一、提示技术 

1. zero-shot        

简单来说， Zero-shot就是把想要完成的任务，以最直接的方式描述出来，就是简单地将任务文本提供给模型并要求得到结果。这种情况下，模型仅通过任务描述或问题来推断出应该如何回应。这种方法的优点是灵活性极高，因为不需要为每一个新任务重新训练模型。然而，缺点是模型可能无法准确地把握任务的细微差别或特定要求。

2. Few-shot         

Few-shot是让大模型在上下文窗口中进行学习，给出一些示例，让大模型根据这些示例来进行推理。这些示例通常包括输入和预期输出，以便模型能够更准确地把握任务的性质和要求。对目标任务。由于该模型首先看到的是好的例子，它可以更好地理解人类的意图和需要什么类型的答案的标准。因此，Few-shot 学习往往比 zero-shot 学习有更好的性能。但是，这样做的代价是消耗更多的token，并且当输入和输出文本较长时，可能会达到上下文长度限制。

二、Prompt Engineer基本原则 

原则一：编写清晰、具体的指令         

首先，Prompt 需要清晰明确地表达需求，提供充足上下文，使语言模型能够准确理解我们的意图。并不是说 Prompt 就必须非常短小简洁，过于简略的 Prompt 往往使模型难以把握所要完成的具体任务，而更长、更复杂的 Prompt 能够提供更丰富的上下文和细节，让模型可以更准确地把握所需的操作和响应方式，给出更符合预期的回复。 

策略1：使用分割符清晰的知识输出的不同部分，比如"",<>,<\tag>等分隔符 

策略2：指定一个结构化的输出，比如json,html等格式 

策略3：要求模型自检测是否满足条件 

策略4：提供少量示例 

原则二：给模型时间去思考        

在设计 Prompt 时，给予语言模型充足的推理时间非常重要。语言模型与人类一样，需要时间来思考并解决复杂问题。如果让语言模型匆忙给出结论，其结果很可能不准确。例如，若要语言模型推断一本书的主题，仅提供简单的书名和一句简介是不足够的。这就像让一个人在极短时间内解决困难的数学题，错误在所难免。 

策略1：指定完成任务需要的步骤:告诉模型完成这个指令，需要执行几步，每步的详细步骤 

策略2：明确模型再给出结论之前推理出自己的解决方案：让模型自己推理，写出每一步的步骤，给足够的时间边思考边执行。

天津联才科技发展有限公司是一家为企业提供互联网系统技术方案和网站建设服务的企业。公司创立于2015年，主要为政府、国企、国内上市公司、国外公司提供专业的品牌服务和技术开发服务。

自2015年成立以来，我们一直在帮助企业实现具有影响力的、行业特定的品牌、官网及软件系统解决方案。我们为企业提供从需求分析、功能规划、交互设计、原型设计、系统运维的整体软件开发技术解决方案。 联才科技始终关注有前景的软件开发集成框架和培养经验丰富的技术开发团队，为我们的客户提供优异的互联网解决方案。