如果你接触过大量 prompt engineering 相关的示例和应用，你会注意到一个

往往由一些要素组成。

可以包含以下任意要素：

• instruction：想要模型执行的特定任务或指令
• context：包含外部信息或额外的上下文信息，引导 LLM 更好地响应
• input data：用户输入的内容或问题
• output indicator：指定输出的类型或格式

为了更好地演示 prompt 要素，下面是一个简单的 prompt，旨在完成文本分类任务：

Prompt

code复制
Classify the text as neutral, negative, or positive.
Text: I think the food is okay.
Sentiment:

在上面的示例中，instruction 是“将文本分类为 neutral、negative 或 positive”。input data 是 “我觉得食物还可以” 部分，output indicator 是 “Sentiment:”。请注意，此基本示例不使用 context，但你也可以把 context 作为 prompt 的一部分提供，例如提供更多 examples，以帮助模型更好地理解任务并引导预期输出。

注意，prompt 所需的格式取决于你想要 LLM 完成的任务类型，并非所有以上要素都是必须的。