个Python函数
- Improve code efficiency：给Python代码提一些让运行更快的建议
- Single page website creator：创建一个内容都集中在一页上的网站
- Rap battle writer：编一场两个角色之间的说唱对决
- Memo writer：根据提供的要点，写出公司的备忘录
- Emoji chatbot：只用表情符号来回复聊天
- Translation：把一种语言的文字翻译成另一种语言
- Socratic tutor：像苏格拉底那样，用提问的方式引导学习
- Natural language to SQL：把平时说的话转换成数据库能懂的SQL语言
- Meeting notes summarizer：把会议内容、要做的事情和将来要讨论的话题总结起来
- Review classifier：根据一组标签，把用户的评价分类
- Pro and con discusser：分析一个事情的好处和不好的地方
- Lesson plan writer：为某个特定的课题制定教学计划
“
Prompt Examples → https://platform.openai.com/docs/examples
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈
2.
Anthropic 官方出品 | 顶级AI工程师教你写 Claude 提示词 (最新版)
Anthropic 公司的大模型是大名鼎鼎的 Claude，目前已经更新到 Claude 3，文本处理能力一骑绝尘。
Anthropic 官网的〖Prompt Engineering (提示工程)**〗教程内容，*与旧版本相比改变很多！而且增加了一系列的辅助学习网站*，看到时眼前一亮 🥳
照例提醒！Anthropic 教程与 OpenAI 教程的精神一脉相承，但是具体策略各有侧重，这与各家大模型的能力和特性密切相关。建议多尝试，多感受~
Prompt Engineering 提示工程
教程核心内容是 Six strategies for getting better results。6条策略及其操作技巧，与一年前相比，变化不大。
不过，作为有着一年多使用经验的〖资深提示词工程师〗，相信你此时再读，一定会有不一样的感觉 ↓↓↓
🎡 [策略1] 给 GPT 明确的指示 (Write clear instructions)
说明：清晰地告诉 GPT 你需要什么。如果你提出的需求不明确， GPT 就会〖猜测〗你要什么。而减少模型的〖猜测〗，有助于得到更满意的结果。
- 输入要包含尽可能有防盗链机制,建议将图片保存下来直接上传](https://片](https://img-blog.csdnimg.cn/img_convert/726ad433f263be24af1255home.csdnimg-blog.csdnimg.cn/img_convert/7ccebcb6832d695a8a2f0b046d8ca9c4.png)
OpenAI 教程虽好，但是英文读起来还是略显晦涩。
这时！我就要疯狂推荐 @未来力场 这份中文解读了！！
作者团队们对 OpenAI 官方教程进行了深度编译，就是翻译成了非常好理解的中文大白话，而且补充了非常多解释说明、操作用例、好坏提示词对比。排版还巨巨巨好看！！
你可以理解为，是一位项目经验丰富的提示词专家，毫无保留地分享了自己的实战经验和操作技巧 🎉
以〖Specify the steps required to complete a task (告诉 GPT 完成任务的具体步骤) 〗为例。
OpenAI 官方教程 (👆上图顶部) 中包含技巧说明&使用示例。
中文解读文档更近一步，除了翻译官方教程中的内容，还附上了官方示例的输出结果 (上图底部左侧)，并且给出了更实用的中文提示词框架和输出结果 (上图底部右侧)。
尤其难得的是，整份文档有大量的对比实验，其中灰色块就是我们〖偷懒〗使用的不规范提示词，以及对比惨烈的输出结果。
“
前往知识星球下载完整 PDF 文档 (共38页) → https://t.zsxq.com/7tUS2 编码【R189】
注意！这份文档写于20230所以，文档内容和输出结果可能略有差异，但策略和技巧一直适用。
Prompt Examples 提示词范例
OpenAI 官网有一个单独页面，整理了官方认可的 30 个提示词范例〖Prompt Examples〗，包括语法检查、文字变 emoj、代码讲解、关键词提取、编程、翻译、创建网站、识别情绪等等。
你可以前往查看和复制这些提示词，也可以认真研究，学一些写 Prompt 的实用小窍门儿 🧐
- Grammar correction：把句子改得语法正确，符合英语规范
- Summarize for a 2nd grader：把句子变得简单，让二年级小朋友也能理解
- Parse unstructured data：把乱糟糟的文字变成整齐的表格
- Emoji Translation：把普通文字变成表情符号
- Calculate time complexity：算出某个功能处理事情需要多长时间
- Explain code：把复杂的代码讲清楚，让人明白
- Keywords：从一段文字中找出最重要的词语
- Product name generator：根据描述和提示词，想出产品的名字
- Python bug fixer：找出Python代码里的错误并修复
- Spreadsheet creator：根据不同的数据，制作各种电子表格
- Tweet classifier：判断推文表达的是开心还是难过
- Airport code extractor：从文字中找出机场的代码
- Mood to color：把文字描述的感觉转换成一种颜色
- VR fitness idea generator：想出一些能让人健身的虚拟现实游戏点子
- Marv the sarcastic chat bot：一个既说实话又有点讽刺的聊天机器人
- Turn by turn directions：把自然语言变成一步步的导航提示词
- Interview questions：想出一些面试时会问的问题
- Function from specification：根据要求，从头开始写一个Python函数
- Improve code efficiency：给Python代码提一些让运行更快的建议
- Single page website creator：创建一个内容都集中在一页上的网站
- Rap battle writer：编一场两个角色之间的说唱对决
- Memo writer：根据提供的要点，写出公司的备忘录
- Emoji chatbot：只用表情符号来回复聊天
- Translation：把一种语言的文字翻译成另一种语言
- Socratic tutor：像苏格拉底那样，用提问的方式引导学习
- Natural language to SQL：把平时说的话转换成数据库能懂的SQL语言
- Meeting notes summarizer：把会议内容、要做的事情和将来要讨论的话题总结起来
- Review classifier：根据一组标签，把用户的评价分类
- Pro and con discusser：分析一个事情的好处和不好的地方
- Lesson plan writer：为某个特定的课题制定教学计划
“
Prompt Examples → https://platform.openai.com/docs/examples
2.
