正文
如果你想要模型提供一个天气预报，你可以直接说“明天杭州的天气如何？”而不需要说“请告诉我，如果你不介意，明天杭州的天气如何？谢谢。”
使用肯定词，比如“做”，避免使用否定词，比如“不要”。
在与大型语言模型交流时，明确告诉模型你希望它做什么，而不是告诉它不要做什么。简单、直接的肯定指令可以帮助模型更准确地理解和执行你的需求，减少误解的可能性。
如果你说“列出健康饮食的建议”，模型会直接提供相关的建议。
如果你说“不要给我垃圾食品的建议”，模型需要先理解什么是“垃圾食品”，然后避免提及它们，这使得任务变得更加复杂。
以关键词、规则、提示或指示的形式，清晰地说明必须遵循的要求。
告诉模型写东西时需要遵守哪些规则和提示，列一个简单的清单。
明确指示对于指导模型生成高质量和目标导向的输出至关重要
例子：如果指令是“写一篇关于可持续发展的博客文章”，那么添加具体要求如“使用关键词：循环经济、绿色能源、碳足迹”会帮助模型专注相关主题，避免偏离话题。
4
、用命令式语气。
尝试使用以下短语：“你的任务是”和“你必须”。当你给模型设置任务时，应该清晰地表达任务的目标。使用
“你的任务是”来明确指出需要完成的工作。如果有某些步骤或规则是绝对必须遵循的，用“你必须”来强调这一点，让任务的指令更加直截了当。
例子：你的任务是根据以下信息，计算明天的天气可能性。你必须使用最新的气象数据，并考虑到不同地区的气候差异。
5、给大语言模型分配一个角色。
指定一个角色给大语言模型，比如让模型作为一个老师、顾问或者故事讲述者。
当模型有了一个明确的角色身份，就能根据被赋予的角色来调整它的回答，使输出内容更加符合预期的风格和信息层次。
例子：
如果我们想让模型像老师一样解释复杂的科学概念，我们可以说：“作为一个科学老师，解释什么是光合作用。”
当我们需要建议时，我们可以指定模型为顾问角色：“作为一个健康顾问，你推荐什么样的饮食习惯？”
如果我们想要一个故事，我们可以指定它为故事讲述者：“作为一个故事讲述者，讲一个关于远古森林的冒险故事。”
6、在指令中设定目标听众。
在你提出问题或指令时，应该明确指出它的回答是针对什么样的听众，比如专家、初学者或是小孩子。通过明确谁是预期听众，你可以帮助模型调整它的语言和解释深度，让它的回答更适合实际听众的需求和理解水平
例子，
如果你正在与模型讨论一个高级的科学问题，你告诉模型，听众是该领域的专家，模型就会使用专业术语和复杂概念来构建回答，因为预期的听众能够理解这些内容。相反，如果你指出听众是非专业人士或初学者，模型则会避免使用过于专业的语言，而是用更通俗易懂的方式来解释同样的概念。
7、使用“以自然、人性化的方式回答问题”这个指令。
这样的指令可以帮助模型避免使用过于复杂或难以理解的专业术语，而是用更加通俗易懂的方式来回答问题，让交流更加人性化和易于理解。
例子：
“以自然、人性化的语言回答我，为什么天空是蓝色的？
“向我解释量子物理，在跟一个没有科学背景的朋友聊天一样。”
”我是个初学者，用最简单朴实的语言告诉我什么是机器学习。”
-
