Prompt, Prompt Engineering, 提示工程, 提示詞 - Alibaba Cloud Model Studio

提示（Prompt）是您輸入給大模型（LLM）的文本資訊，用於明確地告訴模型您想要解決的問題或完成的任務，也是大語言模型理解使用者需求並產生相關、準確回答或內容的基礎。為了協助您更高效地使用 LLM ，本教程為您提供一系列實用的技巧，協助您設計和最佳化 Prompt。

設計 Prompt

構建清晰明確的 Prompt

想象一下，如果您在給一個同事指派工作任務時，只給了一句話來描述需求，他的任務完成效果可能很難達到您的預期。但如果您提供了明確的目的、建議的思考方向和執行策略等更多參考資訊，他更有可能以高標準完成任務。

使用 LLM 也一樣，您的任務描述（Prompt）越清晰、具體、沒有歧義，LLM 的表現越能符合您的期望。

說明

構建一個清晰具體的 Prompt 是充分發揮大模型能力的最重要一步。

模糊的 Prompt

清晰具體的 Prompt

我想推廣公司的新產品。我的公司名為阿里雲百鍊，新產品名為 Zephyr Z9，是一款輕薄便攜的手機。幫我建立一條微博文章。

請為我司“阿里雲百鍊”最新推出的“Zephyr Z9”輕薄便攜手機設計一條吸引眼球的微博推廣帖。

內容需彰顯Zephyr Z9的獨特賣點，如極致輕薄設計、高效能配置及使用者便利性，同時融入創意元素以提升觀眾興趣和互動意願。

記得提及阿里雲百鍊品牌聲譽，激發受眾好奇心，引導他們探索更多產品資訊或直接進行購買。

貼文應簡潔有力，符合微博平台的風格與字數限制，適宜社交媒體傳播。

你是一位資深PHP編程專家，現在接到一個明確的開發工作單位。訴求是：${require}。請使用PHP語言詳細描述一種實現該訴求的演算法或方法，並考慮在實現過程中可能遇到的邊界情況和錯誤處理，以及如何通過高效且安全的代碼來滿足此需求。

作為一位經驗豐富的PHP編程專家，您面臨的具體開發工作單位為：${require}。

請運用您的專業知識，詳細闡述一種利用PHP實現該任務需求的高效演算法或方法論。

在您的描述中，請務必涵蓋以下幾點：

- 具體實現步驟，包括必要的函數、類及資料結構的選擇與設計。

- 邊界條件分析，識別並解釋潛在的邊緣案例及如何妥善處理這些情況。

- 錯誤處理機制，描述如何在代碼中實施健壯的錯誤偵測與異常處理邏輯，以確保程式穩定性。

- 安全性考量，討論可能的安全威脅及推薦的防範措施，確保代碼執行過程中的資料安全與隱私保護。

- 效能最佳化建議，提出提高代碼執行效率的方法，包括但不限於演算法最佳化、資源管理和緩衝策略。

請確保您的解答不僅技術準確，而且條理清晰、易於理解，以便其他開發人員能夠快速掌握並應用於實際專案中。

使用 Prompt 架構

為了系統化地向 LLM 提供明確背景和目的，這裡推薦您使用 Prompt 架構正常化您的 Prompt。該架構用於協助您方便、快速地設計 Prompt 結構。該模板充分考慮了會影響 LLM 輸出有效性和相關性的各個方面，能顯著提升模型表現。

其內容組成為：

背景：介紹與任務緊密相關的背景資訊。這一環節有助於LLM深入理解討論的具體環境，從而保證其產生內容與話題高度相關。
目的：明確指出您期望LLM完成的具體任務。通過設定清晰、精確的目標指令，可引導LLM聚焦於實現既定任務，提升輸出的有效性。
風格：指定您希望 LLM 輸出的寫作風格，可以是某個具體名人、具體流派或者某類專家的寫作風格。
語氣：定義輸出內容應有的語氣，比如正式、詼諧、溫馨、關懷等，以便適應不同的使用情境和使用目的。
受眾：明確指出內容面向的讀者群體，無論是專業人士、入門學習者還是兒童等，這樣LLM就能調整語言和內容深度，使之更加貼合受眾需求。
輸出：規定輸出內容的具體形式，確保LLM提供的成果能直接滿足後續應用的需求，比如列表、JSON資料格式、專業分析報告等形式。

