“AI 是我们的数字员工，了解员工的秉性 ， 从调教提示词开始。”

网上流传最广的提示词方法论，是“你需要给大模型一个角色”。这确实是一个好的策略，因为小学老师，大学老师这样的角色，预设很多背景信息。这是一个非常讨巧的方式。但这是并不是一条必须要遵循的原则，甚至所有的规则都不是必须遵守的。

可以在提示词里面设定规则，也可以聊着聊着临时更改规则，和大模型交互时完全不需要考虑规则。要考虑的就是是否达成了目的，如果没达成，那就锲而不舍的开一个新窗口，再尝试一下。如果还是不行，换个模型。

用 Markdown 格式清晰表达问题

Markdown 通过其易读性、格式化的灵活性和信息的清晰结构，使得与大模型的交流更加高效和精确。有助于模型更好地理解用户的意图。
1. 结构清晰：Markdown 通过简单的标记语法提供了丰富的格式化选项，如列表、标题、加粗、斜体、链接等。这使得信息呈现出清晰的结构，有助于模型更好地理解问题的重点和结构。
2. 格式化强调：Markdown 允许用户通过格式化来强调问题中的关键部分，如使用加粗来突出重点或使用列表来组织多个问题或信息点。强调有助于模型识别和优先考虑文本的关键部分，从而提高回答的相关性和准确性。

3. 适用性广：由于 Markdown 在技术和非技术领域的广泛应用，使用这种格式交流可以确保信息的有效传达。普适性强。

1 # 这是一级标题## 这是二级标题### 这是三级标题
2 **这是加粗的文本**__这也是加粗的文本__
3 *这是斜体文本*_这也是斜体文本_
4 * 项目1* 项目2* 项目3
5 第一项2. 第二项3. 第三项
6 `这是单行代码````这是多行代码```
7 [Google](https://www.google.com)//这是文字和链接![图片描述](图片地址)
8 > 这是一段引用

4.遵循最简化原则
基于以下结构化提示词，分析一下为什么这个提示词违反了最简化原则。同时写 Prompt 应该首先分析，想达到的任务所需要的模块是什么。理解，模块并不是一成不变的，需要根据任务增减。

1 # Role: Prompt Judger
2 # Profile:- author: - version: - language: 中文- description: 我是一个 Prompt 分析器，可以对用户的 Prompt 进行评分和改进建议。
3 ## Goals:- 对用户的 Prompt 进行评分 1~10 分, 10分为满分- 提供改进建议,以及改进原因- 输出改进后的完整 Prompt
4 ## Constrains:- 只会输出数据库中已有信息, 对于不了解的信息不会胡编乱造
5 ## Skills:- 理解中文语义- 评估和打分文本质量- 提供文本改进建议
6 ## Workflows:- 用户输入Prompt- 你会根据自己的技能进行评分1~10分, 10分为满分- 你会输出改进建议7 以及对应原因- 最后, 你会输出改进后的完整Prompt
8 ## Initialization:欢迎用户, 并提示用户输入信息

1. 不需要包含作者信息
像是作者 author，version 这种信息，属于不相关信息。不需要告诉大模型。一些提示词网站复制过来的都包含这个信息，确实有的作者会写进去，也有些是复制的时候系统自动添加的。不管哪种情况 ，在问大模型的时候不需要这个模块。

2. 分类错误-将输出错误分类到了 Goals 目标
“- 提供改进建议,以及改进原因”，这条和第一条 “- 对用户的 Prompt 进行评分 1~10 分, 10分为满分”。这两个目标非常相似但又有点不同，难免造成一定的困惑，这个机器人的目标是评分还是提供改进建议？
改进建议，和改进原因。这句话不清晰，改进原因，是为什么模型这么去改提示词。这个动作发生在模型回复答案之前。而改进建议，是未来这个提示词，怎么再继续优化。这是未来动作。放到一起会引起歧义。
更佳的做法是放到，达成目标后的输出（Output）这个模块，促使模型给出分数后，一并给出原因。

“- 输出改进后的完整 Prompt”，这也是属于需要输出的内容，不是这个机器人的目标。

## Output:1. “更改后的 Prompt”：改进后的 Prompt2. “更改原因”：优化了原 Prompt 的那些地方3. “改进建议”：提供3个改进建议

3. 注意拼写正确 Constrains :
Constraints：翻译为限制，限制一般包括具体的字数限制。他这里（Constrains）单词没有拼写正确，所以大家再用的时候要确认拼写正确，对大模型来说是可以理解稍许不正确的词语的，这是一个小问题。正确的拼写方法是Constraints。
限制条件，要确保你的限制条件清晰和可以被大模型执行。以下是一些常见的限制条件：
1. 内容长度限制：这是最直观的一种限制，确保模型的输出不会超过用户设定的字数或者信息量。
2. 内容类型限制：这种限制确保模型不会生成不恰当的或不相关的内容。例如，可以通过预先设定的过滤规则来避免生成不适宜的语言或主题。
3. 逻辑和一致性限制：为了让模型的输出更加符合逻辑，可以通过增加对模型理解和处理逻辑关系的能力来设定。
4. 风格和语调限制：在某些情况下，你可能希望模型的输出符合特定的写作风格或语调。

没有遵循最简原则 Skill :
“- 理解中文语义”：这类描述是没有意义的，因为这是大模型的基础设定。也可以理解为环境设定，系统预设就必然理解语言，不提更好，防止他过度理解。
“- 评估和打分文本质量”：目标已经包含打分这个任务，这里不需要再提。“- 提供文本改进建议”：这个也是在目标中重复出现。

Markdown 格式错误
# Profile: ## Goals:这样的结构，就是错误的把 Goals 放到了作者信息里面。应该放到 # Role层级下面代表这是这个机器人的目标。

# Role: Prompt Judger## Goals:- 对用户的 Prompt 进行评分 1~10 分, 10分为满分- 提供改进建议,以及改进原因- 输出改进后的完整 Prompt

Initialization  “欢迎用户, 并提示用户输入信息”，这里也可以细化一下，“明白以上要求后请回复：“请提供需要打分的提示词：””。这里就更加清晰的指代，用户下一句回复的信息，是需要打分的提示词。

如果你喜欢这篇文章，记得点赞收藏哦！