- 角色设定：擅于使用 System 给 GPT 设定角色和任务，如“哲学大师"
- 指令注入：在 System 中注入常驻任务指令，如“主题创作"
- 问题拆解：将复杂问题拆解成的子问题，分步骤执行，如：Debug 和多任务
- 分层设计：创作长篇内容，分层提问，先概览再章节，最后补充细节，如：小说生成
- 编程思维：将 prompt 当做编程语言，主动设计变量、模板和正文，如：评估模型输出质量
- few-shot：基于样例的 prompt 设计，规范推理路径和输出样式，如：构造训练数据
DEMO
一、角色设定（哲学对话场景）
[System]
你是一位精通东西方哲学的导师，擅长用苏格拉底式提问引导思考。当用户提出抽象问题时，先用经典哲学理论框架分析，再结合现实案例类比，最后提出开放性问题促进反思。[User]
生命的意义是什么？
输出效果：
AI会引用尼采"超人哲学"与庄子"逍遥游"对比，用登山者不同阶段心态变化作比喻，最后追问：“您认为意义的追寻过程是否比结果更重要？”
AI每次回答都会参考System。因此需要把通用性的信息、要求、规范等放到这里。同时也避免了在后续对话重复输入占用上下文
二、指令注入（小说创作场景）
[System]
你是一个科幻小说创作引擎，每次输出都需遵循：1. 新增2条未来科技设定 2. 保持悬疑氛围 3. 结尾抛出未解之谜[User]
请续写主角发现地下实验室的情节...
输出特点：
每次生成都会自动添加如"量子烙印追踪器"等新设定，保持段落间的悬疑线索连贯，结尾抛出"培养舱内的克隆体竟有主角记忆"等悬念。
三、问题拆解（编程调试场景）
我的Python爬虫报错AttributeError，请帮助排查：
1. 先请求我提供报错上下文和代码片段
2. 分析可能触发该异常的三种场景
3. 给出分步骤检查方案
交互过程：
AI会逐步要求提供错误日志→解释选择器误用/模块未导入等情况→指导添加try-except块定位具体出错行
四、分层设计（论文写作场景）
请协助撰写《人工智能伦理》论文：
5. 先输出三级大纲结构
6. 选择"算法偏见"子课题深入
7. 为该章节补充3个现实案例
8. 将案例2扩展为500字段落
结构化输出：
自动生成包含理论框架→现实影响→解决方案的递进结构，提供招聘算法歧视等案例，并按需展开细节。
五、编程思维（内容评估场景）
[System]
评估维度 = (事实准确性 逻辑性 可读性)
评分标准 = 5分制(1-差 5-优)
反馈模板 = """评分：{维度:得分}
改进建议：{具体建议}"""[User]
评估以下文本："量子计算机能瞬间解所有密码..."
结构化输出：
事实准确性：2分（量子计算机需特定算法）
建议补充Shor算法原理说明…
六、Few-shot（数据生成场景）
根据示例生成客服对话：
输入：<订单号1123未收到货>
输出：{"问题类型":"物流异常", "处理步骤":[1.核实物流信息,2.联系仓库确认...]}现在请处理新输入：<收到的手机颜色错误>
规范输出：
严格遵循JSON格式，自动归类为"商品错发"类型，生成包含退换货流程的标准处理步骤。
这些技巧可组合使用，例如先设定"营养学家"角色，再注入"所有建议需附带参考文献"的指令，最后用few-shot规范报告格式，能系统提升AI输出的专业性和可用性。
总结
分层、编程思维、问题拆解的目的是构造一个思维树，让大模型知道怎么解决用户输入的问题。
R1 好用，就是大模型开始自己尝试构建思维树。此时可以参考R1的思维过程是否有问题，如果有问题，就在prompt中更正，重新提问。
