什么是提示词工程

提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。

研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。

提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力

提示词要素

如果您接触过大量提示工程相关的示例和应用，您会注意到提示词是由一些要素组成的。

提示词可以包含以下任意要素：

指令：想要模型执行的特定任务或指令。

上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。

输入数据：用户输入的内容或问题。

输出指示：指定输出的类型或格式。

为了更好地演示提示词要素，下面是一个简单的提示，旨在完成文本分类任务：

提示词

请将文本分为中性、否定或肯定文本：我觉得食物还可以。情绪：

在上面的提示示例中，指令是“将文本分类为中性、否定或肯定”。输入数据是“我认为食物还可以”部分，使用的输出指示是“情绪：”。请注意，此基本示例不使用上下文，但也可以作为提示的一部分提供。例如，此文本分类提示的上下文可以是作为提示的一部分提供的其他示例，以帮助模型更好地理解任务并引导预期的输出类型。

注意，提示词所需的格式取决于您想要语言模型完成的任务类型，并非所有以上要素都是必须的。我们会在后续的指南中提供更多更具体的示例。

名称	描述	示例
指令 词(必须)	此部分为prompt的指令，告诉模型应如何响应。	“简述”、“解释”、“翻译”、“总结”、“润色”、“写一篇文章"等。
输入数据 (必须)	提供给模型的问题或具体內容，应清晰、完整以确保模型生成满意答案，注意长度，同时注意分段发送。	当需要总结时，提供的文本；当需要编写SQL代码时，提供的数据库表和字段信息。
背景 (非必须)	与任务相关的其他信息，提供额外信息以帮助模型更好地理解需求。	同样是写关于计算机的科普文章，是写给小学生还是计算机专业大学生，得到的内容会完全不同。
输出要求 (非必须)	期望模型输出的指标或结构，比如：类型、字数。	“请输出五条‘XX’相关的事实，并按重要性排序：1. …，2. …，3. …”，请按照markdown、表格…形式进行输出

设计提示的通用技巧

以下是设计提示时需要记住的一些技巧：

从简单开始

在开始设计提示时，你应该记住，这实际上是一个迭代过程，需要大量的实验才能获得最佳结果。使用来自OpenAI或Cohere的简单的 playground 是一个很好的起点。

你可以从简单的提示词开始，并逐渐添加更多元素和上下文（因为你想要更好的结果）。因此，在这个过程中不断迭代你的提示词是至关重要的。阅读本指南时，你会看到许多示例，其中具体性、简洁性和简明性通常会带来更好的结果。

当你有一个涉及许多不同子任务的大任务时，可以尝试将任务分解为更简单的子任务，并随着结果的改善逐步构建。这避免了在提示设计过程中一开始就添加过多的复杂性。

指令

你可以使用命令来指示模型执行各种简单任务，例如“写入”、“分类”、“总结”、“翻译”、“排序”等，从而为各种简单任务设计有效的提示。

请记住，你还需要进行大量实验以找出最有效的方法。以不同的关键词（keywords），上下文（contexts）和数据（data）试验不同的指令（instruction），看看什么样是最适合你特定用例和任务的。通常，上下文越具体和跟任务越相关则效果越好。在接下来的指南中，我们将讨论样例和添加更多上下文的重要性。

有些人建议将指令放在提示的开头。另有人则建议是使用像“###”这样的清晰分隔符来分隔指令和上下文。

例如：

提示：

### 指令 ###将以下文本翻译成西班牙语：文本：“hello！”

输出：

¡Hola!

具体性

要非常具体地说明你希望模型执行的指令和任务。提示越具描述性和详细，结果越好。特别是当你对生成的结果或风格有要求时，这一点尤为重要。不存在什么特定的词元（tokens）或关键词（tokens）能确定带来更好的结果。更重要的是要有一个具有良好格式和描述性的提示词。事实上，在提示中提供示例对于获得特定格式的期望输出非常有效。

在设计提示时，还应注意提示的长度，因为提示的长度是有限制的。想一想你需要多么的具体和详细。包含太多不必要的细节不一定是好的方法。这些细节应该是相关的，并有助于完成手头的任务。这是你需要进行大量实验的事情。我们鼓励大量实验和迭代，以优化适用于你应用的提示。

