从基础到进阶

如果你已经掌握了基本的提示技巧，本文会介绍几种能显著提升AI输出质量的进阶方法。这些技巧来源于学术界的前沿研究和工业界的实战经验。

什么时候需要进阶技巧？

• 简单提示得不到满意结果时
• 需要AI执行复杂的多步骤推理
• 对输出格式和风格有严格的一致性要求
• 需要AI遵循特定的方法论或分析框架

思维链提示（Chain-of-Thought）

什么是思维链？

思维链（CoT）是让AI分步骤展示推理过程的技术。研究证明，仅添加一句"Let's think step by step"就能显著提升复杂推理任务的准确率。

基础CoT

问题：一个商店周一卖出12件商品，周二卖出18件，周三卖出的是周一和周二的2/3。
      周四卖出的是周一到周三总和的1.5倍。问这四天总共卖出多少件？

请一步步思考，展示你的计算过程。

AI会这样回答：

步骤1：周一=12件，周二=18件
步骤2：周三=(12+18)×2/3=30×2/3=20件
步骤3：周一到周三总和=12+18+20=50件
步骤4：周四=50×1.5=75件
步骤5：四天总计=50+75=125件

如果不使用思维链，AI可能会直接猜一个答案——而且很可能是错的。

零样本CoT vs 少样本CoT

零样本CoT：仅添加触发语，不给示例

请一步步推理后给出答案。

少样本CoT：给1-2个带推理过程的示例

研究表明，少样本CoT的效果通常优于零样本CoT，尤其是在专业领域。

CoT提示模板

请对以下问题进行分析。按以下结构组织你的思考：

## 第一步：理解问题
- 核心问题是什么？
- 有哪些已知条件？
- 有哪些隐含假设？

## 第二步：分解问题
- 这个问题可以分解为哪些子问题？
- 各子问题之间的关系是什么？

## 第三步：逐一分析
- 每个子问题的分析
- 相关数据和逻辑支撑

## 第四步：综合结论
- 综合各子问题分析
- 给出最终答案
- 评估答案的置信度（高/中/低）

少样本学习（Few-shot Prompting）

Few-shot的核心思想

通过提供2-5个高质量示例，让AI"学会"你期望的模式，然后应用到新输入上。这是零成本"微调"模型行为的最有效方法。

格式一致性示例

请将以下中文文本翻译成英文，保持专业商务风格：

中文：我们的AI平台支持私有化部署，保证数据安全。
英文：Our AI platform supports private deployment, ensuring data security.

中文：系统支持22+种数据源，零SQL门槛即可完成数据分析。
英文：The system supports 22+ data sources, enabling data analysis with zero SQL requirements.

中文：怡途Claw提供统一的Agent用量计费与实例监控体系。
英文：

AI会严格遵循前两个示例的格式和风格来翻译第三句。

Few-shot的黄金法则

结构化提示（Structured Prompting）

思考链 + JSON输出

对于需要程序化处理的任务，可以要求AI输出结构化的JSON：

分析以下客户反馈，输出JSON格式的分析结果。

客户反馈：{feedback}

请先进行思考分析，然后输出如下JSON：
{
  "sentiment": "positive/negative/neutral",
  "category": "产品功能/服务体验/价格/物流/其他",
  "urgency": "高/中/低",
  "key_issues": ["问题1", "问题2"],
  "recommended_action": "建议处理方案",
  "confidence": 0-100
}

只有在JSON输出之前，你可以展示简要的分析推理过程。

自洽性（Self-Consistency）

对同一个问题多次提问（或使用不同的提示角度），然后投票选出最一致的答案。这在需要高准确率的场景非常有效。

请从以下三个角度分析这个问题并给出答案：
1. 从财务角度分析
2. 从运营角度分析
3. 从客户体验角度分析

综合三个角度的分析，给出最终建议。

实战模板集合

模板1：专业分析报告

你是一位[领域]的资深专家。请就[主题]撰写一份分析报告。

报告结构：
1. 执行摘要（100字以内）
2. 现状分析（当前状态、关键数据、主要参与者）
3. 趋势判断（3个主要趋势，每个100-150字）
4. 机遇与风险（各列3点）
5. 行动建议（按优先级排列，每条附理由）
6. 关键指标（建议关注的3-5个KPI）

字数：2000-2500字
风格：客观专业，数据驱动，可操作性强

模板2：代码审查

请审查以下{编程语言}代码，从以下几个维度给出反馈：

1. **正确性**：代码逻辑是否正确？有无bug？
2. **性能**：有无性能瓶颈？如何优化？
3. **安全性**：是否存在安全漏洞（SQL注入、XSS等）？
4. **可维护性**：代码是否清晰易懂？变量命名是否合理？
5. **最佳实践**：是否遵循{语言}的最佳实践？

对每个维度给出：评级（优秀/良好/需改进/存在问题）和具体建议。

{代码内容}

### 模板3：产品需求分析

你是产品经理。请对以下需求进行系统分析：

需求描述

{需求描述}

分析框架

1. 用户分析

• 目标用户是谁？
• 用户在什么场景下使用？
• 核心痛点是什么？

2. 需求评估

• 这是一个"必须做"还是"加分项"？
• 实现成本和预期收益
• 和其他需求的优先级比较

3. 方案建议

• 最小可行方案（MVP）
• 理想方案（V2.0）
• 边界情况和风险

4. 成功指标

• 如何衡量这个功能的成功？
• 建议关注的数据指标

## 关键总结

| 技巧 | 适用场景 | 核心方法 |
|------|---------|---------|
| 思维链 | 复杂推理、数学、分析 | 要求AI展示推理步骤 |
| Few-shot | 格式一致性要求高 | 提供2-5个范例 |
| 结构化输出 | 程序化处理 | 指定JSON/XML格式 |
| 角色扮演 | 专业领域内容 | 设定专家角色+背景 |
| 自洽性 | 高准确率要求 | 多角度提问取交集 |

> 最好的Prompt技术是组合使用：角色扮演 + 思维链 + 结构化输出 + Few-shot示例，四者结合往往能产生最佳效果。