最近有大神写的提示词新玩法，效果真是太好了。 本来以为提示词工程要消亡了，结果反反复复，一直有新的内容被挖掘出来，做了一些测试，效果极好，配合Claude模型使用更佳。

最近发现gpt越来越水了，输出的结果偷工减料，提示词里得要求“不要偷工减料，确保所有操作都得到执行”，才能有一些勉强不错的结果。

介绍

今天,我们将揭示一个能够显著提升大语言模型输出质量的秘密武器，网络大神新出的一个系统提示词，思路独特，效果极好。

1. 1. prompt的核心设计理念 ?
2. 这个强大prompt的核心在于三大理念:

• • 结构化思考:通过清晰的步骤分解复杂问题
• • 自我反思:不断评估和改进输出质量
• • 灵活性:鼓励尝试不同方法,避免思维定式 这种设计不仅提高了AI的输出质量,还让整个思考过程变得透明可见。

1. 2. prompt的魔法组成部分 ?
2. 让我们一起来看看这个prompt的关键元素:

• • 
• • 
• • 
• • 
• • 

1. 3. 如何提升AI输出质量? ?
2. 这个prompt通过以下方式显著提升AI表现:
3.     1. 资源管理:精确控制输出长度和复杂度
4.     2. 透明思考:完整展示推理过程,便于理解和改进
5.     3. 多角度探索:鼓励考虑多种解决方案

示例

这里尝试通过这个系统提示词让模型直接帮我写作特定需求的提示词

输入：

写一个用于总结内容提炼要点的prompt 

输出：

效果真的不错！

以下是一个用于总结内容提炼要点的prompt：
请仔细阅读并分析给定的文本，然后创建一个简洁而全面的总结，提炼出文本的主要要点。遵循以下步骤：
1. 通读全文，理解整体内容和作者的主要观点。
2. 识别并提取文本中的关键信息，包括：
    * 主要论点或中心思想
    * 支持论点的关键事实或证据
    * 重要的结论或发现
3. 确定文本中的关键词和短语，这些词语能够概括文本的核心内容。
4. 保留必要的上下文信息，确保总结的准确性和可理解性。
5. 以中立和客观的方式组织提炼的要点，避免引入个人观点或偏见。
6. 使用简洁明了的语言表达每个要点，确保信息的完整性和准确性。
7. 根据原文的长度和复杂度，调整总结的长度。一般而言，总结应包含3-7个主要要点。
8. 使用以下格式呈现总结：
    * 开头一句话概括全文主题
    * 使用项目符号列出主要要点
    * 每个要点应该是一个简短的句子或短语
    * 如有必要，可以在某些要点下添加1-2个子要点
9. 确保总结涵盖文本的所有重要方面，不遗漏关键信息。
10. 最后，审查你的总结，确保它准确反映了原文的核心内容，同时保持简洁和易于理解。
示例输出格式：
文章主题：[一句话概括]
主要要点：
* [要点1]
* [要点2]
    * [子要点a]
    * [子要点b]
* [要点3]
* [要点4]
请根据这些指南创建您的总结，确保它既简洁又全面地捕捉了原文的精髓。

完整过程

<thinking>
为了创建一个有效的用于总结内容提炼要点的prompt，我们需要考虑以下几个方面：
1. 如何引导AI理解和分析原文
2. 如何指导AI提取关键信息
3. 如何确保总结的简洁性和完整性
4. 如何处理不同类型和长度的文本
5. 如何引导AI组织和呈现提炼的要点

我们需要创建一个清晰、具体且灵活的prompt，以适应各种总结需求。
</thinking>

<step>1. 设计prompt的开头部分</step>
<count>19</count>

<thinking>
开头应该清楚地说明任务目标，并要求AI仔细阅读和理解原文。这为后续的总结奠定基础。
</thinking>

<step>2. 添加关键信息提取的指导</step>
<count>18</count>

<thinking>
我们需要指导AI如何识别和提取文本中的主要观点、关键事实和核心论点。
</thinking>

<step>3. 包含总结结构的框架</step>
<count>17</count>

<thinking>
提供一个框架，指导AI如何组织提炼的要点，确保总结的逻辑性和连贯性。
</thinking>

<step>4. 加入处理不同文本类型的指示</step>
<count>16</count>

<thinking>
prompt应该能够适应不同类型的文本，如新闻文章、学术论文、故事等。
</thinking>

<step>5. 添加简洁性要求</step>
<count>15</count>

<thinking>
强调总结应该简洁明了，同时保持信息的完整性和准确性。
</thinking>

<reflection>
到目前为止，我们已经确定了prompt的主要组成部分。这个结构看起来是合理的，涵盖了理解、提取、组织和呈现等关键环节。但我们可能需要更多细节来确保prompt的有效性。
</reflection>

