在 提示词设计五要素 的 RTCC + Format 骨架之上,再叠加这些技巧可继续提升 30%+ 效果。五要素是"骨架",进阶技巧是"血肉"。
一、思维链(Chain of Thought, CoT)
让模型把推理过程显式写出来,再给最终答案,避免跳步。
- 一句话触发:在 Prompt 末尾加"请一步一步地思考"。
- 结构化触发:明确写出"先分析…再判断…最后输出…"的步骤。
- 适用场景:数学/逻辑推理、归因分析、多条件判断、Badcase 诊断。
- 代价:输出更长、token 更贵、延迟更高——简单任务别滥用。
二、Few-Shot 示例
给 2-3 个"输入→输出"样例,让模型从样例中归纳规律。详见 Few-Shot少样本提示。
适用:风格难以用文字描述(如"像鲁迅的口吻")、输出格式严格(如固定 JSON 字段)、分类任务边界模糊。
三、XML 标签分层
大段内容用 <context>...</context>、<example>...</example>、<task>...</task> 等标签包裹,模型对结构边界更敏感。
<context>
这是一份客服工单……
</context>
<task>
请按以下规则归类
</task>
<rules>
1. ...
2. ...
</rules>
特别适合 Prompt 很长、信息块多的工程化调用。
四、自我检查
在输出后追加一段自检指令:"输出前请检查:是否所有结论都有依据?是否符合 Format 规定?是否违反任何 Constraints?"
低成本提升输出可靠性,常与 CoT 搭配使用。
五、正向表达 vs 负向表达
- 不写"别太长",写"控制在 150 字以内"。
- 不写"不要不像人一样",写"用口语化风格"。
- 模型对正向指令的遵循率明显高于负向。
六、直接指令,不用礼貌用语
"请您""麻烦""辛苦""谢谢"对 AI 无效,反而稀释指令密度——直接动词开头效率更高。
七、Markdown 结构化
标题、列表、表格能帮助模型理解结构,输出也更规整。Prompt 本身的可读性≈模型的执行准确率。
进阶技巧组合拳
| 场景 | 推荐组合 |
|---|---|
| 复杂推理 | CoT + 自我检查 |
| 风格迁移 | Few-Shot + XML 分层 |
| 工程化解析 | Format(JSON) + XML 分层 + 自我检查 |
| 长文档处理 | XML 分层 + CoT |
PM 怎么用 / 何时用
- 在五要素骨架上调优时,按场景从"组合拳"表挑技巧(复杂推理上 CoT+自检、风格迁移用 Few-Shot+XML、工程解析用 Format+XML+自检)。
- 写工程化 Prompt 时,默认用 XML 标签分层 + Markdown 结构、正向表达、直接指令,去掉礼貌用语以提升指令密度。
- 简单任务别滥用 CoT——它换来更长输出、更贵 token 和更高延迟,按收益决定是否开。
相关页面
→ 提示词设计五要素 → 提示词工程四象限法则 → Few-Shot少样本提示 → Badcase分析方法论 → AIPM课程 Day3