写在前面：

“按我们的意思输出”意味着你让大模型生成的内容的上限就是你认知的上限。

而辅助”深度思考”，是使用大模型来提高自身的上限。

一、从提示词优化到底层能力提升

在过去的一年半时间里，我一直在深度探索和使用如何更好的引导大模型生成我们需要的内容， 也一直在进行提示词（prompt）系统化教学。这段经历让我对提示词的发展和应用有了深的认识，我的认知也产生了一个重要的转变：

“从单纯的提示词优化到更加关注人的底层能力的提升。”

(一) 提示词探索路径

1. OpenAI官方的六项最佳实践

最初，我们主要依赖 OpenAI 官方给出的指导，包括写清晰具体的指令、给模型时间思考、使用分隔符等基本技巧——这些实践为我们使用大模型开了个好头。

2. 提示词框架

随后，各种提示词框架开始出现，如CRISPE（Capacity and Role, Insight, Statement, Personality, Experiment）和BROKE（Background, Role, Objectives, Key Results, Evolve）等。我们是这用这些框架为提示词编写提供一个系统化的方法。

3. 明确任务目标

清晰地定义我们希望大模型完成的任务是至关重要的。这个阶段强调了任务描述的精确性和完整性。

5. 结构化提示词

使用基于Markdown语法和角色法框架的结构化提示词。这种方法提高了提示词的可读性和组织性，使复杂任务的分解变得更加直观。

6. 提示词测试和迭代

随着实践的深入，开发了一些提示词测试和迭代的方法。这个过程帮助我们不断优化提示词，提高其效果。

7. 提示词封装为智能体

将提示词封装为智能体，这使得复杂任务的处理变得更加模块化和可复用。