🔑 核心概念：Prompt（提示词）
"Prompt" 是连接用户与 AI 的桥梁，是开启创意之泉的钥匙，也是决定 AI 输出质量的关键。

🎨 艺术与策略
精心打造一条"prompt" 是一项充满挑战的任务，需要策略和对模型的理解。

🌟 26 条提示词原则
根据穆罕默德·本·扎耶德人工智能大学的研究，以下是提升回答质量的 26 条原则：

1️⃣ 简洁明确：直接、清晰地提出问题。
2️⃣ 考虑受众：明确指出预期受众。
3️⃣ 分解复杂任务：将任务拆解为简单步骤。
4️⃣ 使用肯定性指令：采用正面指导词汇。
5️⃣ 寻求解释：要求简单明了的解释。
6️⃣ 激励策略：承诺奖励以提升答案质量。
7️⃣ 示例驱动：提供示例作为模板。
8️⃣ 格式化提示词：使用分隔符清晰划分关键部分。
9️⃣ 明确角色：为模型分配角色或任务。
🔟 遵守规则：指出必须遵循的规则。
1️⃣1️⃣ 自然语言回答：要求自然、人性化的回答。
1️⃣2️⃣ 逐步思考：引导模型逐步思考。
1️⃣3️⃣ 无偏见：确保答案公正，避免刻板印象。
1️⃣4️⃣ 互动提问：允许模型提问以获取信息。
1️⃣5️⃣ 教学测试：提供教学并进行测试。
1️⃣6️⃣ 指定角色：为模型分配特定角色或身份。
1️⃣7️⃣ 使用分隔符：用分隔符区分不同部分。
1️⃣8️⃣ 重复关键词：多次重复特定单词或短语。
1️⃣9️⃣ 输出引导：提供期望输出的开头。
2️⃣0️⃣ 详细说明：要求详细、包含所有必要信息的文本。
2️⃣1️⃣ 修改文本：修改文本以提高语法和词汇。
2️⃣2️⃣ 代码生成：生成自动创建或修改文件的脚本。
2️⃣3️⃣ 继续文本：使用特定词句启动或继续文本。
2️⃣4️⃣ 明确要求：清楚陈述内容生成要求。
2️⃣5️⃣ 模仿样本：根据样本使用相同语言风格。
2️⃣6️⃣ 结合思维链：将思维链与示例提示结合。

📈 实验结果
这些原则在所有规模的 LLM 上均能提升响应质量，尤其在大规模模型上更为显著。

🚧 注意事项
尽管原则有效，但在处理复杂或专业化查询时，效果可能降低，这取决于模型的推理能力和训练情况。

🌐 结语
这些原则是帮助用户设计和理解 LLM 提示的指南，提高模型响应的质量和相关性。