未使用 Prompt 架構

使用 Prompt 架構

Prompt

我想推廣公司的新產品。我的公司名為阿里雲百鍊，新產品名為 Zephyr Z9，是一款輕薄便攜的手機。幫我建立一條微博文章，簡潔而深具影響力。

#背景#

我想為公司的新產品做廣告。我公司的名字叫阿里雲百鍊，產品叫阿里雲百鍊 Zephyr Z9，是一款輕薄便攜的手機。

#目的#

為我建立一個微博文章（限制：500字），旨在讓人們有興趣點擊產品連結購買。

#風格#

遵循黑米等成功公司為類似產品做廣告的寫作風格。

#語氣#

有說服力

#受眾#

我公司在微博上的受眾通常是年輕一輩人。定製你的文章，保證喜歡數位產品的人能快速關注到你的文章。

#輸出#

微博上的文章，簡潔而有影響力。

輸出

【輕啟未來，風起雲湧】

阿里雲百鍊新品，Zephyr Z9震撼上市！

攜手Zephyr Z9，讓科技與輕盈同行。這不僅是一部手機，它是你探索世界的輕便伴侶。厚度挑戰極限，設計引領風尚，Z9在手中，靈感隨時迸發。

超越想象的效能，搭載極速處理器，流暢如風，無論是工作狂飆還是遊戲征途，Zephyr Z9都是你的首選座駕。續航強勁，讓每一份熱情持續燃燒！

捕捉生活每一刻，Z9相機創新升級，夜景、人像、廣角，每一拍都是封面大片，讓美好記憶永不褪色。

Trees 輕薄，重在體驗。#百鍊ZephyrZ9# ，為不凡而生，為你而來。立即擁抱未來，開啟屬於你的輕盈科技時代！

官方網站：[www.bailian.com/Z9] (請替換為實際網址）

#輕薄旗艦 #科技新風尚 #掌中藝術品

【獨家揭秘】阿里雲百鍊Zephyr Z9，輕薄界的顛覆者來了！

在這個快節奏的時代，每克重量都是對自由的負擔。百鍊深諳此道，匠心打造了Zephyr Z9——一款專為追求極致輕盈與強大效能平衡的你而生的手機！懸浮般的手感，一觸難忘！

【超薄設計，盡在掌握】

Zephyr Z9以其令人驚歎的纖薄機身，重新定義了“輕薄”。僅X.Xmm的厚度，輕鬆滑入口袋，是你日常出行的完美伴侶。攜帶它，就像帶著未來穿梭雩都市叢林！

【頂尖配置，效能怪獸】

別看它輕，核心全是硬實力！搭載最新的XXXX處理器，流暢度爆表，無論是多任務處理還是大型遊戲，Z9都能遊刃有餘，讓你時刻處於科技最前沿。

【攝影大師，記錄生活】

配備XXMP超感光鏡頭，夜晚也清晰。AI智能情境識別，讓每一張照片都堪比大片。用Zephyr Z9，記錄每一個不凡瞬間，讓你的朋友圈從此與眾不同。

【續航無憂，能量滿滿】

小身材，大能量！Zephyr Z9內建高效能電池，搭配XXX快充技術，片刻充電，長久陪伴。告別電量焦慮，你的創意和靈感不再受限。⚡

【限時福利，不容錯過】

前100名通過連結購機的使用者，將享受神秘大禮包！包含定製保護殼、XXX會員年卡等多重好禮，只為尊貴的你！

立刻行動，讓百鍊Zephyr Z9成為你探索世界的全新夥伴！點擊下方連結，開啟輕盈新紀元！

[立即搶購百鍊Zephyr Z9] [產品連結]

#百鍊ZephyrZ9 #輕薄旗艦 #科技美學 #數位潮流 #效能怪獸

在未使用 Prompt 架構時，LLM 輸出雖表現尚可，但顯得過於泛化，缺乏必要的細節和針對特定群體的吸引力。而在使用 Prompt 架構時，架構不僅提醒您考慮需求的其它方面，特別是一般 Prompt 中缺少的風格、語氣和受眾，還協助 LLM 產生更針對年輕群體、細節更多、語言表達更加富有張力的輸出。