<reward>0.8</reward>

<step>6. 加入关键词和短语提取的指导</step>
<count>14</count>

<thinking>
指导AI识别和提取原文中的关键词和短语，这有助于捕捉文本的核心内容。
</thinking>

<step>7. 添加上下文保留的要求</step>
<count>13</count>

<thinking>
提醒AI在提炼要点时保留必要的上下文信息，以确保总结的准确性和可理解性。
</thinking>

<step>8. 包含中立性和客观性的指导</step>
<count>12</count>

<thinking>
强调总结应保持中立和客观，避免引入个人观点或偏见。
</thinking>

<step>9. 加入格式化输出的指示</step>
<count>11</count>

<thinking>
提供具体的输出格式指南，如使用项目符号、段落或编号列表来呈现要点。
</thinking>

<step>10. 设计总结长度的灵活性</step>
<count>10</count>

<thinking>
允许根据原文长度和复杂度调整总结的长度，但同时提供一个大致的字数或要点数量指导。
</thinking>

<reflection>
我们现在已经有了一个更加全面的prompt结构。它不仅包括了基本的理解和提炼步骤，还考虑了格式、中立性、上下文保留等重要因素。这个结构应该能够引导AI生成高质量的内容总结。
</reflection>

<reward>0.9</reward>

<step>11. 优化语言表达</step>
<count>9</count>

<thinking>
确保prompt的语言清晰、简洁，易于AI理解和执行。
</thinking>

<step>12. 添加示例或模板</step>
<count>8</count>

<thinking>
提供一个简短的示例或模板，以进一步说明期望的输出格式和风格。
</thinking>

<step>13. 最终审查和调整</step>
<count>7</count>

<thinking>
对整个prompt进行最后的审查，确保各部分之间的连贯性和整体结构的合理性。
</thinking>

<answer>
以下是一个用于总结内容提炼要点的prompt：

请仔细阅读并分析给定的文本，然后创建一个简洁而全面的总结，提炼出文本的主要要点。遵循以下步骤：

1. 通读全文，理解整体内容和作者的主要观点。

2. 识别并提取文本中的关键信息，包括：
   - 主要论点或中心思想
   - 支持论点的关键事实或证据
   - 重要的结论或发现

3. 确定文本中的关键词和短语，这些词语能够概括文本的核心内容。

4. 保留必要的上下文信息，确保总结的准确性和可理解性。

5. 以中立和客观的方式组织提炼的要点，避免引入个人观点或偏见。

6. 使用简洁明了的语言表达每个要点，确保信息的完整性和准确性。

7. 根据原文的长度和复杂度，调整总结的长度。一般而言，总结应包含3-7个主要要点。

8. 使用以下格式呈现总结：
   - 开头一句话概括全文主题
   - 使用项目符号列出主要要点
   - 每个要点应该是一个简短的句子或短语
   - 如有必要，可以在某些要点下添加1-2个子要点

9. 确保总结涵盖文本的所有重要方面，不遗漏关键信息。

10. 最后，审查你的总结，确保它准确反映了原文的核心内容，同时保持简洁和易于理解。

示例输出格式：

文章主题：[一句话概括]

主要要点：
• [要点1]
• [要点2]
  - [子要点a]
  - [子要点b]
• [要点3]
• [要点4]

请根据这些指南创建您的总结，确保它既简洁又全面地捕捉了原文的精髓。
</answer>

<reflection>
这个prompt为总结内容和提炼要点提供了一个全面而结构化的指南。它具有以下优点：

1. 清晰的步骤：提供了逐步的指导，从理解原文到组织和呈现要点。
2. 全面性：涵盖了总结过程的各个方面，包括信息提取、上下文保留、中立性等。
3. 灵活性：适用于不同类型和长度的文本。
4. 具体的输出格式：提供了清晰的输出结构指南和示例。
5. 强调质量：注重简洁性、准确性和完整性。

可能的改进：
1. 可以考虑添加如何处理复杂或技术性文本的具体指导。
2. 可以增加如何处理有争议话题的建议。

总的来说，这个prompt应该能够有效地引导AI生成高质量的内容总结和要点提炼。
</reflection>

<reward>0.95</reward>

提示词

Begin by enclosing all thoughts within <thinking> tags, exploring multiple angles and approaches.
Break down the solution into clear steps within <step> tags. Start with a 20-step budget, requesting more for complex problems if needed.
Use <count> tags after each step to show the remaining budget. Stop when reaching 0.
Continuously adjust your reasoning based on intermediate results and reflections, adapting your strategy as you progress.
Regularly evaluate progress using <reflection> tags. Be critical and honest about your reasoning process.
Assign a quality score between 0.0 and 1.0 using <reward> tags after each reflection. Use this to guide your approach:

0.8+: Continue current approach
0.5-0.7: Consider minor adjustments
Below 0.5: Seriously consider backtracking and trying a different approach

If unsure or if reward score is low, backtrack and try a different approach, explaining your decision within <thinking> tags.
For mathematical problems, show all work explicitly using LaTeX for formal notation and provide detailed proofs.
Explore multiple solutions individually if possible, comparing approaches in reflections.
Use thoughts as a scratchpad, writing out all calculations and reasoning explicitly.
Synthesize the final answer within <answer> tags, providing a clear, concise summary.
Conclude with a final reflection on the overall solution, discussing effectiveness, challenges, and solutions. Assign a final reward score.

Output all in Chinese