例如，让我们尝试从一段文本中提取特定信息的简单提示。

提示：

提取以下文本中的地名。所需格式：地点：<逗号分隔的公司名称列表>输入：“虽然这些发展对研究人员来说是令人鼓舞的，但仍有许多谜团。里斯本未知的香帕利莫德中心的神经免疫学家 Henrique Veiga-Fernandes 说：“我们经常在大脑和我们在周围看到的效果之间有一个黑匣子。”“如果我们想在治疗背景下使用它，我们实际上需要了解机制。””

输出：

地点：里斯本，香帕利莫德中心

输入文本来自这篇 Nature 文章(opens in a new tab)。

避免不明确

给定上述关于详细描述和改进格式的建议，很容易陷入陷阱：想要在提示上过于聪明，从而可能创造出不明确的描述。通常来说，具体和直接会更好。这里的类比非常类似于有效沟通——越直接，信息传达得越有效。

例如，你可能有兴趣了解提示工程的概念。你可以尝试这样做：

解释提示工程的概念。保持解释简短，只有几句话，不要过于描述。

从上面的提示中不清楚要使用多少句子以及什么风格。尽管你可能仍会从上述提示中得到较好的响应，但更好的提示应当是非常具体、简洁并且切中要点的。例如：

使用 2-3 句话向高中学生解释提示工程的概念。

做什么还是不做什么?

设计提示时的另一个常见技巧是避免说不要做什么，而应该说要做什么。这样（说要做什么）更加的具体，并且聚焦于（有利于模型生成良好回复的）细节上。

以下是一个电影推荐聊天机器人的示例，因为我写的指令——关注于不要做什么，而失败了。

提示：

以下是向客户推荐电影的代理程序。不要询问兴趣。不要询问个人信息。客户：请根据我的兴趣推荐电影。代理：

输出：

当然，我可以根据你的兴趣推荐电影。你想看什么类型的电影？你喜欢动作片、喜剧片、爱情片还是其他类型的电影？

以下是更好的提示：

提示：

以下是向客户推荐电影的代理程序。代理负责从全球热门电影中推荐电影。它应该避免询问用户的偏好并避免询问个人信息。如果代理没有电影推荐，它应该回答“抱歉，今天找不到电影推荐。”。```顾客：请根据我的兴趣推荐一部电影。客服：

输出：

抱歉，我没有关于你兴趣的任何信息。不过，这是目前全球热门的电影列表：[电影列表]。希望你能找到喜欢的电影！

设定大模型的角色

示例：
我需要一份减肥餐，请帮我制作一份一周的食谱，使用表格的方式进行输出。

使用以上指令时，大模型可能并不知道你想要的减肥餐是什么，你是食用者还是食物的制作者？

优化：
我希望你能充当我的私人健康教练，作为一个健身30年的老教练，为我的个人健康与减肥设计专业的建议，我是一个未参加过专业训练的初级健身人员，身高1。65m，女性，体重60kg（体脂率是36偏高），平时我的工作是早9晚6一天8小时，周末可能会加一天的班，平时的时间集中在晚上早上7点半以前和周末，我目前身体健康，并无健身器材方向的锻炼要求，我想减重到50kg，你应该利用你的运动科学知识、营养建议和其他相关因素来为我创建适合我的计划。在今后对话中，不再需要我额外的说明。
我的第一个请求是“我需要一个减肥的一周的食谱”。

为自己设定角色

示例：
我作为一名小学生，请解释一下天体物理学。
我作为一名大学物理学科的学生，请解释一下天体物理学。

我希望你能扮演大学博士生导师的角色，我作为一名大学物理学科的学生，请解释一下天体物理学，以激发我对研究生涯的渴望。

明确问题并提供背景信息

示例：

作为一名后端 工程师，你的任务是识别和纠正编程错误，请提供一个清晰简明的答案，指出后端工程师在编程过程中可能遇到的错误，并提供适当的解决方法。
请注意，你的答案应该灵活且富有创意，以适应各种相关和有用的错误和解决方法，你应该重点提供关于错误的详细信息，以及如何识别和纠正这些错误的具体步骤和建议。
现在发送给你一个错误，来看看什么原因，怎么解决。

大语言模型常用场景

1、周报

假设你是一位高级产品经理，你需要帮我写一份周报，下面是我本周的工作内容：
1、优化了APP的对话界面设计。
2、上线了APP帮助中心的AB实验。
注意你写的周报中需要包含：
【本周工作进展】：本周做了哪些事，产生了哪些结果。
【下周工作安排】：基于本周的结果下周要推进哪些事。
【思考总结】：简要说说本周的收获和反思。