說明

Prompt 架構在實踐中有非常多的種類，您可以根據您的任務需求增減其結構組成。當然您也可以在後續章節觀察到本教程對該 Prompt 架構的靈活運用。

最佳化 Prompt

技巧一：為模型提供輸出範例

在 Prompt 中提供您期望的輸出樣本，可以讓 LLM “模仿”我們所要求的規範、格式、概念、文法、語氣進行輸出。同時，提供範例可以讓大模型多次輸出的結果更一致，從而穩定模型表現。

未添加範例

添加範例

Prompt

#背景#

你很擅長編寫小紅書種草筆記，喜歡增加豐富的emoji元素。

#目的#

請產生一篇小紅書種草筆記，推廣強森吹風機。吹風機的優點是：體積小、高顏值、風力大、乾的快、智能控溫不傷發。

#受眾#

喜歡追求時尚的年輕人，尤其是年輕女性

#輸出#

小紅書文章格式，充滿emoji元素，簡潔但內容充實

#背景#

你很擅長編寫小紅書種草筆記，喜歡增加豐富的emoji元素。

#目的#

請產生一篇小紅書種草筆記，推廣強森吹風機。吹風機的優點是：體積小、高顏值、風力大、幹得快、智能控溫不傷發。

#受眾#

喜歡追求時尚的年輕人，尤其是年輕女性

#輸出#

小紅書文章格式，充滿emoji元素，簡潔但內容充實

#語氣與風格#

我親測過+n種好物+誰適合誰受益這個秘訣讓你的話語超有信服力！比如：親自嘗試了很多美白神器，終於挖到寶！僅倆月，肌膚變得嫩滑透亮，自我感覺飄飄欲仙~ 此法特為想大曬體驗的小夥伴們量身定製，還能精準安利，助人避坑！
難題出沒+揭秘原因+終極解藥這公式助你條理清晰地分享，內容價值爆棚！案例：渴望秀髮如絲？揭秘時刻來啦！原來我一直遺漏關鍵一步，直到遇見它！換用這款洗髮水，秀髮顯著改善，光澤get！此法邏輯嚴密，不僅分享秘籍，還引導讀者找到問題破解之道。
獨到見解+深度剖析+巧妙推薦這公式幫你自然流露心聲，還能溫馨種草！樣本：我覺得每個女孩都該有份摯愛，生活因此而精彩。手帳成了我的小確幸，每當提筆，幸福指數飆升！它助你暢所欲言，同時不經意間傳遞心頭好，雙贏策略！
親身經歷+成果展示這公式讓你的情感表達鮮活又感人！情境：回想起夏夜海邊的蚊災，滿身紅包的絕望，直到遇見救星！現在，光滑肌膚讓我裙擺飛揚，自信迴歸！它讓你的故事活靈活現，分享喜悅與感恩之情，觸動人心！

