大语言模型（LLM）提示词设计不只是“提问”，而是一门系统工程，是与模型高效交互的关键技能。掌握以下7大类提示技巧，才能真正释放AI潜能：

1. 核心提示
- Zero-shot：无示例，直接给任务。
- One-shot：给一个示例。
- Few-shot：给多个示例，教模型识别模式。

2. 推理增强
- Chain-of-Thought（思路链）：引导模型一步步推理。
- Self-Consistency（自洽采样）：多条推理路径，选最佳答案。
- Tree-of-Thought（思维树）：多条推理路径并行探索（进阶）。
- ReAct：结合推理和行动（如调用API）。

3. 指令与角色设定
- 明确指令：“帮我总结这段内容”。
- 角色扮演：“你是法律助理”。
- 混合型：指令+示例，兼顾清晰和示范。

4. 提示组合技巧
- 链式提示：用一个提示的输出作为下一个输入。
- 动态提示：实时注入变量和上下文。
- 元提示：让模型自我优化或验证回答。

5. 多模态提示
- 图文结合，给出视觉+文本信息。
- 音视频+文本（依赖模型能力，如GPT-4o、Gemini 1.5）。

6. 行业专用提示
- 编程提示：针对特定语言或工具。
- 医疗、法律提示：高精度、格式严格。

7. 提示评估与调试（辅助工具）
- 去除测试：删减元素看影响。
- 注入测试：验证提示在实际应用中的鲁棒性。

需要明确的是，检索增强生成（RAG）和代理工具系统（如LangGraph、AutoGPT）不是提示技巧，它们是架构或框架，提示只是其中一环。

提示设计已不仅是“技巧”，而是整体系统设计。理解输入输出工程，掌握推理链条和领域约束，才能让AI输出更可靠、更智能。真正的秘诀不在“神奇语句”，而在于结构化、系统化地设计提示。

原文：x.com/techNmak/status/1995726428177137924