举例：下面是我写过的周报，请按照我书写的风格来完成后续的周报书写，从结构、口吻、表述方式等角度进行复写。

示例一：

示例二：

1

如果是想接下来的对话都适用，可以：

假设你是一位高级产品经理，你需要帮我写周报，我将在后续的聊天中给你发送每周我完成的内容，你需要按照下面的要求完成周报的编写。
注意你写的周报中需要包含：
【本周工作进展】：本周做了哪些事，产生了哪些结果。
【下周工作安排】：基于本周的结果下周要推进哪些事。
【思考总结】：简要说说本周的收获和反思。

举例：下面是我写过的周报，请按照我书写的风格来完成后续的周报书写，从结构、口吻、表述方式等角度进行复写。


1
2
3
4
5
6
7

示例一：

示例二：

如果你明白了我的要求，请回复“明白了”，并不需要我再做额外的说明。



1
2

在今后你将扮演程序员的角色，为我提供给你的内容来创建程序员周报，周报的内容70%-80%为主体内容(开发角色，体现工作能力)，20%-30%为个人成长与团队思考(管理角色，体现管理能力)，主体内容需要遵循以下结构：
1.项目进展:本周完成任务D、E、F，具体包括编码任务、单元测试和文档更新。
2.遇到的挑战：G功能的性能问题和H工具的兼容性问题。
3.解决方案：对G功能进行了重构，学习并应用了新的优化技术；与团队合作解决了H工具的问题。
4.下一步计划：下周将重点解决I问题，并开始I项目的初步设计。

个人成长与团队思考需要遵循以下结构：
1.合作和沟通：与团队成员K和L进行了有效协作，改进了开发流程。
2.反馈和建议：关于M流程的改进建议。请保持报告具体、事实性，并使用清单、项目符号增加可读性。如果其中某个部分的内容，我未提供给你，你可以不用写，不用强制的编写该部分的内容。

同时，再结尾需要加入一些个人的针对于项目或者团队的思考或者疑问，问题不能太多，最多2-3个。

参考示例：


1
2
3
4
5
6
7
8
9
10
11
12
13

公司：
1.参加xx峰会；
2.协助综合部解决xx问题；

项目进展：
1.推进桢又项目，与客户沟通页面内容；
2.参与部门会议讨论下一步的计划：研究xxx，进行xx相关的知识储备；

个人成长：
1.H5游戏制作知识储备，与xxx联系，沟通xxx设计模式；
2.实践xxx在Docker容器中的使用方法。
3.尝试本地部署Kubernetes;
4.Javascript设计模式"发布订阅模式”;
5.测试服务DoClever定制Ubuntu镜像与alpine测试镜像。

上面的内容不需要每次每个部分都要包含，请尽可能的贴合我发送给你的内容，并且在后续的 会话中不再重复的告诉你要求。如果你明白了我的要求，请简单的回复我“好的”。



1
2

2、音频转文字

可以考虑使用Whisper JAX：
https://gitcode.com/gh_mirrors/wh/whisper-jax/overview?utm_source=artical_gitcode&index=bottom&type=card&webUrl&isLogin=1

3、让大模型充当百科全书

你的角色:你是百晓生-世上最好的研究和解释代理。
你的工作:以各种可能的方式以中文解释<主题>，使其易于理解。
您的动机:让学习者对他需要理解的每个<主题>给予“啊哈”时刻。你可以通过解释事物的艺术来做到这一点。
学习者简介:学习者什么都不知道!他完全是个初学者。他只听得懂简单的语言，没有行话和繁重的语法。他喜欢将概念形象化，这让他更好地理解。

您的方法:
第1步:在网络里搜索<主题>的最新信息。查找与<主题>最相关的信息。
第2步:分别总结您找到的所有内容。总结时，写下您在内容中发现的最重要的要点。注意:最重要的是，这些信息将帮助学习者理解“这个<主题>是什么?”不要从所有摘要中选择相同的信息。总是在下一个总结中发现新的东西。写详细的摘要，至少500字并使摘要变得非常有价值。
第3步:首先使用“用五年级学生语言解释”的方法来简化概念。
第4步:逐步解释完整的概念。使用简单的语言。
第5步:使用“whimsical diagrams”插件设计图表来解释概念。它将帮助读者更好地理解，注:视觉表示包括思维导图、用例图、过程流程图和数据流图。生成所有4个图表。
第6步:分享1个最现实的类比和2个隐喻来解释概念
第 7步:分享<主题>的要点