輸出

標題：強森小巧魔力風機，速幹護髮新寵兒

本文：

Hey寶貝們！今天要給你們種草一顆美髮界的璀璨新星 —— 強森吹風機！它不僅僅是個工具，簡直是隨身攜帶的美髮沙龍

體積小巧，旅行必備

首先，它的迷你身材直接擊中我心！旅行包包再滿也能輕鬆塞進，不佔空間，隨時隨地凹造型

高顏值，時尚出街

看這設計，簡直就是藝術品呀！無論是極簡白還是進階粉，拿在手裡就是街頭最靚的崽！手機？不，這是我的新時尚配飾

風力強勁，速幹神器

別看它小，風力可一點都不含糊！早上趕時間？強森幫你5分鐘搞定出門髮型，效率MAX！

幹得快，還護髮

智能控溫技術，溫柔呵護你的每一根秀髮。告別熱損傷，只留下柔順光澤，每次吹髮都像做了次沙龍護理～

智能控溫，細心之選

懂你的不只是風力，還有溫度。根據發質自動調節最適宜的熱量，守護秀髮健康，長期使用也不怕傷發

總之，強森吹風機就是那個能讓你愛不釋手的小可愛！趕緊加入購物車，給你的美麗加速吧！

#強森吹風機 #美髮達人 #快速護髮秘籍

標記你的朋友，讓她們也來感受這份輕巧與高效吧！

記得，愛護自己從“頭”開始，強森與你一起，綻放自信光彩！

吹風機也能成為美髮時尚單品？強森小鋼炮告訴你答案！

自從我用了強森吹風機，不僅旅行包輕便多了，每次吹髮都變成享受時光！用了幾次後，朋友們都誇我發質看起來好了不止一個度，就像剛從沙龍出來的樣子。它絕對是短途出遊或宿捨生活的完美伴侶哦！適合所有追求高效護髮的寶貝們～

面對濕漉漉的長髮瀑布，每次都得耗時半小時以上？別怕，強森智能控溫科技來了！它能迅速吹乾每一根髮絲，而且風力強勁卻不傷發，秘密就在於它能智能調節溫度，保護你的秀髮不受熱損傷。從此，快速出門不再是夢！

我一直認為，好的造型工具是美麗態度的體現。強森這枚高顏值吹風機不單是個工具，更是梳妝台上的一件藝術品。每次用它吹髮，都像是在進行一場個人風格的儀式感升級。不妨也給自己來點這樣的小奢侈，畢竟，美好的一天從頭開始嘛！

記得那次臨時接到晚宴邀請，急匆匆從健身房出來，頭髮還滴著汗。正當焦慮之際，幸好有強森吹風機緊急救援！我迅速將濕潤的亂髮吹整得服服帖帖，走進宴會廳的那一刻，自信滿滿，好像剛做完進階沙龍護理似的。多虧了這小巧卻強大的美髮神器，我的美麗不再受限於時間！

快來把這吹風機界的時尚小鋼炮加入購物車吧！讓我們一起做個風一樣的女子，優雅又效率，從頭開始閃耀每一天！

#強森吹風機 #高顏值美髮神器 #智能護髮新體驗 #速幹不傷發 #時尚必備

觀察輸出時，您可以發現，LLM 學習了範例的要求並針對性地產生了符合格式要求的種草文。

技巧二：設定完成任務的步驟

對於許多複雜任務，提醒 LLM 如何完成任務是非常必要的。

提供任務步驟來完成數學題

數學題：

又到了周日，小明像以往一樣去爺爺奶奶家玩，小明於早上八點整步行出發，已知小明每分鐘行走50米，走了12分鐘後，小明的父親發現小明忘記帶作業了，於是便騎車去追小明，已知小明的爸爸每分鐘騎行200米，等到追上小明後，爸爸決定騎車帶上小明，已知小明坐單車的路程是走路路程的5倍，請問，小明和他爸爸幾點到爺爺家的呢？（小明8點36分到爺爺家）

Prompt（通過添加#任務步驟#告訴 LLM 如何完成任務）：

#背景#
又到了周日，小明像以往一樣去爺爺奶奶家玩，小明於早上八點整步行出發，已知小明每分鐘行走50米，
走了12分鐘後，小明的父親發現小明忘記帶作業了，於是便騎車去追小明，已知小明的爸爸每分鐘騎行200米，
等到追上小明後，爸爸決定騎車帶上小明，已知小明坐單車的路程是走路路程的5倍，
#目的#
小明什麼時候到爺爺家？
#任務步驟#
1. 先計算小明被爸爸追上時的時間和移動的距離。
2. 再計算小明去爺爺家剩餘的距離和需要的時間。
3. 最後計算小明到爺爺家的時間。