Anthropic 官方出品 | 顶级AI工程师教你写 Claude 提示词 (最新版)
Anthropic 公司的大模型是大名鼎鼎的 Claude，目前已经更新到 Claude 3，文本处理能力一骑绝尘。
Anthropic 官网的〖Prompt Engineering (提示工程)**〗教程内容，*与旧版本相比改变很多！而且增加了一系列的辅助学习网站*，看到时眼前一亮 🥳
照例提醒！Anthropic 教程与 OpenAI 教程的精神一脉相承，但是具体策略各有侧重，这与各家大模型的能力和特性密切相关。建议多尝试，多感受~
Prompt Engineering 提示工程
这份〖Prompt Engineering (提示工程) 〗教程，提到了 10 项操作技巧〖technique〗，并对每一项都进行了详细的介绍。
🎡 [技巧1] 提示词要清晰明确 (Be clear & direct)
说明：在与 Claude 互动过程中，输入清晰直接的提示词，对于获得最佳响应至关重要。
- Claude 最喜欢直截了当的提示词。如果输入的提示词比较复杂，建议将其分步和编号。
- 判断提示词是否清晰明确的〖黄金法则〗：把 Claude 当成一位聪明勤奋的新员工，试想 ta 能否按照你的提示词，准确地行动并最终产生你期望的结果。
🎡 [技巧2] 给 Claude 举例 (Use examples)
说明：提示词包含几个精心设计的例子，可以显著提高 Claude 回答的准确性、一致性和质量。这一技巧通常也被称作 few-shot prompting / one-shot prompting。
- 举例是提升 Claude 性能、引导产生符合期望的输出的最有效工具。如果你的输出需要包含更多的细节、更加结构化、或者遵守特定格式，那么〖举例〗这个技巧尤其有效。
- 通常，提供的示例越多，Claude 回答就越可靠，但代价是响应时间、计算资源等随之增多。
- 确保给 Claude 提供常见的边缘情况示例。
🎡 [技巧3] 角色扮演 (Give Claude a role)
说明：在提示词中给 Claude 设定指定一个角色 (比如数学家)，能引导提升其准确性和性能。这一技巧也常被称作 role prompting。
- 为了帮助 Claude 理解它在特定对话中扮演的角色，你需要提供额外的上下文。
- Claude响应体现在两个方面：① 调整输出内容 (行为/语气等) 以符合角色特征，② 在某些情况下（如数学问题）显著提高回答的准确性。
🎡 [技巧4] 使用 XML 标签 (Use XML tags)
说明：Claude 大模型已经针对 XML 标签进行了专门训练，因此特别推荐使用 XML 标签来强化提示词的结构。
- XML 标签
<>可以帮助 Claude 理解提示词的结构，类似于章节标题帮助人类理解文本结构。 - 将提示词的关键部分 (如例子、输入数据等) 用 XML 标签区隔开，可以帮助 Claude 更好地理解上下文，输出也能更准确。
- 当提示词比较长，或者结构比较复杂时，这个技巧尤其有效。
🎡 [技巧5] 任务拆解 (Chain prompts)
说明：把复杂任务拆解成多个步骤，并将子任务构建成串行的工作流，确保过程中的每一步 & 最终输出是准确的。
- 任务完成后，你可以给 Claude 提供一套评分标准或评价准则，让 Claude 自己判断之前回答的质量。
- 让Claude根据评分标准的最高要求，重新生成或者修正之前的回答
🎡 [技巧6] 逐步思考 (Let Claude think)
说明：面对复杂问题时，让 Claude 在回答之前先想清楚具体的步骤，再根据步骤生成最终的答案。这一技巧也被称作 chain of thought (CoT) prompting [思维链]。
🎡 [技巧7] 预填充引导 Claude回答 (Prefill Claude’s response)
说明：在提示词中设定 Assistant 内容，可以控制输出格式，并帮助 Claude 在角色扮演场景中保持角色特性。
- 这是 Claude 独特能力，允许在提示词中设定〖Assistant〗部分的详细内容，来精准引导和控制回答。
- 尤其在 Claude 输出表现不理想的情况下，几个预填充的句子可以显著提升响应质量。
🎡 [技巧8] 控制输出格式 (Control output format - JSON mode)
说明：提供清晰的指令 [技巧1]、给 Claude 举例 [技巧2]、预填充 [技巧3]，这些都可以引导 Claude 生成结果符合你期望的结构/风格。
🎡 [技巧9] 请求Claude重写 （Ask Claude for rewrites)
说明：即使提示设计得很好，Claude 回答也可能不够准确或完全不符合预期。这种情况下，可以利用 Claude 自我修订能力，通过重写来改善生成质量。
- 需要提供更清晰的指令 & 详细的评分标准。
🎡 [技巧10] 长上下文窗口技巧 (Long context window tips)
说明：长上下文增加了大模型处理复杂任务的能力。例如，一份长文档，之前需要将其切割并分别处理，现在可以完整输入给大模型，既有助于 Claude 全面理解上下文，又使得生成结果准确度更有保障。
