一、向大模型提出自己详细的需求

　　与大模型互动的第一条也是最基本的一条规则就是提供清晰详细的说明。请记住，这些模型不是读心者!为了提高输出结果的准确性，请明确说明您需要的回复类型，无论是简短回复、专家级写作还是特定格式。清晰的提问会带来更精确的结果。

　　1、策略

　　①使用特定信息详细说明您的查询。

　　②说明期望回答的长度。

　　③提供您喜欢的示例或格式。

　　2、示例

　　示例：教师教学方法创新对学生成绩影响的短文

　　模糊指令：写一篇关于教师采用新教学方法对学生学习成绩影响的短文。

　　清晰指令：请就21世纪教师采用创新教学方法对学生成绩的影响写一篇分析文章。首先介绍当前常见的创新教学方法及其在教育领域的意义，然后分析这些方法对学生学习成绩的积极影响以及可能面临的挑战。最后讨论创新教学方法在未来教育发展中的前景。至少使用三个不同国家的教育案例来支持您的分析。本文将用于教育学本科课程的教学参考资料。

　　二、参考文本：可靠的大模型答案支柱

　　大模型有时会编造答案，特别是关于深奥的主题。为了应对这种情况，提供参考文本可以引导模型根据事实信息提供答案，从而降低编造答案的可能性。

　　1、策略

　　①指导范例利用所提供的参考文献进行回答。

　　②要求模型引用参考文献，以提高可信度。

　　2、示例

　　示例：人工智能对社会的影响

　　无参考文本：人工智能如何影响各行各业?

　　有参考文本：根据麦肯锡公司《2024年人工智能创新和影响报告》的结论，确定并阐述报告中概述的人工智能改变行业的三大方式。确保包含报告中的具体例子和直接引文，以证实所确定的每种趋势。

　　三、使用大模型时分解复杂任务

　　处理复杂的查询可能令人生畏。将其简化为更小、更易于管理的子任务，可以大大降低错误率并提高响应质量。将其视为解决问题的模块化方法。

　　1、策略

　　①对复杂任务使用分步说明。

　　②对冗长的对话或文件进行分段总结和筛选，以便更好地理解。

　　2、示例

　　示例：个人旅行行程分析

　　复杂任务：评估即将到来的两周假期计划的可行性和享受潜力。

　　简化任务：

　　①列出两周行程中的所有目的地，并注明计划在每个地点停留的时间;

　　②考虑文化意义、娱乐价值和费用等因素，研究并总结每个目的地的前三名景点或活动;

　　③评估每个地点之间的旅行时间和物流，包括交通选择和任何必要的住宿;

　　④考虑您的个人旅行偏好和任何旅行同伴的兴趣，思考在您的行程中如何平衡休闲和探险;

　　⑤最后，考虑季节性天气条件、预算限制和当前的旅行建议等因素，对行程的实用性进行总体评估。

　　四、发掘大模型的推理能力

　　就像人类一样，这些模型也可以从片刻的"思考"中受益。在给出答案之前，鼓励模型对问题进行推理，可以使回答更准确、更周到。

　　1、策略

　　①在给出最终答案之前，要求提供一连串的思考或推理过程。

　　②进行一连串的询问，让模型建立在之前回答的基础上。

　　2、示例

　　示例：提高团队工作效率

　　无推理能力：怎样提高团队的工作效率?

　　有推理能力：首先，通过调查和数据分析，确定当前影响团队工作效率的主要瓶颈。接着，根据分析结果，制定一个包含具体行动项的改进计划。计划应包括：优化工作流程、引入高效的工具和技术、加强团队培训和发展、以及改善工作环境。对于每项改进措施，详细说明预期的效果及实施的方法并设置可量化的目标以便追踪进展和成效。

　　五、发掘大模型借助工具：

　　利用辅助输入增强大模型的推理能力

　　通过整合外部工具和功能，可以提高模型的效率。这包括使用基于嵌入式搜索的高效知识检索，以及执行代码以实现精确计算。

　　1、策略

　　①使用代码执行来完成精确的数学任务或调用外部应用程序接口。

　　②实施基于嵌入式搜索的动态信息检索。

　　2、示例

　　示例：学生反馈分析

　　无需外部工具：总结近期学生反馈的要点。

　　使用外部工具：利用过去一个月收集的学生反馈数据，使用Python库(如NLTK或spaCy)的自然语言处理(NLP)技术进行情感分析。将反馈分为正面、中性和负面情绪，并确定每个类别中最常提及的主题。在一份综合报告中展示研究结果，包括可视化效果，如每个情感类别的词云和主题频率的柱状图。

　　这些小技巧有助于充分利用大型语言模型的能力，提高与人工智能的交互效率和质量，无论是在日常生活中还是在专业领域内，快来试试吧!