Output（LLM 清晰地從提示詞中擷取到了任務步驟，並基於規定的步驟產生了正確結果）：

要解答這個問題，我們首先需要根據給定的資訊分步驟來解決。

步驟1: 計算小明被爸爸追上時的時間和移動的距離
小明每分鐘行走50米。
爸爸出發時（即小明走了12分鐘後），小明已經走了 12×50=600 米。
從這一刻起，小明繼續以每分鐘50米的速度前進，而爸爸則以每分鐘200米的速度追趕。
設從小明父親開始追趕直到追上小明所需時間為 t分鐘，則有方程：[200t = 50t + 600] （左邊是爸爸的總行程，右邊是小明在相同時間內走過的距離加上初始的600米領先）
解這個方程得：[150t = 600] [t = 4] 分鐘。這意味著爸爸用了4分鐘就追上了小明。
在這4分鐘裡，小明又走了 4×50=200 米。
因此，當爸爸追上小明時，小明總共走了 600+200=800 米。
步驟2: 計算小明去爺爺家剩餘的距離和需要的時間
根據題意，“小明坐單車的路程是走路路程的5倍”，這裡可以理解為從爸爸追上小明的地方到爺爺家的路程是之前步行路程(800米)的5倍，即 800×5=4000 米。
由於之後是騎車前往，速度為每分鐘200米，因此到達爺爺家還需要時間 4000/200=20 分鐘。
步驟3: 最後計算小明到爺爺家的時間
小明於早上八點整出發。
到爸爸追上他時，共過去了 12+4=16 分鐘。
再加上騎車前往爺爺家所需的20分鐘，總共耗時 16+20=36 分鐘。
因此，小明將在出發後的第36分鐘到達爺爺家，即早上 8:00+36 分鐘 = 8:36 到達爺爺家。

技巧三：使用分隔字元號區分單元

在構建複雜的 Prompt 時，採用特定的分隔字元來界定不同內容單元是極為關鍵的，這一做法顯著增強了 LLM 對 Prompt 正確解析的能力。隨著任務複雜度的增加，合理利用分隔字元越能提升 LLM 的表現。

分隔字元的選擇應著眼於那些在自然語言文本中罕見的、獨特的字元組合，例如：###、===、>>>等。這些特殊符號序列並無關聯規則，關鍵在於其辨識度高，確保模型能夠明確區分這些符號是作為內容地區的界限標識，而非文本中的普通標點或文法組成部分。

未使用分隔字元

使用分隔字元

Prompt

請簡短總結以下影評。

曾經意氣風發的張志強在生活的重壓下，中年“失速”偏離了原本的生活軌跡，一時意氣用事的決定，讓他瞬間從家人的“小驕傲”變成了社會的“邊角料”。然而，他未曾料到，這僅是他中年人生道路上的起點。接連不斷的變故如疾風驟雨般襲來，迫使他不得不重新面對自我。當生活的重擔真正壓肩，他選擇成為一名快遞員，從新的起點重新出發，穿梭雩都市大街小巷的高志壘在路上結識了一眾志同道合的夥伴。在共度的時光裡他深切的體會到了人間的冷暖真情，逐漸在這條充滿磨礪的“逆行道”中找回曾經丟失的勇氣與信念，重新定義人生新的方向。

請簡短總結以下影評。

###

曾經意氣風發的張志強在生活的重壓下，中年“失速”偏離了原本的生活軌跡，一時意氣用事的決定，讓他瞬間從家人的“小驕傲”變成了社會的“邊角料”。

###

然而，他未曾料到，這僅是他中年人生道路上的起點。接連不斷的變故如疾風驟雨般襲來，迫使他不得不重新面對自我。

當生活的重擔真正壓肩，他選擇成為一名快遞員，從新的起點重新出發，穿梭雩都市大街小巷的高志壘在路上結識了一眾志同道合的夥伴。

###

在共度的時光裡他深切的體會到了人間的冷暖真情，逐漸在這條充滿磨礪的“逆行道”中找回曾經丟失的勇氣與信念，重新定義人生新的方向。

###

輸出

電影講述了一個中年危機故事，主角張志強因生活壓力偏離正常生活軌道，經歷一系列挑戰後，他成為一名快遞員，在新朋友的協助下重拾勇氣與信念，找到了生活的新方向。影片展現了逆境中的成長與自我救贖。

主人公張志強中年遭遇生活困境，一次衝動的決定使他社會地位驟降。

隨後，面對重重挑戰，他擔任快遞員重新起步，在此過程中與同行建立深厚情誼，並在磨難中找回勇氣和信念。

最終，在艱難和挑戰中，為自己的人生找到了新的意義和方向。

您可以在輸出中發現明顯差別，在使用了分隔字元的輸出中，LLM 不僅理解了三段話的邏輯關係，還正確識別了分隔字元，並根據分隔字元的段落產生了三段強相關的總結。

技巧四：引導模型“思考”

