下面是设计提示的一般建议

一开始要从简

一开始设计提示时，你需要记住这是一个迭代过程，需要进行大量实验来获得最佳结果。使用OpenAI或Cohere提供的简单平台是一个不错的起点。

你可以从简单的提示开始，并在追求更好的结果时逐渐增加元素和上下文。在整个过程中反复迭代你的提示是至关重要的。在阅读指南时，你会看到很多例子，其中特定性、简洁性和简明性通常会给你带来更好的结果。

当你有一个包含许多不同子任务的大任务时，你可以试着将任务拆分为更简单的子任务，并随着获得更好的结果逐步构建起来。这样可以避免在提示设计过程中一开始就添加太多复杂性。

灵活运用指令

　　你可以使用指令来指导模型完成各种简单任务，例如“写作”，“分类”，“总结”，“翻译”，“排序”等，来设计有效的提示。请记住，你需要大量尝试来找到最佳的结果。尝试使用不同的指令、关键词、上下文和数据，看看哪种方法适用于你特定的用例和任务。通常情况下，上下文与任务的特定要求越相关，结果就越好。在后面的指南内容中，我们将介绍采样和添加更多上下文的重要性。

　　有人建议将指令放在提示的开头。另一个建议是使用明确的分隔符，如“###”，来分隔指令和上下文。

Prompt:

### Instruction ###
Translate the text below to Spanish:
Text: "hello!"

Output:

¡Hola!

提示词尽可能明确

尽可能明确指定你希望模型执行的指令和任务。提示越具体、描述越详细，结果就越好。当你希望达到特定的生成结果或风格时，这一点尤为重要。并没有特定的词语或关键词能够获得更好的结果。更重要的是拥有良好的格式和具有描述性的提示。实际上，在提示中提供示例对于以特定格式获得期望的输出非常有效。

在设计提示时，你还应考虑提示的长度，因为提示的长度是有限制的。要考虑到所需的具体性和详细程度。包含过多不必要的细节并不一定是一个好方法。这些细节应与任务相关，并有助于完成任务。这是你需要进行大量实验的内容。我们鼓励进行大量的实验和迭代，以优化你的应用程序的提示。

作为一个例子，让我们尝试一个简单的提示，从一段文本中提取特定的信息。

Prompt:

Extract the name of places in the following text. 
Desired format:
Place: <comma_separated_list_of_company_names>
Input: "Although these developments are encouraging to researchers, much is still a mystery. “We often have a black box between the brain and the effect we see in the periphery,” says Henrique Veiga-Fernandes, a neuroimmunologist at the Champalimaud Centre for the Unknown in Lisbon. “If we want to use it in the therapeutic context, we actually need to understand the mechanism.""

Output:

Place: Champalimaud Centre for the Unknown, Lisbon