大型语言模型 (LLM) 可以帮助企业和团队完成各种基于自然语言的任务。例如，它们可以生成发送给客户的个性化电子邮件，或分析客户反馈并提取关键洞察。但 LLM 无法独自创作出精彩的内容。他们需要我们以提示的形式提供一些指导。
纷享的提示词模板是一种可重复使用的提示词。提示模板包含用于填写客户、产品等具体细节的占位变量。一旦这些占位变量被填充了真实相关的 CRM 数据，提示词模板就变成了真正个性化的提示词。
提示词包含的要素
- 指示：想要模型执行的特定任务或指示。
- 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。
设计提示的通用技巧
从简单开始
你可以从简单的提示词开始，并逐渐添加更多元素和上下文（因为你想要更好的结果）。因此，在这个过程中不断迭代你的提示词是至关重要的。阅读本指南时，你会看到许多示例，其中具体性、简洁性和简明性通常会带来更好的结果。
当你有一个涉及许多不同子任务的大任务时，可以尝试将任务分解为更简单的子任务，并随着结果的改善逐步构建。这避免了在提示设计过程中一开始就添加过多的复杂性。
指示
你可以使用命令来指示模型执行各种简单任务，例如"写入"、"分类"、"总结"、"翻译"、"排序"等，从而为各种简单任务设计有效的提示。
请记住，你还需要进行大量实验以找出最有效的方法。以不同的关键词（keywords），上下文（contexts）和数据（data）试验不同的指示（instruction），看看什么样是最适合你特定用例和任务的。通常，上下文越具体和跟任务越相关则效果越好。
具体性
要非常具体地说明你希望模型执行的指令和任务。提示越具描述性和详细，结果越好。特别是当你对生成的结果或风格有要求时，这一点尤为重要。更重要的是要有一个具有良好格式和描述性的提示词。事实上，在提示中提供示例对于获得特定格式的期望输出非常有效。
在设计提示时，还应注意提示的长度，因为提示的长度是有限制的。想一想你需要多么的具体和详细。包含太多不必要的细节不一定是好的方法。这些细节应该是相关的，并有助于完成手头的任务。这是你需要进行大量实验的事情。我们鼓励大量实验和迭代，以优化适用于你应用的提示。
避免不明确
给定上述关于详细描述和改进格式的建议，很容易陷入陷阱：想要在提示上过于聪明，从而可能创造出不明确的描述。通常来说，具体和直接会更好。这里的类比非常类似于有效沟通——越直接，信息传达得越有效。
做什么还是不做什么？
设计提示时的另一个常见技巧是避免说不要做什么，而应该说要做什么。这样（说要做什么）更加的具体，并且聚焦于（有利于模型生成良好回复的）细节上。
使用分隔符
分隔符可以帮助划分文本的不同部分，便于大模型更好地理解，以便进行不同的处理。分隔符可以使用任何通常不会同时出现的特殊字符序列，举些例子：###、===、>>>