以下是设计 prompt 时需要记住的一些技巧：

#从简单开始

在开始设计 prompt 时，你应该记住，这实际上是一个迭代过程，需要大量实验才能获得最佳结果。使用来自 OpenAI 或 Cohere 的简单 playground 是一个很好的起点。

你可以从简单的 prompt 开始，并逐渐添加更多 elements 和 context（因为你想要更好的结果）。因此，在这个过程中不断迭代 prompt 是至关重要的。阅读本指南时，你会看到许多示例，其中 specificity、simplicity 和 conciseness 通常会带来更好的结果。

当你有一个涉及许多不同子任务的大任务时，可以尝试将任务分解为更简单的子任务，并随着结果的改善逐步构建。这避免了在 prompt 设计过程中一开始就添加过多复杂性。

#instruction

你可以使用命令来指示模型执行各种简单任务，例如“写入”、“分类”、“总结”、“翻译”、“排序”等，从而为各种简单任务设计有效的 prompt。

记住，你还需要大量实验以找出最有效的方法。以不同的 keywords、contexts 和 data 试验不同的 instruction，看看什么样最适合你特定用例和任务。通常，context 越具体且与任务越相关则效果越好。

有些人建议将 instruction 放在 prompt 的开头。另有人则建议使用像 “###” 这样的清晰分隔符来分隔 instruction 和 context。

例如：

Prompt:

code复制
### Instruction ###
Translate the following text to Spanish:

Text: "hello!"

Output:

code复制
¡Hola!

#具体性（specificity）

要非常具体地说明你希望模型执行的 instruction 和 task。prompt 越具描述性和详细，结果越好。特别是当你对生成的结果或风格有要求时，这一点尤为重要。不存在什么特定 token 或关键词能保证更好的结果；更重要的是一个有良好格式和描述性的 prompt。事实上，在 prompt 中提供 examples 对获得特定格式的期望输出非常有效。

在设计 prompt 时，还应注意 prompt 的长度，因为上下文长度是有限制的。包含太多不必要的细节不一定是好方法；细节应该相关，并有助于完成任务。我们鼓励大量实验和迭代，以优化适用于你应用的 prompt。

例如，让我们尝试从一段文本中提取特定信息：

Prompt:

code复制
Extract location names from the text below.

Desired format:
Locations: <comma-separated list>

Input: "Although these developments are encouraging for researchers, many mysteries remain. Neuroimmunologist Henrique Veiga-Fernandes at Lisbon's Champalimaud Centre said: 'We often have a black box between the brain and the effects we observe. If we want to use it in a therapeutic context, we need to understand the mechanism.'"

Output:

code复制
Locations: Lisbon, Champalimaud Centre

#避免不明确

给定上述关于详细描述和改进格式的建议，很容易陷入陷阱：想在 prompt 上过于聪明，从而可能创造出不明确的描述。通常来说，具体和直接会更好。类比有效沟通：越直接，信息传达得越有效。

例如，你可能有兴趣了解 prompt engineering 的概念：

code复制
Explain the concept of prompt engineering. Keep the explanation short, only a few sentences.

上面的 prompt 并不清楚要使用多少句子以及什么风格。更好的 prompt 应当非常具体、简洁并切中要点，例如：

code复制
Explain the concept of prompt engineering to a high school student in 2-3 sentences.

#Do vs Don’t

设计 prompt 时的另一个常见技巧是避免说 “不要做什么”，而应该说 “要做什么”。这样更具体，并且更聚焦于有利于模型生成良好回复的细节。

例如，一个电影推荐 agent（bad prompt）：

Prompt:

code复制
You are a movie recommendation agent. Do not ask about interests. Do not ask for personal information.

Customer: Recommend a movie based on my interests.
Agent:

Output:

code复制
Sure, I can recommend a movie based on your interests. What genres do you like—action, comedy, romance, or something else?

更好的 prompt：

Prompt:

code复制
You are a movie recommendation agent. Recommend a movie from globally trending movies. Avoid asking for user preferences and avoid asking for personal information. If you cannot recommend a movie, respond with "Sorry, I can't find a movie recommendation today.".

Customer: Recommend a movie based on my interests.
Agent:

Output:

code复制
Sorry, I don't have any information about your interests. Here is a list of globally trending movies: [movie list]. I hope you find something you like!