- 当处理长文档时，使用XML标签将各部分分隔开，以便 Claude 能够清晰地区分输入的内容。
- 先输入长文档或其他附加材料，再输入详细的操作指令，可以显著提升输出品质。
- 基于输入的长文档/长文本回答某个问题时，先让 Claude 找到原文中的对应信息，再回答提出的问题。
- 基于输入长文档/长文本生成多项选择题时，提示词中包括同一文本的参考示例 (问题+选项+答案)，可以显著提高生成质量。
每项技巧的详情页，除了介绍原理外，还会附上优化前 & 优化后的提示词样例，更直观地展示操作细节，帮助你理解 👆 如上图所示。
“
教程原文 → https://docs.anthropic.com/en/docs/prompt-engineering
Anthropic Cookbook → https://github.com/anthropics/anthropic-cookbook
此外，Anthropic 官方还提供了这份教程的交互版本，提供了大量示例和练习题。
也就是说，访问 👇 GitHub 或 Google Doc 链接，跟随说明进行操作，就可以体验到〖提示词输入-输出〗过程，感受每项操作技巧对输出的影响，帮你更好地使用 Claude 大模型~
“
Google 交互文档 → https://docs.google.com/spreadsheets/d/19jzLgRruG9kjUQNKtCg1ZjdD6l6weA6qRXG5zLIAhC8
GitHub 交互文档 → https://github.com/anthropics/prompt-eng-interactive-tutorial/blob/master/Anthropic%201P
访问这两个链接需要魔法 🔮
中文编译&解读
Anthropic 官方将教程内容，整理成了一份在线 PPT，是一份大宝藏！！
@未来力场 也对其进行了深度编译，制作成一份中英双语对照的文档 👆 如上图所示
官方一再强调，提示工程很简单，更加侧重实战经验和手感积累。各家大模型的操作，有共性也有特性，整体大差不差，多多尝试很重要！！
“
前往ShowMeAI知识星球，下载完整 PDF 文档 (共147页) → https://t.zsxq.com/5nTOr 编码【R199】
注意！这份文档写于2023年12月，是基于旧版PPT整理的。新旧版 PPT 内容差异略大，所以可能有些对不上哦~
官方最新PPT → https://docs.google.com/presentation/d/e/2PACX-1vQwlLzYMgfKpTgGwPQirMwmY3aSV0vQNJ2nlqTRv0cXhta_-eJLhwvUNgVPe0rJtCk22i2RhkMniIcq/pub?slide=id.g2c40da08fdb_17_0
Prompt Library
Anthropic 也整理并发布了一个〖Prompt Library (提示词库)〗 👆 如上图左侧。
Prompt Library 目前包括 60+ 高频应用场景的提示词，例如互动游戏、应用开发、教育、创意、翻译、创作、数据分析、社交、娱乐、技术工具等等方面。而且！每份提示词都有规范的输入、供参考的输出和API 请求格式 👆 如上图右侧。
整理了页面工具的简单介绍。有了这个工具库，Claude 使用效率直接拉满~
- Cosmic keystrokes：在单个HTML文件中生成一个交互式的速度打字游戏，具有横向滚动的游戏玩法和Tailwind CSS样式
- Corporate clairvoyant：从长篇企业报告中提取洞察力，识别风险，并将其浓缩成一份备忘录
- Website wizard：根据用户规格创建单页网站
- Excel formula expert：根据用户描述的计算或数据操作创建Excel公式
- Google apps scripter：根据用户需求生成Google Apps脚本
- Python bug buster：检测并修复Python代码中的bug
- Time travel consultant：帮助用户导航假设的时间旅行场景及其影响
- Storytelling sidekick：与用户合作创作引人入胜的故事，提供情节转折和角色发展
- Cite your sources：回答有关文档内容的问题，并提供支持回答的相关引用
- SQL sorcerer：将日常语言转化为SQL查询
- Dream interpreter：提供用户梦境的象征意义的解释和洞察
- Pun-dit：基于任何给定主题生成巧妙的双关语和文字游戏
- Culinary creator：根据用户可用的食材和饮食偏好建议食谱
- Portmanteau poet：将两个单词混合在一起，创造出一个新的、有意义的混合词
- Hal The humorous helper：与一个知识渊博且带有讽刺意味的AI进行聊天
- LaTeX legend：编写LaTeX文档，为数学方程式、表格等生成代码
- Mood colorizer：将情绪描述转化为相应的HEX颜色代码
- Git gud：根据用户描述的版本控制操作生成适当的Git命令
- Simile savant：从基本描述中生成比喻
- Ethical dilemma navigator：帮助用户思考复杂的道德困境，并提供不同的观点
