最近突然发现原来提示词Prompt的指导原则都已经被人总结出来，并发表了论文。既然发表了论文，说明他们已经用这些原则做过系统的验证了，所以这些原则是靠谱的，起码比网上的强。
本文记录一下论文中提出的 26 条提示词Prompt的书写原则。
0. 效果论文原文：https://arxiv.org/pdf/2312.16171v1
先来看论文中的几个应用这些原则前后的效果对比：
(1) 应用第5、6条原则
（2）应用第13条原则
（3）应用第7条原则
大体可以看到，应用指导原则，效果还是很明显的。
下面，一起来看下 26 条指导原则。
1. 26 条指导原则当然，以下是论文中Table 2的内容翻译成中文：
1.1 具体原则内容
1. 不需要对LLM客气：直接了当，避免使用“请”，“如果您不介意”，“谢谢”，“我希望”等短语。
2. 整合预期受众：例如，受众是该领域的专家。
3. 分解复杂任务：通过交互对话将复杂任务分解成一系列更简单的提示。
4. 使用肯定指令：使用“做”等肯定指令，避免使用“不要”等否定语言。
5. 需要清晰度或深入理解：使用简单术语解释特定主题，或像对11岁孩子解释一样。
6. 添加激励：例如，“我将为更好的解决方案提供$xxx小费！”
7. 实施基于示例的提示：使用少量示例提示。
8. 格式化提示：以“###Instruction###”开始，后跟“###Example###”或“###Question###”，然后呈现内容。
9. 使用任务性短语：例如，“您的任务是”和“您必须”。
10. 使用惩罚性短语：例如，“您将被处罚”。
11. 使用自然语言形式：在提示中使用“用自然语言形式回答问题”。
12. 使用引导词：例如，写“一步步思考”。
13. 确保回答无偏见：在提示中添加“确保您的回答没有偏见，不依赖于刻板印象”。
14. 允许模型提问：让模型通过向您提问来获取精确的细节和要求。
15. 测试理解：使用“教我[任何定理/主题/规则名称]并在最后包含一个测试，但不要给我答案，然后在我回答时告诉我是否正确”。
16. 分配角色：为大型语言模型分配角色。
17. 使用分隔符。
18. 重复特定词汇：在提示中多次重复特定单词或短语。
19. 结合思维链和少量示例：将思维链（CoT）与少量示例提示结合。
20. 使用输出引子：在提示结束时使用预期输出的开始部分。
21. 编写详细文本：例如，“为我详细写一篇关于[主题]的文章，添加所有必要的信息”。
22. 修正文本：尝试修订用户发送的每个段落，只改进用户的语法和词汇，并确保听起来自然。
23. 复杂编码提示：生成跨多个文件的代码时，生成可以自动创建指定文件或修改现有文件以插入生成代码的脚本。
24. 使用特定词汇启动文本：提供开始[歌词/故事/段落/文章]：[插入歌词/单词/句子]，并基于提供的单词完成它，保持一致的流程。
25. 明确说明要求：明确说明模型必须遵循的要求，以产生内容。
26. 模仿样本文本：编写任何文本，以使其与提供的样本相似，包括使用相同的语言风格。
1.2 提示原则类别
论文中将以上 26 条指导原则分成了 5 类：
| 类别 | 原则编号 |
| 提示结构和清晰度 | 2, 4, 8, 12, 17, 20 |
| 特定性和信息 | 5, 7, 13, 15, 21, 24, 25, 26 |
| 用户交互和参与 | 14, 21 |
| 内容和语言风格 | 1, 6, 9, 10, 11, 16, 18, 22 |
| 复杂任务和编码提示 | 3, 19, 23 |
