Prompt大全（Qwen实践）

LLM Prompt通用技巧

本文主要参考https://www.promptingguide.ai/zh并结合自身的一些思考
常用结构：

指令：想要模型执行的特定任务或指令。
上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。
输入数据：用户输入的内容或问题。
输出指示：指定输出的类型或格式。

### 将以下文本翻译成西班牙语：###
examples
文本：“hello！”

1. 从简单开始，逐步添加上下文和要求，或者分解复杂任务为多个子任务避免初期的困难
2. 要非常具体地说明你希望模型执行的指令和任务
3. 避免在Prompt上过于聪明，切中要点，避免模糊的要求
4. 它应该做什么，而非不能做什么（它应该避免），聚焦于良好的回复上。

Advanced Prompt 技巧

1. COT and Few-shot COT
   
   针对特定任务的Few-shot COT example比较难写，可以在LLM自动生成的COT链路上不断优化微调

2. 定义任务分解流程Prompt Chain
   对于复杂任务难以一次性解决的或者输入输出太长的，可以多轮调用LLM，进行step-by-step的微调控制
   需要对任务步骤有先验知识，且调用次数比较多，通用能力差

3. 自动控制COT的阶段（ToT）
   自动分解问题阶段（深度），每阶段提出多条路径（广度），以阶段语句为节点单位