- Meeting scribe：将会议内容浓缩成简洁的摘要，包括讨论主题、关键要点和行动项
- Idiom illuminator：解释常见成语和谚语的含义和起源
- Code consultant：建议改进以优化Python代码性能
- Function fabricator：根据详细规格创建Python函数
- Neologism creator：基于用户提供的概念或想法发明新词，并提供定义
- CSV converter：将数据从各种格式 (如JSON、XML等) 转换为正确格式的CSV文件
- Emoji encoder：将纯文本转换为富有表现力的emoji消息
- Prose polisher：使用高级的编辑技巧和建议改进和提升写作内容
- Perspectives ponderer：权衡用户提供的主题的利弊
- Trivia generator：生成各种主题的趣味问题，并在需要时提供提示
- Mindfulness mentor：引导用户进行正念练习和减压技巧
- Second grade simplifier：使复杂文本易于年轻学习者理解
- VR fitness innovator：为虚拟现实健身游戏提供创意想法
- PII purifier：自动检测并从文本文档中移除个人身份信息 (PII)
- Memo maestro：根据关键点撰写全面的公司备忘录
- Career coach：与AI职业教练进行角色扮演对话
- Grading guru：根据用户定义的标准和标准比较和评估书面文本的质量
- Tongue twister：创造挑战性的绕口令
- Interview question crafter：生成面试问题
- Grammar genie：将语法不正确的句子转换为正确的英语
- Riddle me this：生成谜语并引导用户找到解决方案
- Code clarifier：用简单的语言简化和解释复杂代码
- Alien anthropologist：从一个外星人类学家的角度分析人类文化和习俗
- Data organizer：将非结构化文本转换为定制的JSON表格
- Brand builder：为一个全面的品牌形象制定设计简报
- Efficiency estimator：计算函数和算法的时间复杂度
- Review classifier：将反馈分类到预先指定的标签和分类中
- Direction decoder：将自然语言转化为逐步指导
- Motivational muse：根据用户输入提供个性化的励志信息和肯定
- Email extractor：从文档中提取电子邮件地址到JSON格式的列表
- Lesson planner：就任何主题制定深入的课程计划
- Socratic sage：就用户提供的主题进行苏格拉底式对话
- Alliteration alchemist：为任何给定主题生成押韵短语和句子
- Futuristic fashion advisor：为用户的特定偏好建议前卫的时尚趋势和风格
- Polyglot superpowers：将文本从任何语言翻译成任何语言
- Product naming pro：根据描述和关键词创建吸引人的产品名称
- Philosophical musings：进行深入的哲学讨论和思想实验
- Spreadsheet sorcerer：生成包含各种类型数据的CSV电子表格
- Sci-fi scenario simulator：与用户讨论各种科幻场景及其相关的挑战和考虑
- Adaptive editor：根据用户给出的提示词 (如不同的语气、受众或风格) 重写文本
- Babel’s broadcasts：用世界上最多人说的10种语言创建引人入胜的产品公告推文
- Tweet tone detector：检测推文背后的语气和情感
- Airport code analyst：从文本中查找并提取机场代码
“
官网链接 → https://docs.anthropic.com/claude/prompt-library
提示词的开发生命周期
官方教程简介中，提到了一个非常有趣&实用的〖The prompt development lifecycle〗。根据 👆 上图所示，提示词开发生命周期大致包含以下几个过程：
开发测试用例 [Develop test cases] → 构建初版提示词 [Engineer preliminary prompt] → 对提示词进行用例测试 [Test prompt against cases] → 优化提示词 [Refine prompt] → 分享完善后的提示词 [Share polished prompt]
提示词工程师需要注意以下操作细节：
- 给定清晰的任务描述，以及一组多样化的示例〖输入-输出〗，尽量涵盖边缘案例。
- 可以积累几个案例，然后创建一个评估套件，以便进行定性评估。
- 利用 彩虹图 里的提示词要素，来构建完整提示词。
- 对提示词进行用例测试。
- 如果输出质量不好，请通过向提示词中添加示例和规则来迭代提示词，直到获得满意的输出为止。
- 仅在提示词已经有效时，才优化和减少提示词元素以提高效率。
其中，第3条提到的彩虹图，是官方给出的一个可参考的提示词架构 (新版 PPT 第 44 页)。
3.
