type
status
date
slug
summary
tags
category
icon
password
提示工程是一门为语言模型设计的精确有效的艺术，通过输入获得预期反应。其主要目的是引导模型产生特定的结果。
COSTAR 框架实测非常好用
- C)
上下文（Context）：提供与任务有关的背景信息。这有助于 LLM理解正在讨论的具体场景，从而确保其响应是相关的。
- O)
目标（Objective）：定义你希望 LLM 执行的任务。明晰目标有助于 LLM 将自己响应重点放在完成具体任务上。
- S)
风格（Style）：指定你希望 LLM 使用的写作风格。这可能是一位具体名人的写作风格，也可以是某种职业专家（比如商业分析师或 CEO）的风格。这能引导LLM 使用符合你需求的方式和词语给出响应。
- T)
语气（Tone）：设定响应的态度。这能确保 LLM 的响应符合所需的情感或情绪上下文，比如正式、幽默、善解人意等。
- A)
受众（Audience）：确定响应的目标受众。针对具体受众（比如领域专家、初学者、孩童）定制 LLM 的响应，确保其在你所需的上下文中是适当的和可被理解的。
- R)
响应（Response）：提供响应的格式。这能确保 LLM 输出你的下游任务所需的格式，比如列表、JSON、专业报告等。对于大多数通过程序化方法将 LLM 响应用于下游任务的 LLM 应用而言，理想的输出格式是 JSON。
日用代码解释 system prompt
OpenAI 的 Meta Prompt
- 作者:SimonSun
- 链接:https://simons-blog-eight.vercel.app//article/llm-1
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
