prompt，简单的理解它是给 AI 模型的指令。
任何你希望解决的问题通过文字形式表达出来，作为Prompt传递给AI模型（在ChatGPT等GPT产品中目前是文字形式，未来可能有图像，语音，视频等多形式），AI 模型会基于 prompt 所提供的信息，生成对应的文本、图片甚至视频等信息。
Prompt工程是创建Prompt、提问或指导像ChatGPT这样的语言模型输出的过程。它允许用户控制模型的输出，生成符合其特定需求的文本。ChatGPT是一种先进的语言模型，能够生成类似人类的文本。它建立在Transformer架构之上，可以处理大量数据并生成高质量的文本。但是，为了从ChatGPT获得最佳结果，了解如何正确引导模型是非常重要的。
一般常用任务
角色+场景描述+核心任务+补充信息+输出格式+提供的数据内容或示例， 持续调教
角色：XX角色
场景描述：应用的场景
核心任务：数量+内容、建议、评论、见解
补充信息：
符合相关法律法规
具有信息量、说服力
突出XX特点
生成的内容应与提供的示例数据保持一致
以XX风格、XX模板
输出格式：checklist、markdown
数据内容或示例：
XX代码、XX数据、XX内容、XX模板如下
如果你不知道，请回答“不知道”。
数据挖掘任务
客户评论的聚类
任务：将相似的客户评论分组在一起
说明：评论应基于情感进行分组
提示公式：“基于情感将以下客户评论分组成簇：[插入评论]”
科学论文的聚类
任务：将相似的科学论文分组在一起
说明：论文应基于研究领域进行分组
提示公式：“基于研究领域将以下科学论文分组成簇：[插入论文]”
客户评论的情感分析
任务：确定客户评论的情感色彩
说明：模型应将评论分类为积极的、消极的或中性的
提示公式：“对以下客户评论[插入评论]进行情感分析，并将它们分类为积极的、消极的或中性的。”
新闻文章中的命名实体识别
任务：识别和分类新闻文章中的命名实体
说明：模型应识别和分类人物、组织机构、地点和日期
提示公式：“对以下新闻文章进行命名实体识别[插入文章]并识别和分类人物、组织机构、地点和日期。”
客户评论的文本分类
任务：将客户评论分类到不同的类别中，如电子产品、服装和家具
说明：模型应根据其内容对评论进行分类
提示公式：“对以下客户评论进行文本分类[插入评论]，并根据其内容将它们分类到不同的类别中，例如电子产品、服装和家具。”
电子邮件的文本分类
任务：将电子邮件分类到不同的类别中，如垃圾邮件、重要邮件或紧急邮件
说明：模型应根据其内容和发送者对电子邮件进行分类
提示公式：“对以下电子邮件进行文本分类[插入电子邮件]，并根据其内容和发送者将其分类到不同的类别中，如垃圾邮件、重要邮件或紧急邮件。”
A与B的相似度
文本生成AI提示词高阶玩法
Instruction（必须）： 指令，即你希望模型执行的具体任务。
Context（选填）： 背景信息，或者说是上下文信息，这可以引导模型做出更好的反应。
Input Data（选填）： 输入数据，告知模型需要处理的数据。
Output Indicator（选填）： 输出指示器，告知模型我们要输出的类型或格式。如Python代码 markdown格式
（来源：Elavis Saravia总结）
一些 思维模型可以用上，比如六顶思考帽，金字塔，MESE，SWOT 等
我需要用【现状】、【冲突】、【原因】、【方案】这个组合模型来为我的营销推广文章写一个开头，我的目的是想要写一篇关于推广【洗衣机】的文章的开头部分，字数要求在500字以内
解释某一个概念和名词
每当我问你一个知识点时，你应该先提出3个问题，并对这些问题进行解答。
这3个问题是：
1、它是什么？请对这个知识点的主要内容进行清晰和直观的描述。
2、它的起源是什么？描述这个知识点的诞生，并阐明它解决了什么特定问题。
3、它将走向何方？请阐述它的存在价值，它在应用上是否有局限性，以及它的未来主要发展趋势是什么。
这个知识点是：XX
拆解段落，阅读长文本
先输入要求：我要给你输入一段文字，我需要你记录下来并在最后回答我的问题，在我要求你回答问题前，不需要对我发送的信息进行任何解释和解读，只需要回复“OK”就可，理解我的意思就回复“明白”。
再拆解段落多次分别投喂内容：
段落1：……
段落2：……
段落3：……
最后提出分析要求：请回答以上内容的核心要点 ……
