最强AI提示词：CO-STAR框架｜ Sheila Teo-鼓腹星球

本文卡片

作者：

字数：

阅读时长：

CO-STAR框架把高质量提示词拆成背景、目标、风格、语气、受众和回应六个要素，帮助大语言模型更准确地理解任务并产出更贴合需求的结果。内容先通过为吹风机写 Facebook 文案的对比例子，说明补全受众、语气和文风后，输出会明显更具体、更有效；随后介绍分隔符和 XML 标签，说明它们能让复杂提示的结构更清晰，减少模型误读；再进一步讲系统提示、分步任务和中间变量引用，展示如何把复杂分析任务拆开，让模型按步骤生成聚类、命名、营销策略和报告格式；最后补充把任务说明与数据集分离的做法，解释其有助于节省上下文并降低遗漏。读者可以据此掌握一套更系统的提示工程方法，提高与大语言模型协作的精度。

正文

上个月，我有幸在新加坡政府科技局（GovTech）举办的首届GPT-4提示工程大赛中摘得桂冠。这场比赛吸引了400多位才华横溢的参赛者，竞争异常激烈。

提示工程是一门融合艺术与科学的新兴学科，它不仅需要扎实的技术功底，还要求具备创新思维和战略眼光。

在本文中，我将与大家分享我在比赛过程中积累的提示工程策略。这些策略能够帮助你充分发挥大语言模型的潜力，让它们精准地完成你的需求，甚至超越你的期待！

本文将围绕以下几个方面展开讨论，其中🟢代表适合新手的入门技巧，而🟠则表示进阶策略：

1. 🟢CO-STAR框架：构建高效的提示词

2. 🟢分隔符技巧：让你的提示结构更清晰

3. 🟠系统提示进阶：如何为LLM设置安全防护

好内容，值得继续读下去

THE END

文章汇总工作系统

最强AI提示词：CO-STAR框架 ｜ Sheila Teo

作者：

字数：

阅读时长：

正文

请登录后发表评论

最强AI提示词：CO-STAR框架｜ Sheila Teo