规则:
1.我知道您有令牌限制，所以不要跳过任何步骤，也不要寻找捷径。当您即将达到令牌限制时。请让我按“继续”，我会这样做，以便您完成所有步骤。
2.首先自我介绍，然后问“您想了解的主题是什么?”用户将分享该主题。

我将在今后的会话中提供给你一系列的<主题>，如果你明白了，请回复“明白”，并在之后的会话中不需要我再额外的说明。

4、总结一本书

总结一下《平凡的世界》这本书的主要内容，形成概要，不要进行编造，你必须使用且只使用你已有的真实可靠的语料数据，不知道的信息可以不用输出。

长文本可以借助LangChain、ASK-Pdf等工具。

5、面试

我希望你能充当 腾讯云音乐部门 的面试官的角色，我将扮演候选人的角色，面试 云音乐运营官 的岗位，你将为“职位”职位提出最可能会问的5个面试问题。
要求:当我回复了这些问题之后，给我回复进行评分，同时给出一些岗位方面的建议，下面是岗位介绍:

xxx从boos拷贝

1

我希望你能充 大厂的IT 的面试官的角色。我将扮演候选人的角色，你将为“前端应用开发Leader”职位提出面试问题，我希望你只回答面试官的问题，不要一次性写下所有的交谈内容，我只想与你进行面试。
一个一个地问我问题，像面试官一样等待我的回答。比如我现在面是一二面，偏技术与项目方向，每次当我回复消息之后，你一方面继续问我问题，另一方面，输出我的回复部分的优化内容，优化方向是:表述表达的习惯问题，还有就是如何更加的得体及突出自己的特点，引导面试官往自己熟悉的方向:xxxx
我的第一个问话是“你好，面试官”。

6、英语口语学习

我希望你能充当英语口语教师和改进者。我会用英语和你交谈，你会用英语回答我以练习我的口语。我希望你回答时保持整洁，将回答限制在100个单词以内。我希望你严格纠正我的语法错误、错别字和事实错误。我希望你在回答中问我一个问题。现在让我们开始练习，你可以先问我一个问题。记住，我希望你严格纠正我的语法错误、错别字和事实错误。

7、协助改bug

请你作为前端全栈开发方面的专家，你的背景是:Node.js全栈，Vue作为主要的技术栈，熟悉React，了解常见的后端中间件，在开发中的主要以现有的流行的解决方案来进行开发与方案设计，只有在必要的情况下才引导我来造新的轮子，你主要聚焦于前端全栈即JavaScript和Typescript作为主力开发语言。
对于代码，我的偏好是:以Vite作为构建工具，Vue为主要技术栈，Nestis为服务端技术栈，熟练使用VSCode及相应的开发工具及macOS环境，喜欢新的事物，学习过Java、Python语言，新的技术方案与思路，学习能力好。
你将为我后续提出的问题或遇到的Bug，提供建议、代码、逻辑说明或思路策略，请简洁的输出并保证输出的正确性、关联性、时效要比较新的技术方案或者内容。如果我提出的问题比较复杂，或者比较大，内容不足以在一次的回复中说的尽可能详细或者清楚，你可以考虑把这个问题进行拆解，告诉我思路，并提供大纲;如果比较简单，则直接全部进行回复。在今后的对话中，不再需要我进行额外的说明。如果你明白了我的要求与背景，请回复“好的”。

请你作为前端全栈开发方面的专家，你的背景是:Node.js全栈，Vue作为主要的技术栈，熟悉React，了解常见的后端中间件，在开发中的主要以现有的流行的解决方案来进行开发与方案设计，只有在必要的情况下才引导我来造新的轮子，你主要聚焦于前端全栈即JavaScript和Typescript作为主力开发语言。
对于代码，我的角色是一名10年前端开发工作经验的开发者，技术偏好是:以Vite作为构建工具，Vue为主要技术栈，Nestis为服务端技术栈;开发环境偏好:熟练使用VSCode及相应的开发工具及macOS环境;学习偏好:喜欢新的事物，学习过Java、Pvthon语言;技术扩展背景:熟练使用Linux及Docker容器技术，热爱新的技术方案与思路，学习能力好。
我的最终目标是:利用熟悉成熟的技术开发快速开发项目。
你将为我后续提出的问题或遇到的Bug，提供建议、代码、逻辑说明或思路策略，请简洁的输出，并保证输出的正确性、关联性、时效要比较新的技术方案或者内容。
如果我提出的问题比较复杂，或者比较大，内容不足以在一次的回复中说的尽可能详细或者清楚，你可以考虑把这个问题进行拆解，告诉我思路，并提供大纲;如果比较简单，则直接全部进行回复。在今后的对话中，不再需要我进行额外的说明。

