Prompt 工程

Prompt 工程是设计和优化提示词的艺术，以引导大语言模型生成高质量的输出。

提示词设计

基本原则

1. 明确任务: 清晰说明希望模型完成的任务
2. 提供上下文: 给出足够的背景信息
3. 指定格式: 定义输出格式要求
4. 设置约束: 明确输出的限制条件

提示词模板

你是一位专业的数据分析师。请根据以下数据进行分析：

数据：
- 2023年销售额：1000万元
- 2024年销售额：1500万元
- 客户数量：5000人

任务：
1. 计算销售额增长率
2. 分析增长原因
3. 提出改进建议

请用中文输出，格式清晰，分点说明。

角色设定

你是一位资深的Python开发工程师，擅长代码优化和性能调优。

请优化以下Python代码，并解释优化思路：

```python
def slow_function():
    result = []
    for i in range(1000000):
        if i % 2 == 0:
            result.append(i * 2)
    return result

要求：

• 提供优化后的代码
• 解释优化原因
• 分析性能提升

---

## 链式思考

### 概述

链式思考（Chain of Thought）是一种提示词技术，引导模型逐步推理，展示中间思考过程。

### 示例

我有一个问题：如果一个池塘里的荷花每天面积翻倍，30天可以覆盖整个池塘。那么荷花覆盖一半池塘需要多少天？

请一步步思考：

1. 理解问题：荷花每天面积翻倍，30天覆盖整个池塘
2. 逆向思考：第30天覆盖整个池塘
3. 因为每天翻倍，所以第29天的面积是第30天的一半
4. 所以第29天覆盖一半池塘

答案：29天

### 数学问题

问题：一个书架有三层，第一层有10本书，第二层比第一层多5本，第三层是第二层的2倍。请问书架上共有多少本书？

请一步步计算：

1. 第一层：10本
2. 第二层：10 + 5 = 15本
3. 第三层：15 × 2 = 30本
4. 总计：10 + 15 + 30 = 55本

答案：55本

---

## Few-shot 学习

### 概述

Few-shot 学习是通过提供少量示例来引导模型学习特定任务。

### 示例

请将以下句子分类为正面、负面或中性：

示例：

1. "这部电影太棒了！" -> 正面
2. "服务很差，不会再来了。" -> 负面
3. "今天天气一般。" -> 中性

现在分类：

1. "产品质量很好，非常满意。" ->
2. "等了很久都没有回复。" ->
3. "这家餐厅环境不错。" ->

### 格式示例

请按照以下格式提取信息：

示例： 输入："苹果公司成立于1976年，总部位于美国加州库比蒂诺" 输出：

现在提取： 输入："阿里巴巴集团成立于1999年，总部位于中国杭州" 输出：