强烈建议学习了解，不论是我们平常自己写好的提示词给AI生成我们的高质量需求，还是面试大模型应用prompt这块都会涉及到提示词的优化。

Prompt提示词进阶提示技巧：1.思维链提示法、2.少样本学习、3.分步骤指导、4.自我评估和修正、5.知识检索和引用、6.多视角分析、7.多模态思维。

1、思维链提示法

要求模型在给出最终答案前，先展示其逐步推理的过程。关键是使用 “让我们一步步思考” 这类触发语。将复杂的“黑箱”计算转化为透明的、可审查的逻辑链。这显著提升了模型在数学、逻辑推理、常识判断等需要多步处理问题上的准确性。

2、少样本学习

在Prompt中提供少量（通常1-5个）高质量的输入和输出示例，作为模型完成新任务的“样板”。通过示例，明确地向模型展示了您期望的任务格式、风格、深度和标准，极大地减少了歧义。特别适用于格式固定、风格独特或定义模糊的任务。

3、分步骤指导

将一个庞大复杂的任务，分解为多个清晰、有序、可管理的小步骤，并依次要求模型执行。模仿了人类处理复杂项目的方法（如项目管理和烹饪食谱），防止模型因任务过于复杂而“不知所措”，导致遗漏关键环节或产出混乱。

4、自我评估和修正

要求模型在生成答案后，从特定角度（如事实准确性、逻辑一致性、是否满足所有要求等）对自己的答案进行批判性检查，并根据评估进行修正。引入了“反思”和“迭代”的机制，能有效发现和纠正模型在第一次生成时可能犯下的错误或疏忽，显著提升结果的可靠性和完整性。

5、知识检索和引用

在提问前或要求模型回答时，先提供相关的背景知识、数据片段或明确要求模型引用其内部知识库中的信息，并可要求注明来源（对于支持联网或文件上传的模型）。将回答“锚定”在具体、可靠的信息源上，而非依赖模型的“记忆”或“幻觉”，大幅提升答案的准确性和可信度。对于专业、实时或需要溯源的问题至关重要。

6、多视角分析

要求模型从不同角色（如生产者、消费者）、不同学科（如经济学、心理学、伦理学）或不同立场（支持、反对、中立）对同一问题进行剖析。强制模型打破单一思维模式，产出更全面、辩证、富有洞见的分析。特别适用于战略决策、议题辩论、创意生成等需要多维度思考的场景。

7、多模态思维

对于支持多模态输入的模型（如能处理图像、音频、PDF等），将问题与这些非文本信息结合，进行综合推理和创作。即使对于纯文本模型，也可以要求其用文字描述、设计或分析非文本内容。极大地扩展了模型的应用边界，使其能够完成看图说话、图表分析、根据描述生成草图、视频脚本创作等复杂任务，更贴近真实世界的交互方式。

Prompt调试与优化技巧：好的提示词很难一步到位，我们要学会如何持续调试优化：

1.迭代式优化、2.边界测试、3.提示词模板化、4.错误分析与修正，总而言之就是任务越复杂，给Prompt的提示细节就要越多。

写好提示词的关键：

1. AI是出色的执行者，但需要明确的指令：AI不知道你的隐含需求，必须显式说明
2. 格式是思考的脚手架：清晰的格式要求能显著提升输出质量
3. 示例是最直接的教学：给AI展示“好的样子”比描述更有效
4. 复杂问题需要拆解：人类思考的步骤化也能帮助AI思考
5. 优化是循环过程：很少有一次完美的提示，需要测试-反馈-改进

Token：什么是token呢？token就是大模型处理文本的基本单位，不同的大模型对于token的划分不同，如Open AI，规定一个token相当于4个字符或0.75个英文单词，一到二个token相当于1个汉字，空格和标点、特殊符合也计入token数，输入输出都会算token，可以用OpenAI Tokens在线计算工具来计算。

Token成本优化技巧：如何使token成本最小化呢？可以通过以下几方面：精简系统提示词、定时清理对话历史、使用向量检索（RAG）代替直接输入、结构化代替自然语言（如，表格、列表）。