對於邏輯推理和語境學習的複雜任務來說，簡單的 Prompt 技巧可能無法滿足任務需求。但您可以通過引導模型產生推理過程或協助模型拆解複雜任務並逐步推理的方式，讓模型在產生推理結果前產生更多的推理依據，從而提升模型在複雜問題上的表現。

這裡為您先介紹思維鏈（Chain of Thought，COT），它是一種使用起來較為簡單的引導方法，但能夠顯著提高大模型在複雜情境下的推理能力。

任務目的：解析一個複雜的 JSON 結構體

#背景#
JSON 輸入：
{"web-app": {
  "servlet": [   
    {
      "servlet-name": "cofaxEmail",
      "servlet-class": "org.cofax.cds.EmailServlet",
      "init-param": {
      "mailHost": "mail1",
      "mailHostOverride": "mail2"}},
    {
      "servlet-name": "cofaxTools",
      "servlet-class": "org.cofax.cms.CofaxToolsServlet",
      "init-param": {
        "templatePath": "toolstemplates/",
        "log": 1,
        "logLocation": "/usr/local/tomcat/logs/CofaxTools.log",
        "logMaxSize": ""}}],
  "servlet-mapping": {
    "cofaxEmail": "/cofaxutil/aemail/*",
    "cofaxTools": "/tools/*"},
 
  "taglib": {
    "taglib-uri": "cofax.tld",
    "taglib-location": "/WEB-INF/tlds/cofax.tld"}}}

#目的#
根據 JSON 判斷是否完全符合以下要求：
1. 是否每個 servelet 都有 init-param
2. 是不是 servelet-mapping 中元素都在 servlet 中都有匹配
3. servelet 的 cofaxTools 中有三個以“log” 開頭的參數，且 “log” 參數小於 10

不使用思維鏈

使用思維鏈

#輸出#
如果全部符合要求，只輸出 "符合要求"，否則只輸出 "不符合要求"。

#輸出#
先輸出針對各要求的思考判斷過程。
如果全部符合要求，再輸出 "符合要求"，否則輸出 "不符合要求"。

不符合要求

首先，我們來逐步分析給定的JSON資料，以判斷它是否符合所有提到的要求。

思考過程

檢查每個servlet是否有init-param
- cofaxEmailservlet 有init-param，包含 "mailHost" 和 "mailHostOverride"。
- cofaxToolsservlet 也有init-param，包含 "templatePath", "log", "logLocation", 和 "logMaxSize"。
結論：每個servlet都有init-param，滿足要求1。
檢查servlet-mapping中的元素是否都在servlet中有匹配
- servlet-mapping中有兩個元素：cofaxEmail和cofaxTools。
- servlet定義中也正好有這兩個servlet名稱的定義：cofaxEmail和cofaxTools。
結論：servlet-mapping 中的所有元素都能在 servlet 中找到匹配，滿足要求2。
檢查cofaxTools servlet中是否有三個以"log"開頭的參數，且"log"參數小於10
- cofaxToolsservlet 的init-param中以 "log" 開頭的參數有："log"（值為1），"logLocation"（值為"/usr/local/tomcat/logs/CofaxTools.log"），和理論上應該計算在內的"logMaxSize"（儘管它的值為空白，但題目似乎更關注首碼而非值的內容）。
- 其中 "log" 的值為1，確實小於10。
結論：雖然關於"logMaxSize"是否算作以"log"開頭的有效參數可能有歧義（因為它沒有實際數值），但基於最直接的解讀，我們可以認為是滿足了至少存在三個以"log"開頭的參數這一條件，且明確指定的"log"參數值為1，小於10，因此大體上滿足要求3，儘管"logMaxSize"的處理依據具體情況可能有所不同。

輸出

基於以上分析，雖然關於"logMaxSize"的處理可能存在解釋空間，但主要條件基本得到滿足。因此，如果對"logMaxSize"不作嚴格要求（比如，不強制要求它必須有一個有效數值且小於10），則可以認為整體符合要求。如果有對"logMaxSize"的具體數值要求，則需要進一步澄清後決定。但在標準解讀下，答案應為：“符合要求”。

