1.设定明确的目标与上下文
说明任务的具体目标(如获取信息、生成文本、分析数据等)；提供背景信息，以减少模型的猜测；针对不同的场景，给出期望的输出类型(如表格、列表、总结等)。
2.激活角色与思维模式
设定模型为某种特定的身份，如技术专家、教师或HR；指导模型使用某种特定的写作风格(如正式、非正式、技术性等)；让模型模拟某种特定的思维模式，如批判性思维、创造性思维等。
3.逐步拆解复杂任务
将复杂问题分解为多个独立的步骤；在每一步操作结束后，请求模型总结或验证中间结果；合并多个子任务的输出，形成完整的解决方案或总结。
4.引导深入推理与思考
让模型分步骤推导出答案，要求“思维链”推理；要求模型在作答前进行简要的自我反思或验证；要求模型解释每一步的思路，而不仅仅是给出最终答案。
5.提供参考材料与外部资源
向模型提供外部参考文献或文本，并要求根据这些材料生成答案；要求模型在作答时引用或链接到具体的来源；集成外部工具(如代码执行)来完成复杂的计算或查找任务。
6.动态反馈与迭代优化
在收到回答后，指出模型的误差或不足，并要求修正；让模型根据前一轮的输出进行自我改进；请求模型总结多轮对话中的关键点，确保连贯性和准确性。
数智时代，与我共启，与未来同行！觉得内容对你的认知提升有帮助，就点赞关注吧！