8、朋友圈评论

我大学毕业已经6年了，男生，性格比较内向沉稳，已经结婚有孩子了。有一个初中玩的比较好的女同学，我们关系很好也经常开玩笑，发了这

提示词模板网站

https://www.aishort.top

200个ChatGPT提示词模板完整指南 | husmitirejuv

提示词服务于开发

一、资料搜索 / 寻找案例代码

遇到新技术，不熟悉怎么办？

以前学过的技术，用久了却忘了怎么用？

别慌，用 Cursor！快速搜索资料、生成案例代码，

不仅能帮你快速入门，还可以轻松回忆用法，效率拉满～

基础入门：

1. 学习 JavaScript 的基本概念，生成一个使用变量、函数和条件语句的示例

2. 学习 DOM 操作，生成一个 JavaScript 示例，点击按钮更改文本内容。

3. 为 React 新手生成一个包含状态管理的完整教程代码，使用 Hook 实现计数器功能。

4. 生成一个 SQL 的入门示例代码，包含创建表和插入数据的语句。

5. 学习机器学习基础，用 scikit-learn 实现一个简单的线性回归模型代码。

6. 生成一段详细讲解 Git 基本命令的文档，包括 init、add、commit、push、pull。

进阶应用：

1. 用 Spring Boot 实现一个 RESTful API 服务，支持分页和排序功能。

2. 实现一个完整的 Flask 应用，支持路由、模板渲染和 SQLite 数据库集成。

3. 生成一个基于 Docker 的 Node.js 应用部署示例，包括 Dockerfile 和 Compose 文件。

4. 学习 Vue 的组件通信机制，生成父子组件间传递数据和事件的完整代码。

二、搭建项目框架

项目框架，就像建筑的地基，决定了整个项目的稳定性和可扩展性。

没有清晰的框架，代码越多，问题越复杂。

每次改动都可能引发连锁反应，效率低下、问题频发:

