本文深入探讨了如何通过优化提示词来提升LLM（大型语言模型）的输出质量。文章总结了有效提示词的六大技巧，包括明确具体、使用示例、鼓励思考、迭代优化、利用LLM的知识和使用角色扮演。此外，针对内容创作、文档摘要、问答、数据分析、可视化和头脑风暴等不同任务，文章提供了具体的提示词优化策略和示例。最后，文章还强调了故障排除、减少幻觉和最大化性能的方法，例如，让LLM承认不确定性、分解复杂任务以及为新请求包含所有上下文信息。

💡 **明确和具体:** 在提示词的开头，清晰地阐述问题或任务，并提供充分的上下文信息，帮助LLM更好地理解需求。将复杂任务分解成更小的步骤，便于管理和处理。

📝 **使用示例:** 通过提供期望输出类型的示例，帮助LLM理解所需的格式和风格。例如，如果需要特定格式的输出，可以展示一个示例给LLM参考。

🧠 **鼓励思考:** 对于复杂的任务，鼓励LLM“逐步思考”或“解释推理过程”，以获得更准确和详细的响应。这有助于LLM深入分析问题，提供更完善的答案。

🔄 **迭代优化:** 如果LLM的初始响应不符合预期，可以要求其进行澄清或修改。通过迭代优化，逐步调整提示词，直至达到满意的结果。

📚 **利用LLM的知识:** LLM具备广泛的知识储备，可以充分利用其优势。例如，可以要求LLM提供解释或背景信息，以获得更全面的理解。

🛠️ **任务特定技巧:** 针对不同任务，如内容创作、文档摘要、数据分析等，提供特定的提示词优化策略。例如，在内容创作中，指定受众、定义语气和风格、以及定义输出结构等。

前言

写出的Prompt质量能够很好的反映出对LLM的掌握程度。我们都知道LLM它是通过计算下个词出现的概率生成出来的，有时候Prompt修改一下，可能会生成完全效率不同的结果。那么今天，我们就来深入学习一下Claude官方的优质提示词吧！

有效提示词的一般技巧

1. 明确和具体

在消息开头清楚地说明我们的问题或任务提供上下文和详细信息，帮助LLM理解我们的需求将复杂的任务分解成更小、更易于管理的步骤

2. 使用示例

提供我们期望的输出类型的示例如果我们想要有特定的格式或风格，请向LLM展示一个示例

3. 鼓励思考

对于复杂的任务，请让LLM"逐步思考" 或 "解释您的推理"。这可以带来更准确和详细的响应。

4. 迭代优化

如果LLM的第一个响应不太正确，请要求澄清或修改。我们总是可以说 "这很接近，但您能将 X 调整得更像 Y 吗？"

5. 利用LLM的知识

LLM拥有许多领域的广泛知识。请不要犹豫，要求解释或背景信息。LLM务必包含相关上下文和详细信息，以便LLM的响应能够最大限度地针对性地提供帮助。

6. 使用角色扮演

要求LLM在响应时采用特定的角色或视角。

任务特定技巧和示例

内容创作

指定我们的受众

告诉LLM内容是为谁准备的

定义语气和风格

描述期望的语气如果有风格指南，请提及其中的关键点

定义输出结构

提供我们希望涵盖的基本大纲或要点列表

文档摘要和问答

明确我们想要什么
要求对文档的特定方面或部分进行摘要清楚直接地提出我们的问题务必指定我们想要的摘要类型(输出结构、内容类型)
使用文档名称
按名称引用附件文档
要求引用
要求LLM在其答案中引用文档的特定部分

数据分析和可视化

指定所需的格式
清楚地描述我们希望数据采用的格式

头脑风暴

使用LLM通过要求列出可能性或替代方案来生成想法
明确我们希望LLM在头脑风暴中涵盖的主题
要求以特定格式(如项目符号、编号列表或表格)响应，以便于阅读

故障排除、最小幻觉和最大化性能

运行LLM承认不确定性
告诉LLM如果它不知道，它应该说不知道。例如，"如果你对某事不确定，承认它没关系，只需要说你不知道"
分解复杂任务
如果任务看起来太大，并且LLM遗漏了步骤或未能很好地执行某些步骤，请将其分解为更小的步骤，并与LLM一次一条消息地完成它们
为新请求包含所有上下文信息
LLM不会保留以前对话中的信息，因此请在每个新对话中包含所有必要的上下文。