系统角色：你是一名。
例子：

5) 工具和函数调用
- 如果可用，请显式定义函数/工具。 提供参数、约束和预期输出。
- 典型用例：网络搜索、计算、数据库查找、提取或触发外部系统。
函数规范 prompt 片段：

6) 检索增强生成 (RAG)
- 提供相关上下文：文档、代码片段、表格或搜索结果。
- 添加严格的基础规则：“仅使用提供的上下文回答；如果不足，请询问更多信息或说不知道。”
RAG 护栏：

7) 评估、评论和修复
- 添加验证环节：“根据标准 A/B/C 进行验证；列出问题；修复它们。”
- 在单个 prompt 中使用双代理模式（作者 + 审阅者），或链接 prompt：草稿 → 审核 → 修复 → 最终版本。
审阅者 prompt：

## 高影响力 Prompt 模式（带模板）
以下是可以复制和调整的高级模式。
1) 行动前澄清问题
- 减少返工并确保一致性。

2) 指令 → 上下文 → 输出合同
- 良好的通用结构。

系统：战略分析师；优先考虑清晰度而不是广度。
任务：总结以下战略态势： 。Sider.AI
- 关于思维链和自我一致性的研究表明，鼓励内部推理（不暴露它）可以提高复杂任务的准确性。
---
主要收获：
- 将 prompt 视为规范：定义角色、约束、成功标准和结构。
- 使用分阶段工作流程、RAG 基础和审阅者循环来提高可靠性。
- 鼓励仔细的内部推理，同时返回简洁的理由。
- 使用模式锁定格式以扩展自动化。
- 构建 prompt 库并定期评估。
### 常见问题解答
Q1：什么是 ChatGPT 的高级 prompt 工程？
高级 prompt 工程将 prompt 转换为具有角色、约束、上下文和输出模式的结构化规范。 它旨在在复杂的任务中获得一致、准确和可重用的结果。
Q2：如何使 ChatGPT 更加准确？
提供上下文 (RAG)、设置严格的成功标准，并要求使用审阅者环节的结构化输出。 鼓励内部推理并添加数字和来源的自我检查，以减少幻觉。
Q3：我应该将思维链 prompt 与 ChatGPT 一起使用吗？
鼓励推理，但避免在生产中暴露详细的思维链。 要求提供简洁的理由，并考虑已被证明可以提高推理性能的自我一致性技术。
Q4：如何构建用于自动化的输出？
实施 JSON 模式或明确定义的标题和字段。 模式可以稳定格式，简化 QA，并使结果易于导入到下游工具中。
Q5：哪些工具可以帮助浏览器中的 prompt 工作流程？
AI 侧边栏和研究代理可以捕获上下文、总结页面和重用 prompt。
任务：总结以下战略态势： 。Sider.AI
提供了一个扩展程序和指南，可以简化 prompt 工程和深度研究工作流程。