深度拆解 | 新加坡首届 GPT-4 提示工程大赛，冠军的万字经验分享
前段时间，新加坡政府科技局 (GovTech) 组织了首届 GPT-4 提示工程大赛，这场比赛吸引了超过 400 名杰出的参与者。
Sheila Teo 从中脱颖而出，拿到大赛冠军，并撰文分享了她对于 Prompt 的独特理解。而且，她特意避开了那些广为人知的操作方法，是这位世界冠军的独家见解和干货！
原文非常长！而且非常详细，不仅有技巧的详细说明、适用范围、适用方式、注意事项，还非常难得地配了很多示例 (尤其是最后地案例及拆解)。有非常多的设计巧思值得学习。
以下是文章核心主干，推荐阅读原文！！
提示词实战策略
🔵 - 初级策略 🔴 - 高级策略
[🔵] 使用CO-STAR框架，构建结构化的提示词
- C (背景) ：提供任务的背景信息，让 LLM 明确讨论的场景，确保生成的回复具有相关性。
- O (目标) ：清楚表述任务目标，让 LLM 将其回复重点放在特定目标上。
- S (风格) ：明确希望 LLM 使用的写作风格，比如特定职业专家、著名人物等。
- T (语气) ：确定回复的态度，例如正式、幽默、富有同情心等。
- A (受众) ：指明回复的受众，例如某专业的专家、初学者、儿童等。
- R (回复) ：明确回复格式，例如列表、JSON、专业报告等。
[🔵] 使用分隔符将提示词分段
- 这里的分隔符，既可以是特殊的符号组合 (如
###===>>>)，也可以是 XML标签。 - 分隔符能够帮助 LLM 区分提示词的不同部分，快速理解提示词的结构。
- 这一策略对复杂任务尤为重要。
[🔴] 为 LLM 设置系统提示
- 系统提示作为附加提示，定义了 LLM 的行为方式，像过滤器一样影响LLM的每次回复。
- 系统提示用于确保 LLM 在整个聊天过程中，记住特定的指令。
- 系统提示的典型内容包括：任务定义、输出格式、行为准则等。
- 也可以通过编程方式，设置动态的 LLM 护栏，如使用 NeMo 护栏。
[🔴] 仅使用LLM (无需插件或代码) 分析数据集
- LLM〖不擅长〗的数据集分析类型：定量分析任务，如描述性统计、相关性分析、统计分析、机器学习等。
- LLM〖擅长〗的数据集分析类型：模式识别和趋势分析任务，如异常检测、聚类、跨列关系、文本分析、趋势分析（有时间维度的数据集）等。
数据分析实战案例
仅使用 LLM 分析 Kaggle 数据集
- 案例详情：通过一个客户信息数据集的例子，展示了如何使用 LLM 进行聚类，并根据聚类结果制定营销策略。效果非常不错！
- 试试其他方式：使用 ChatGPT 高级数据分析插件，并没有得到结果。由此可见，ChatGPT 在此类复杂任务实现过程中，受到了限制。
何时使用 LLM，何时使用 ChatGPT 高级数据分析插件？
- 因分析的具体类型而异。
- 一般来说，对于需要精确的数学运算、复杂的规则处理的任务，传统的编程方法依然更加适用；而对于依赖模式识别的任务，大语言模型的表现更加优异，能提供包括分析附件在内的额外输出，并能生成 Markdown 格式的完整分析报告。
- 总的来说，是否采用大语言模型取决于任务本身的性质，需要平衡其在模式识别上的强项，与传统编程技术提供的精确度和特定性。
提示工程技巧拆解
文章最后，作者结合上方提到的数据分析案例的提示词，详细拆解了其中用到的各种技巧。算是一次大整理 & 大复盘！
技巧1：将复杂任务分解成简单步骤
- 大语言模型 (LLM) 擅长处理简单的任务，对于复杂的任务则表现不佳。因此，在面对复杂任务时，把它分解成一步步简单的提示词是至关重要的。
- 这种方法的核心思想是，明确告知 LLM 你自己执行该任务时会采取的每一个步骤。
技巧2：使用每一步的中间结果进行参考
- 在处理多步骤任务时，LLM 生成的中间结果可以为后续步骤提供有力参考。
- 通过在提示中明确引用前面步骤的结果，模型能在后续回答中保持一致性和逻辑性，确保最终的结果全面、准确。
技巧 3：规范LLM回复的格式
- 在提示工程中，明确指定回复的格式对任务结果的质量至关重要。通过引导 LLM 使用特定的输出结构，可以确保其回复清晰、易读，并且符合后续使用的需求。
- 这种策略尤其适用于生成报告、列表或结构化数据等任务。
技巧 4：将任务提示词与数据集分开
- 在提示中，将任务提示词与数据集分开可以帮助大语言模型 (LLM) 保持更清晰的上下文理解，确保模型准确执行任务。
- 这种方法尤其适用于复杂任务，能够最大限度地减少模型因处理大量信息而出现的误解或遗漏。
“
原文链接 → https://towardsdatascience.com/how-i-won-singapores-gpt-4-prompt-engineering-competition-34c195a93d41
⋙ 阅读中文翻译版
4.
深度拆解 | 缔造 AI Tutor 的天才少年，与天花板级别的复杂提示词
