一. Prompt设计的基本原则
1.1 核心三要素
明确性：精确描述任务需求（如"生成3条科技新闻标题" vs "写点科技内容"）
可控性：通过指令约束输出格式（如JSON/XML/Markdown）
引导性：用示例引导模型风格（Few-shot Learning）
黄金法则：
明确任务 → 提供上下文 → 指定格式 → 示例示范
二. 简洁性与清晰度
2.1 简洁性设计技巧
去除冗余词：
劣质Prompt：
请帮我写一个关于机器学习在医疗领域应用的文章，要包含至少三个具体案例，每个案例需要详细描述技术原理和实际效果，总字数不少于1000字...
优质Prompt：
生成一篇机器学习在医疗应用的综述，包含3个案例（技术原理+效果数据），使用Markdown分章节排版
使用符号分隔：
角色：医疗科技记者
任务：撰写CT影像分析技术进展报告
要求：
- 分"技术演进"、"商业应用"、"伦理挑战"三部分
- 每个部分包含2个案例
- 输出为带标题的Markdown
2.2 清晰度保障方法
量化指标：
生成5条新能源汽车广告文案：
- 每条不超过20字
- 包含"续航"、"智能"关键词
- 使用疑问句或感叹句式
代码示例：使用LangChain构建清晰Prompt
三. 上下文与语境设计
3.1 上下文注入策略
显式声明：
背景：2023年Q3中国手机市场数据（IDC报告）
- 出货量同比下降6%
- 折叠屏手机增长120%
任务：基于上述数据，分析未来趋势
隐式引导：
假设你是马斯克，在2024年AI安全峰会的开幕致辞中提出3点监管建议
3.2 语境长度控制
滑动窗口法：保留最近N条对话历史
关键信息提取：使用摘要模型压缩上下文
四. 问题明确性保障
4.1 模糊Prompt案例分析
4.2 明确性检查清单
是否指定了输出格式（JSON/CSV/表格）？
是否限定了内容范围（时间/地域/行业）？
是否明确了风格要求（专业/口语化/幽默）？
是否设置了长度限制（字数/条目数）？
五. 指令设计技巧
5.1 指令类型化模板
5.2 多步骤指令设计
代码示例：结构化指令实现
六. 结构化与非结构化Prompt
6.1 结构化Prompt模板 weibo.com/ttarticle/p/show?id=2309405243338986225810的weibo.com/ttarticle/p/show?id=2309405243338034381096
6.2 非结构化Prompt优化
标记系统：
#角色# 资深影评人
#任务# 分析《奥本海默》的叙事结构
#要求#
- 对比诺兰前作
- 聚焦非线性别事手法
- 输出带时间码的案例
分隔符号：
[BEGIN PROMPT]
作为历史学家，用学术论文风格解释工业革命的影响：
- 分经济/社会/技术三个维度
- 每个维度包含2个数据案例
- 禁用第一人称
[END PROMPT]
代码示例：Prompt效果评估
附：Prompt设计检查清单
任务目标是否用动词明确描述（生成/分析/转换）？
是否包含负面约束（不要包含/避免提及）？
是否有示例演示预期格式？
专业术语是否有明确定义？
长度/数量等是否量化指定？
注：本文代码需安装以下依赖：
pip install langchain transformers evaluate