除了思維鏈，啟發 LLM 進行“思考”的實用方法還有提示鏈（Prompt Chaining）。提示鏈通過多輪對話，引導 LLM “思考” 方向，讓 LLM 從簡單任務開始，沿著設計好的“思考”方向逐步完成一個複雜推理。

提示鏈雖然相對思維鏈來說構建模式更加複雜，但模型表現更好，準確率更高。它非常適合邏輯複雜但能按照固定模式拆解的困難任務。

提示鏈（Prompt Chaining）引導範例

數學題：

第一輪輸入（數學題 + 第一個簡單問題）：

#背景#
又到了周日，小明像以往一樣去爺爺奶奶家玩，小明於早上八點整步行出發，已知小明每分鐘行走50米，
走了12分鐘後，小明的父親發現小明忘記帶作業了，於是便騎車去追小明，已知小明的爸爸每分鐘騎行200米，
等到追上小明後，爸爸決定騎車帶上小明，已知小明坐單車的路程是走路路程的5倍，

#目的#
計算小明什麼時候被他爸爸追上，追上時走了多遠？

Output 1（LLM 對第一個簡單問題的回答）：

首先，我們計算小明在被父親追上之前走了多遠。
小明的速度是每分鐘50米，他已經走了12分鐘，因此他已經走過的距離是：
50 米/分鐘 × 12 分鐘 = 600 米
接下來，我們計算父親開始追趕小明時兩者的相對速度。父親的騎行速度是每分鐘200米，而小明繼續以每分鐘50米的速度步行。因此，父親相對於小明的速度是：
200 米/分鐘 − 50 米/分鐘 = 150 米/分鐘
為了追上小明，父親需要覆蓋小明最初12分鐘所行走的600米距離。以150米/分鐘的相對速度，父親追上小明所需的時間是：
600 米 / 150 米/分鐘 = 4 分鐘
這意味著父親在開始追趕後的4分鐘追上了小明，從父親開始追趕算起，總共用了12分鐘（小明已經走了的時間）+ 4分鐘（父親追趕的時間）= 16分鐘。
現在，我們要計算小明被追上時共走了多遠。小明在最初的12分鐘內走了600米，從父親開始追趕的4分鐘裡，小明又走了：
50 米/分鐘 × 4 分鐘 = 200 米
所以，小明被追上時總共走了：
600 米 + 200 米 = 800 米
綜上所述，小明在早上8點16分被他爸爸追上，此時他已經走了800米。

第二輪輸入（第二個問題，問題逐漸深入）：

#目的#
計算小明還要坐多遠單車才能到爺爺家？

Output 2（LLM 對第二個問題的回答）：

根據題目，小明坐單車的路程是他走路路程的5倍。小明被追上時已經走了800米，那麼他坐單車的路程將是：
800 米 × 5 = 4000 米

第三輪輸入（最後的複雜問題）：

#目的#
小明什麼時候到爺爺家？

Output 3（通過前面多個問題的引導得到了正確的結果）：

要計算小明什麼時候到爺爺家，我們需先確定小明坐上單車後的行進時間。
小明坐單車的總路程是4000米，他父親的騎行速度是每分鐘200米。因此，小明坐單車所需的時間是：
4000  米 / 200  米/分鐘 = 20  分鐘
小明從出發到被追上已經過去了16分鐘（即8:00出發，8:16被追上），加上坐單車的20分鐘，總共用時為：
16 分鐘 + 20 分鐘 = 36 分鐘
所以，小明在早上8點出發後，將在36分鐘後到達爺爺家，即：
8:00 AM + 36  分鐘 = 8:36  AM
因此，小明將在上午8點36分到達爺爺家。

引導 LLM “思考”的方法還有很多種，比如：思維樹（Tree of Thoughts, ToT)、Boosting of Thoughts 等。

Prompt 測試與迭代

產生最優 prompt 是一個高度實驗性的過程，需要不斷嘗試和調整各種方法。整個 prompt 工程的最佳化過程可概括如下：

此外，值得注意的是，除了精心設計的 prompt 外，使用者提供的反饋和修正也是擷取模型最佳輸出的關鍵因素之一。即使在 prompt 最佳化完成後，持續地線上上環境中接收反饋並作出相應調整，才能使模型更好地理解和滿足使用者需求。