是提示词发展过程中，一个绕不开的典型应用案例。一年前，17岁的澳洲高中生 JushBJJ 用一套复杂的提示词，实现了这个〖AI全能导师〗应用并开源了提示词，全球爆火。
简单来说，Mr. Ranedeer AI Tutor 是一个基于 OpenAI GPT-4 模型的个性化学习助手，根据用户定制的知识深度/学习风格/沟通类型/语气/推理框架/语言等，指定个性化的学习计划，并提供每部分详细的学习资料，还能帮助完成问答和自我测验。
也就是说，有了 Mr. Ranedeer AI Tutor，就相当于拥有了一位无所不知、循循善诱的全能导师，能随时与你展开任何领域的学习互动。
2023年11月，JushBJJ 开心地宣布高中毕业 😂，然后将更多时间投入到版本升级和用户交流中。
目前，Mr. Ranedeer AI Tutor 释出的最新版本是 v2.7。从官方网站可以得知，v2.9 和 V3 都在开发中，进展也都比较顺利。
以及，JushBJJ 有意基于 Mr. Ranedeer 构建一个付费的学习平台，类似于 edX 和 Coursera，以此促进各种知识和技能的普及。
年少有为，未来可期 👀
“
官网链接 → https://mr-ranedeer.com
GitHub 项目地址 → https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor
Mr. Ranedeer Prompt (v2.7)
根据作者开源的提示词 (👆 部分截图) 可以看出，其结构非常复杂，v2.7 版本已经高达 5500+ tokens。一年前刚问世的时候，它被冠以〖天花板〗的美誉，一年后的今天再看，仍然非常耀眼 🥳
使用 Mr. Ranedeer AI Tutor 的方式很多，可以直接使用 GPTs、也可以复制提示词到 ChatGPT 对话框，还可以使用其他大模型 (例如 Claude、Kimi 等)。当然效果最好的还是 GPT-4 大模型~
然后根据提示，一步步操作，就可以开启学习之旅了！
“
ChatGPT GPTs → https://chatgpt.com/g/g-9PKhaweyb-mr-ranedeer
Mr. Ranedeer AI Tutor 提示词 → https://raw.githubusercontent.com/JushBJJ/Mr.-Ranedeer-AI-Tutor/main/Mr_Ranedeer.txt
可以前往知识星球下载提示词 txt 文档 → https://t.zsxq.com/KCPJH
在 Kimi 里测试了一下！也可以！！
注意：使用国产大模型进行操作的话，需要删除原始提示词中底部的一部分，因为有不能访问的链接，会提示报错~
需要注意的是，Mr. Ranedeer AI Tutor 初始设置如下：
- 🎯Depth: Highschool | 深度：高中
- 🧠Learning-Style: Active | 学习风格：主动
- 🗣️Communication-Style: Socratic | 交流风格：苏格拉底式
- 🌟Tone-Style: Encouraging | 语气风格：鼓励性
- 🔎Reasoning-Framework: Causal | 推理框架：因果关系
- 😀Emojis: Enabled (Default) | 表情符号：启用 (默认)
- 🌐Language: English (Default) | 语言：英文 (默认)
记得要尽快将语言更换为〖中文〗。如果想更改其他设置，作者在 GitHub 页面给出了候选列表 ↓↓↓
- Depth: Elementary (Grade 1-6), Middle School (Grade 7-9), Highschool (10-12), College Prep, Undergraduate, Graduate, Master’s, Doctoral Candidate, Postdoc, Ph.D
- Learning Styles: Visual, Verbal, Active, Intuitive, Reflective, Global
- Communication: Format, Textbook, Layman, Story Telling, Socratic
- Tone Styles: Encouraging, Neutral, Informative, Friendly, Humorous
- Reasoning Frameworks: Deductive, Inductive, Abductive, Analogical, Causal
- Language: English (Default), any language GPT-4 is capable of doing.
