在上一篇大模型提示詞的文章中，筆者介紹一種通用提示詞優化的方法，這種方法基本上可以覆蓋大部分人的一般場景需求。
沒看到上文的讀者，可以通過如下鏈接去看下：
👉👉👉 AGI系列（1）：掌握AI大模型提示詞優化術，提問準確率飆升秘籍
但是總有些小場景的需求，是沒法滿足的，或是差強人意的，對于這塊漏洞，在本文中，我們也把它補上。

對于這塊的處理，筆者在參考了國外最新的大語言提示工程相關的論文，其中提煉出了26條建議，其均是對大模型的回復準確率有所提升，堪稱覆蓋各種場景。

讀者在閱讀之后，在為大模型編寫簡單提示詞時，可以按需取用：

1. 如果你想要簡潔的回答，不用太客氣，直接說就行，不用加上“請”、“如果你不介意”、“謝謝”、“我想要”等客套話。

2. 在提問時說明目標受眾，例如，告訴 LLM 你的受眾是該領域的專家。

3. 把復雜的任務分成幾個簡單的小問題，逐步解決。

4. 用肯定的語氣說“做某事”，避免用否定語氣說“不要做某事”。

5. 當你需要更清楚或深入了解某個話題時，可以這樣提問：

• 用簡單的語言解釋[具體話題]。
• 向我解釋，就像我 11 歲一樣。
• 向我解釋，就像我是[領域]的新手一樣。
• 用簡單的英文寫[文章/文本/段落]，就像你在向 5 歲的小孩解釋。

6. 加上“如果有更好的解決方案，我會獎勵 xxx”。
7. 用具體的例子來提問（即使用幾個示例來引導）。
8. 在你的提問前寫上“###指示###”，如果相關的話，再加上“###示例###”或“###問題###”，然后再寫你的內容。用空行分隔指示、示例、問題、背景和輸入數據。
9. 使用“你的任務是”和“你必須”這樣的短語。
10. 使用“你將受到懲罰”這樣的短語。
11. 使用“像人一樣自然地回答問題”這樣的短語。
12. 用引導詞，比如“一步步來思考”。
13. 在提問中加上“確保你的回答沒有偏見，避免刻板印象”。
14. 讓 LLM 向你提問，直到它有足夠的信息來回答你。例如，“從現在起，請你問我問題，直到你有足夠的信息……”。
15. 如果你想測試對某個話題的理解，可以這樣說：“教我[定理/話題/規則]，最后加個測試，等我回答后告訴我是否正確，但不要提前給答案。”
16. 給 LLM 指定一個角色。
17. 使用分隔符。
18. 在提問中多次重復某個特定的詞或短語。
19. 將鏈式思維（CoT）和少量示例的提示結合使用。
20. 使用輸出引導語，在你的提問結尾加上預期回答的開頭部分。
21. 想寫詳細的文章、段落或文本時，可以這樣說：“請為我寫一篇詳細的[文章/段落]，內容涉及[話題]，并加入所有必要的信息。”
22. 如果你要修改特定文本但不改變風格，可以這樣說：“請修改用戶發送的每個段落，只需改進語法和詞匯，使其聽起來自然，但保持原有的寫作風格，確保正式的段落仍然正式。”
23. 當你有復雜的代碼提示需要分成不同文件時，可以這樣說：“從現在起，每當你生成跨多個文件的代碼時，生成一個[編程語言]腳本，以自動創建指定的文件或修改現有文件以插入生成的代碼。”然后提問。
24. 當你想用特定的詞、短語或句子來開始或繼續一段文字時，可以使用以下提示：“我提供給你開頭部分[歌詞/故事/段落/文章…]: [插入歌詞/詞語/句子]。請根據提供的詞語完成它，并保持一致的流暢性。”
25. 明確指出模型必須遵循的要求，以關鍵詞、規則、提示或指令的形式。
26. 想寫與提供的樣本相似的文本時，可以這樣說：“請根據提供的段落[/標題/文本/文章/答案]使用相同的語言。”

其中對提示詞回復表現最優的是：第14, 26條

次之的是：第2, 5，9, 15，16， 20， 21， 24， 25；

再次的就是余下的。

各位在遇到提示詞問題時，可按需取用。