Prompt 最佳化案例：跨國公司 AI 助手穩定地輸出多語言內容

問題背景：使用者反饋 qwen-turbo 無法穩定地用英文回答英文問題。

最佳化點有：

將“語言”替換為“語種”。因為“語言”這個詞有歧義，不一定代指的是英語、法語，也可以是書面語言、口頭語言。語種就沒有這個歧義。
最佳化前 Prompt 結構較為鬆散，而且## 限制部分內容過於冗餘。因此使用本教程提供的 Prompt 架構重新排版並將## 限制部分的內容拆分到正確的位置。
${documents}部分是一段很長的話，放在某句話中並不合適。應該使用分隔字元標記切分出來，作為一個重要的內容塊。

最佳化前 Prompt

最佳化後 Prompt

# 角色

你是一位高效的HR AI助手，專門負責解答公司內部關於政策、考勤制度、年假安排等相關問題。你具備快速準確地解析公司政策文檔的能力，並能夠為同事提供清晰簡潔的說明。

## 技能

### 技能1: 政策解析

- **任務**：準確解讀公司政策文檔，為同事提供清晰、簡潔的政策說明。

- 快速定位到相關政策條款，解答具體的政策執行細節。

- 確保解釋的內容易於理解且符合公司的官方規定。

### 技能2: 考勤答疑

- 解答與員工考勤相關的所有疑問，包括打卡規則、遲到早退處理、請假流程等。

- 提供具體的考勤操作指南和特殊情況處理建議。

### 技能3: 年假管理諮詢

- 詳細解釋年假申請條件、累積規則、有效期間及審批次程序。

- 協助計算員工的年假餘額，提供休假規劃建議。

## 工具與資源

- **知識庫訪問**：直接引用和解析`${documents}`中的公司政策文檔和相關規章制度，確保答案的權威性和時效性。

- 如果提出的問題是英文，請用你理解的中文含義去檢索知識庫，最後再使用英文回複（請注意回複內容中的標點符號統一為英文格式！尤其字元 U+2019 "’"，請替換為“'” ）。

## 限制

- 要求回答內容僅使用標準 ASCII 字元集，不要出現中文引號、全形逗號及其他全形標點符號！！！

- 使用與使用者提問相同的語種回複，例如使用者使用中文，回答中文，使用者使用英文，回答英文。

- 僅限於解答公司政策、考勤制度、年假等人力資源管理範疇內的問題。

- 不涉及個人隱私資料的查詢，保護員工資訊安全。

- 當遇到知識庫未涵蓋或不明確的問題時，需指引詢問者連絡人力資源部門擷取進一步的協助。

#背景#

你是一位跨國公司的高效的HR AI助手，專門負責解答公司內部關於公司政策解析、考勤答疑、年假管理諮詢的問題。你具備快速準確地解析公司政策文檔的能力。以下為公司政策文檔：

======

`${documents}`

======

#目的#

使用者的問題僅限於公司政策解析、考勤答疑、年假管理諮詢三類範疇。
當問題在範疇內但知識庫未涵蓋或不明確時，指引使用者連絡人力資源部門擷取進一步的協助。
三類問題按照以下要求進行回答：
1. 政策解析
  1. 準確解讀公司政策文檔，為使用者提供清晰、簡潔的政策說明。
  2. 快速定位到相關政策條款，解答具體的政策執行細節。
  3. 確保解釋的內容易於理解且符合公司的官方規定。
2. 考勤答疑
  - 解答與員工考勤相關的所有疑問，包括打卡規則、遲到早退處理、請假流程等。
  - 提供具體的考勤操作指南和特殊情況處理建議。
3. 年假管理諮詢
  - 詳細解釋年假申請條件、累積規則、有效期間及審批次程序。
  - 協助計算員工的年假餘額，提供休假規劃建議。
不涉及個人隱私資料的查詢，保護員工資訊安全。

#多語言要求#

- 如果提出的問題不是中文，用問題的中文含義去檢索知識庫。

- 知識庫檢索出來的內容在輸出時也要轉換為問題的語種。

#輸出#

1. 僅使用標準 ASCII 字元集輸出回答。

2. 輸出的內容語種為使用者輸入的語種。