本文介绍prompt的通用编写原则，以及如何使用结构化的方法来帮助我们理顺思维，规范流程
提示工程是艺术与科学的结合，它通过设计和制作基于自然语言的文本提示来桥接人与AI的关系。
结构化框架可以帮助用户有效地制作、优化和自定义AI提示，以确保在各种AI模型中获得最佳性能。
我们先看看大厂官方的prompt书写指南
openai提示词指南
Claude提示词指南
有了以上这些具体的prompt指南，我们该如何将这些方法和原则有条理地应用到实际prompt编写中呢？答案就是结构化提示词。
总的来说：
构建prompt的基本原则是清晰、简洁、具体
再具体一些：
使用简单的语言：避免行话和复杂的术语。让您的指令易于理解，以便人工智能能够快速掌握您的意图。
具体：明确说明您的期望和期望的结果。提供详细信息以帮助人工智能生成准确且相关的输出。
保持逻辑结构：以连贯的方式组织您的提示，以便人工智能可以轻松遵循您的指令并提供所需的响应。
包括示例：如果可能，请提供示例来说明您正在寻找的输出类型。这可以帮助人工智能更好地理解您的期望并生成更准确的结果。
考虑上下文：根据人工智能系统及其功能定制提示。请注意您正在使用的平台或模型，并确保您的说明与其局限性和优势兼容。
抽象一下方法论：
AI 提示由 5 个主要组成部分组成：任务、指令、上下文、参数和输入。根据具体的场景，可能不需要所有组件。例如，一个简单的 AI 提示可能只包含任务组件。
文字内容如下
开发LLM的AI提示流程第一步：目的陈述
目标： 简要考虑目标和预期结果。
示例： 准备理想的输出示例。
简洁性： 初始陈述应简单，随后进行细化。
示例目的： “帮助工作中的下属，并提供克服冒充者综合症的建议。”
第二步：定义任务
明确任务： 清晰地描述任务、其组成部分及目标。
具体化： 使用精确的语言和动词。
任务示例：
角色：激励教练
命令：提供关于克服冒充者综合症的建议
主题：增强自信
第三步：正确的指令
输出格式与结构： 明确结构、长度和逻辑流程。
输出特性： 确定语调、风格和细节程度。
内容指导： 指定关键点、话题以及注意事项。
指令示例：
格式：1对1对话式，注重细节，逻辑清晰。
内容：强调自我保护的重要性，并举例说明。
第四步：上下文指导
视角： 确定所需的输出视角。
目标受众： 定义受众的人口统计学特征和特性。
用例与目的： 明确输出的应用场景。
上下文示例：
视角：以激励教练的身份进行1对1交流。
受众：年龄30多岁，单身，感觉孤立无援。
第五步：参数设置
模型参数： 定义模型的准确性、复杂度等参数。
平台特定功能： 在平台上设置所需的输出格式和功能。
注意： 通常低设置用于寻求精确答案，高设置可提高创造性。
第六步：用户输入
应用场景： 用于改进或细化现有内容。
输入需求： 根据是否对现有文本进行操作，可选择性使用。
示例： 无需用户输入，从头开始创建新内容。
第七步：输出审查与提交
审查输出： 与期望值进行对比，必要时进行调整。
提交到库： 将有效的提示加入库存。
人工审查与发布： 检查内容的一致性，必要时进行人工审查后发布。
操作选项：
进一步细化提示。
将成熟的模板提交到提示库。
经人工审查后发布。
这里想强调的是思考过程的结构化，而不仅仅是内容形式的结构化，比如：
对于内容形式，我们可以用markdown, xml, json等结构来组织prompt，严格区分各个功能区和逻辑块
对于思考过程的结构化，如下有一个具体的例子
我们通过一步一步的思维拆解，逐步填充prompt的不同关键内容，最后得到完整的prompt instance