输入你想学习的具体领域 (比如〖Python编程〗)，Mr. Ranedeer AI Tutor 首先会提供一套完整的学习路径。随后，会将第一个主题〖Python编程基础〗拆解为详细的知识要点清单。再然后，可以根据每个知识要点，提供详细的讲解和编程示例。
当然，你可以继续探索，让其提供更详细的讲解，以及更多练习和测验等。
也就是说，Mr. Ranedeer AI Tutor 可以根据你指定的任何领域，快速给出知识框架并支持逐层深入地交互式学习，而且保持了非常好的稳定性，多轮对话之后依然能清晰记得前面的课程规划详情，并照顾到提示词中的细节。
现在看，Mr. Ranedeer AI Tutor 依旧是非常惊艳的 👍
提示词深度拆解
除了使用 Mr. Ranedeer AI Tutor 进行领域知识学习，它出神入化的提示词本身，也值得认真研究借鉴！！
@南瓜博士 这篇文章，就总结了3条值得借鉴的技巧，以及2个要避开的坑：
-
经验1：用对格式，AI记忆力和稳定性就能大幅提升。提示词用 json 格式把所有内容有层次结构地组织了起来，使得大模型具备记性好、稳定性强的能力。
-
避坑1：严谨的 json 表达，会让 GPT 丢失一些创造力 。如果任务需要一些创意，可以在子任务的提示词中用一些不太严谨的随意语调，一定程度上改进输出效果 (但这个改进是有限的)。
-
经验2：对AI编程，只需伪到极致的伪代码。伪代码融入自然语言，对 GPT而言就足够了，完全不需要真正的代码格式。
-
经验3：用 code interpreter 的内存，大幅增强AI的记忆力。code interpreter能在内存中保存信息，被查询时再取出，极大增强了GPT的记忆力。一定程度上解决了Prompt本身容量有限、GPT处理复杂学习内容时易失忆的问题。
-
避坑2：专业领域的know how，比Prompt技巧更重要。Prompt技巧只是保证生成内容的下限质量，要提高上限还是需要领域内的专业知识。
5.
优质合集 | 破解了 129 个最好的 GPTs 提示词，逆向工程研究顶尖提示词长什么样
这个〖gptstore-prompts〗项目，简直就是宝藏！！
作者破解了 OpenAI GPTs 的提示词，然后把GPTStore 各分类里排名靠前的 GPTs，进行了一下〖逆向工程〗，扒出了完整的 Prompt 提示词。
然后，作者把 GPTs 的名字、链接、简介、分类，以及完整的提示词信息，都整理在了一个页面里。
“
GitHub地址 → https://github.com/1003715231/gptstore-prompts
此外！作者将这些 GPTs 的信息和提示词，整理到了飞书文档中，并且开放下载 👆 如上图所示。非常清晰~
“
飞书文档链接 → https://aboqbe7f4x.feishu.cn/wiki/ReqDwE6dNisHt8kIFnYcWeQwnde
以下是这一百多个顶尖 GPTs 的名字，还看到了很多中文创作者的作品！！如果有你感兴趣的应用，果断收藏 👏👏👏
- Consensus
- Ai PDF
- AskYourPDF Research Assistant
- Grimoire
- ScholarAI
- 22.500+ Best Custom GPTs
- Canva
- image generator
- DesignerGPT
- Logo Creator
- WebPilot
- Paper Interpreter (Japanese)
- DALL·E
- Data Analyst
- Hot Mods
- Creative Writing Coach
- Coloring Book Hero
- Planty
- ChatGPT Classic
- Web Browser
- The Negotiator
- Cosmic Dream
- Tech Support Advisor
- Laundry Buddy
- Sous Chef
- Math Mentor
- Mocktail Mixologist
- genz 4 meme
- image generator
- Logo Creator
- Glibatree Art Designer
- LogoGPT
- Gerry, The Logo Designer - For Startup
- Image Copy Machine GPT
- Image Caption Generator
- Cartoonize Yourself
- スーパーロゴデザイナ「ロゴ作る君」
- 科技文章翻译
- 超级写作大师（Super Writing Master）
- Fully SEO Optimized Article including FAQ’s
- Write For Me
- 论文润色大师
- 公文笔杆子
- 👌Academic Assistant Pro
- Voice/Style/Tone AI Prompt Snippet Generator
- Transcript Thief
- Essay Writer 😎
- Ai PDF
- 22.500+ Best Custom GPTs
- Canva
- WebPilot
- Slide Maker
- Prompt Perfect
- Doc Maker
- Convert Anything
- Professor Synapse
- Prompty
- AI Voice Generator
- Consensus
- AskYourPDF Research Assistant