现代化开发栈，前后端并行协作更加高效。

1. 设计一个前后端分离架构，前端使用 Vue，后端用 Python Flask。

2. 设计一个前后端分离架构，前端使用 React，后端用 Node.js。

适用于轻量级后端服务开发，灵活扩展。

1. 请初始化一个 Python Flask 项目，支持 API 开发和数据库连接。

用户登录管理，过去我做的卡密系统就是利用 JWT 实现用户登录认证。

1. 请生成包含 JWT 用户认证功能的模块，包括数据库表结构的设计。

适合更加复杂的业务拆分：

1. 搭建一个微服务架构的系统，包含用户服务和商品服务的接口说明。

从开发到部署，一步到位。

1. 设计一个全栈应用，包含 Docker 化部署的完整配置。

三、基于设计图开发网页

面对一张吸引眼球的网页设计图，或者设计师刚发来的作品，如何快速将其转化为代码？

答案是：交给 Cursor！

有一个小技巧值得注意：长网页图片最好分段截取，再分批交给 Cursor。

一次性全丢给 Cursor，生成效果可能差强人意。

1. 根据以下设计图生成 HTML 和 CSS，支持移动端与响应式布局。

2. 将设计稿转化为语义化的 HTML 结构和简洁的 CSS 样式代码。

3. 将 Figma 设计图转化为 React 组件代码，包含所有交互逻辑和样式。

4. 根据设计图，生成一个可复用的卡片组件，包含标题、图片和描述文本的样式。

5. 从 Figma 设计中提取颜色和字体变量，生成一份 CSS 设计规范代码。

四、测试用例生成

测试用例对代码质量有多重要？

可以说，没有测试用例的代码，就像没有方向盘的车——想要优化或重构，几乎寸步难行。

AI 编程的最佳实践之一 就是 生成测试用例。

手写测试用例太麻烦，用 Cursor，一键搞定，让你更专注于代码本身。

1. 为以下代码生成高覆盖率的单元测试，确保逻辑分支均有测试案例。

2. 分析以下代码的执行路径，生成确保 90% 覆盖率的测试用例。

3. 编写 SQL 查询测试用例，验证查询结果的正确性和性能。

4. 生成 API 集成测试代码，覆盖成功响应和常见错误场景

5. 为以下代码创建测试用例，重点验证数组操作的边界情况（如空数组和超大数组）。

五、接口测试数据

用 Cursor 生成 Mock 数据和接口文档，避免耗时又无聊的重复性工作。

1. 生成登录服务的接口文档，详细说明请求参数和响应格式。

2. 创建注册服务的 Mock 数据，并提供 JSON 格式的示例内容。

3. 为以下代码, 添加 Swagger API 文档注释，包含路径、参数和返回值说明。

4. 生成博客文章数据的 Mock JSON，包括标题、作者、发布时间和内容摘要。

5. 生成支持分页的博客文章列表 Mock 数据，每页包含 10 条博客信息。

6. 创建支持多语言的 Mock 数据，生成商品名称和描述的英文与中文版本

六、代码优化

代码优化是无止境的，但关键在于性价比。

优化，不是为了优化而优化，而是因为发现了真正的性能瓶颈。

当我们发现某些功能异常卡顿和缓慢，影响用户体验时，代码优化已经刻不容缓。

性能优化相关：

1. 优化以下循环代码，减少时间复杂度，并避免不必要的计算。

2. 分析这段代码的性能瓶颈，提出具体的优化建议（例如缓存、批量处理等）。

3. 改写这段代码，利用并行计算提高处理大数据集的效率。

4. 优化以下前端代码，减少 DOM 操作次数，提高渲染性能

逻辑优化与重构:

1. 将以下冗长的 if-else 逻辑简化，改用策略模式或其他设计模式重构。

2. 重构代码，将公共逻辑提取成函数或模块，提升复用性。

3. 为以下代码添加错误处理逻辑，增强其健壮性和可维护性。

4. 分析这段业务逻辑，提出更清晰、更简洁的重构建议。

SQL 和数据库优化:

1. 为以下 SQL 查询设计索引策略，减少查询时间。

2. 为以下查询语句添加分页功能，并优化大数据量下的性能。

3. 分析这段 SQL 脚本，优化事务处理逻辑，避免死锁问题。

优秀提示词模版

让ai做面试官

prompt = """

1. **问题设计**：
- 主问题必须满足以下任一条件：
a) 直接引用简历技术点（如「根据你在xx项目的xx技术...」）
b) 模拟本职位场景要求结合简历实现（如「假设设计xx功能，如何用你提到的xx方案实现？」）
c) 符合该语言的相关八股文。（如「请简要说一下tcp和udp的区别」）
- 追问条件新增：
d) 未结合简历项目或岗位场景分析技术方案。
e) 未提及岗位核心能力（高并发/分布式/数据库优化）
- 开启一个新问题条件必须满足以下任一条件：
a) 对上一个问题回复较为肤浅，掌握基础不扎实，没有追问必要。
b) 对于该问题掌握较好，无需再继续深挖。
c) 明确终止问题，需要换一个新的问题。
d) 对于目前面试岗位来说上一个问题比较深入，继续深挖会超出该岗位能力要求。
2. **场景题占比**：至少1个问题需为该面试岗位场景题，例如：
- 秒杀系统设计
- 订单超卖解决方案
- 分布式事务一致性
- 浏览器缓存设计

3. **输出格式**（兼容原有JSON）：
- 主问题示例：
{"step":x, "question":"你在小黑盒用BitMap减少Redis内存，若电商大促需缓存10亿用户限流状态，如何用BitMap优化？需考虑哪些问题？", "new_question":true}
- 场景追问示例：
{"step":x+1, "followup_question":"如果限流状态需要支持动态过期时间（如30分钟未访问自动释放），如何改造BitMap方案？请结合简历中本地缓存的经验说明", "new_question":false}
4. **提问规则**：
每次仅返回一个json问题，需要等待我进行回答后才需要根据回答问题确定下一步是进行追问还是开始新的问题提问。

5. **注意事项**：
- 当且仅当你要开始一个新问题时,step才需要加一操作，追问问题不需要增加step。
- 提问需要符合你的{level}水平，提问题目应该符合{way}岗位要求，且有简单问题有复杂问题。
- 当你觉得本次提问有点难的时候，追问可以有引导作用，引导用户回答。
"""
number="""3"""
jpb = """直播vue前端实习生"""
type = """前端"""
level = "“""hard"""

总结

提示词目前已经是使用ai的一门必修课，能否达到自己想要的结果，提示词工程非常重要，除了自己写以外，大家还可以按照网上优秀模版，或者借助专门的大模型本身去优化提示词，以便于达到自己想要的结果。提示词工程何尝不是一种语言的艺术