更多Prompt框架技术细节和原理见相关文章
[大语言模型的预训练[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning详情]
[大语言模型的预训练[4]：指示学习Instruction Learning：Entailment-oriented、PLM oriented、human-oriented以及和Prompt工程区别]
[大语言模型的预训练[5]：语境学习、上下文学习In-Context Learning：精调LLM、Prompt设计和打分函数（Scoring Function）设计以及ICL底层机制等原理详解]
[大语言模型的预训练[6]：思维链(Chain-of-thought，CoT)定义原理详解、Zero-shot CoT、Few-shot CoT 以及在LLM上应用]
Prompt进阶系列1:LangGPT(从编程语言反思LLM的结构化可复用提示设计框架)
Prompt进阶2:LangGPT(构建高性能Prompt策略和技巧)--最佳实践指南
Prompt进阶3:LangGPT(构建高性能质量Prompt策略和技巧2)--稳定高质量文案生成器
Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)--结构化Prompt
[Prompt进阶系列5:LangGPT(提示链Prompt Chain)--提升模型鲁棒性]https://blog.csdn.net/sinat_39620217/article/details/136946895)
根据 BCG 的银行生成式 AI 报告，一个好的 Prompt 可以极大地提高效率和效果。ChatGPT 可以看作是一面镜子，它的回应反映了你的输入。如同钥匙打开门锁，好的 Prompt 为我们打开了 AI 大模型的无限潜力。无论是 ChatGPT、Claude 还是 Bard，一个合适的 Prompt 可以极大地提高问题的解答质量与效率。正如一位行业专家所言：“你得到的输出，往往取决于你输入的 Prompt。”
Prompt 不仅仅是技巧，它是一种艺术，是 AI 时代的玛尼玛尼哄。不管你使用哪款 AI 产品，一个精准、有深度（反应行业 know how 和 SOP）的 Prompt 都能引导模型给出你期待的答案。这种技能不仅仅局限于 ChatGPT，它是各大模型的通用技巧，是每位与 AI 互动的人都应该掌握的基本功。目前，不仅仅是程序员和工程师需要与 AI 互动，每个普通人都可能成为 AI 的用户。
提示词并不是近年来才有的概念。实际上，从计算机技术的初步发展阶段，提示词就已经存在。在早期的计算机界面中，用户需要通过键入特定的命令行提示词来与计算机进行交互。随着技术的发展，图形用户界面（GUI）成为主流，但提示词仍然在某些领域，如编程和高级系统管理中发挥着关键作用。
接下来我们来讲解 18 个常见的提示词方法论（下称框架，含配图、示例），这些方法论方法论有些是基于要件（即必须满足的条件或特征，如 CHAT 模型）或基于模板（提供特定的结构和格式，如 BROKE 模型，以及 LangGPT 模型）：