- ScholarAI
- Paper Interpreter (Japanese)
- Keymate.AI GPT (Beta)
- 超级论文辅助（Super Academic Paper Assistance）
- MixerBox WebSearchG
- Scholar GPT
- War Room
- Content Helpfulness and Quality SEO Analyzer
- Gemini Ultra®
- Grimoire
- DesignerGPT
- AutoExpert (Dev)
- Screenshot To Code GPT
- AI Voice Generator
- API Docs
- 10x Engineer
- Code Copilot
- GPT Customizer, File Finder & JSON Action Creator
- 💻Professional Coder (Auto programming)
- There’s An API For That - The #1 API Finder
- Universal Primer
- Mr. Ranedeer Config Wizard
- Math Solver
- 大学论文写作大师-中文版(xtxian.com)
- AlphaNotes GPT
- AI GPT
- Language Coach
- Prompt Professor
- Effortless Book Summary
- YT transcriber
- Mia AI, your Voice AI Companion
- GPT Shop Keeper
- DeepGame
- Visual Weather Artist GPT
- 老爸，该怎么办？
- Tattoo GPT
- What should I watch?
- GIF Maker
- 易经占卜师
- Negative Nancy
- Healthy Chef
- Home Style Advisor
- Books
- AllTrails
- Image Edit, Copying & Merge
- Logo Maker
- ✏️All-around Writer (Professional Version)
- Copywriter GPT
- PowerPoint Presentation Maker by SlidesGPT
- Income Stream Surfer’s SEO Content Writer
- SciSpace
- Finance Wizard
- Wolfram
- SEO
- Keymate.AI GPT
- AskTheCode
- CrewAI Assistant
- Java Assistant
- Code Guru
- Flowbite GPT
- Mr. Ranedeer
- Video Summarizer AI
- Ms. Smith - Private Language Teacher
- Astrology Birth Chart GPT
- Mia AI
- GymStreak Workout Creator
- Rizz GPT
- LifeOS
- VideoGPT by VEED
THE END
这份〖Prompt Engineering (提示工程) 〗教程，提到了 10 项操作技巧〖technique〗，并对每一项都进行了详细的介绍。
🎡 [技巧1] 提示词要清晰明确 (Be clear & direct)
说明：在与 Claude 互动过程中，输入清晰直接的提示词，对于获得最佳响应至关重要。
- Claude 最喜欢直截了当的提示词。如果输入的提示词比较复杂，建议将其分步和编号。
- 判断提示词是否清晰明确的〖黄金法则〗：把 Claude 当成一位聪明勤奋的新员工，试想 ta 能否按照你的提示词，准确地行动并最终产生你期望的结果。
🎡 [技巧2] 给 Claude 举例 (Use examples)
说明：提示词包含几个精心设计的例子，可以显著提高 Claude 回答的准确性、一致性和质量。这一技巧通常也被称作 few-shot prompting / one-shot prompting。
- 举例是提升 Claude 性能、引导产生符合期望的输出的最有效工具。如果你的输出需要包含更多的细节、更加结构化、或者遵守特定格式，那么〖举例〗这个技巧尤其有效。
- 通常，提供的示例越多，Claude 回答就越可靠，但代价是响应时间、计算资源等随之增多。
- 确保给 Claude 提供常见的边缘情况示例。
🎡 [技巧3] 角色扮演 (Give Claude a role)
说明：在提示词中给 Claude 设定指定一个角色 (比如数学家)，能引导提升其准确性和性能。这一技巧也常被称作 role prompting。
- 为了帮助 Claude 理解它在特定对话中扮演的角色，你需要提供额外的上下文。
- Claude响应体现在两个方面：① 调整输出内容 (行为/语气等) 以符合角色特征，② 在某些情况下（如数学问题）显著提高回答的准确性。
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈
这篇关于专题◉万字长文！盘点过去一年最出圈的Prompt项目教程，有3份在悄悄更新的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
