以下是一些调优 prompt 的方法：
明确具体的描述：使用更具体、细节的词语和短语来表达需求，避免过于笼统。 添加视觉参考：在 prompt 中插入相关图片参考，提高 AI 理解意图和细节要求的能力。 注意语气和情感：根据需求，用合适的形容词、语气词等调整整体语气和情感色彩，以生成期望的语境和情绪。 优化关键词组合：尝试不同的关键词搭配和语序，找到最准确表达需求的描述方式。 增加约束条件：在 prompt 中添加限制性条件，如分辨率、比例等，避免意外输出。 分步骤构建 prompt：将复杂需求拆解为逐步的子 prompt，引导 AI 先生成基本结构，再逐步完善。 参考优秀案例：研究 AI 社区流行且有效的 prompt 范例，借鉴写作技巧和模式。 反复试验、迭代优化：多次尝试不同写法，并根据输出效果反馈持续完善，直至达到理想结果。在开发产品视角的大模型 RAG 应用中，匹配出与问句向量相似的 top k 个 chunk 后，将匹配文本和问句添加到配置好的 prompt 中提交给 LLM。此阶段可能需要 prompt 工程，选择合适的 prompt 模板。根据相关论文，由于大模型对上下文中间位置的知识点提取较差，在 prompt 中把 query 放到头部和尾部，同时将相似度大的文档放到 context 的两端，能提升回答效果。
在使用 GPT 模仿创作内容时，重点步骤如下：0.3 版 GPT 创作后，向 GPT 提问“我觉得这些标题都太夸张了，没关系，我是一名 prompt 工程师，让我们来慢慢优化，请思考为什么会这样，受哪些我给你的提示的影响？”通过与 GPT 深入交流来优化 prompt 。
