您应该以清楚明了的方式，提出您希望模型完成的任务。
这有助于引导模型得出正确的答案，同时也降低了收到不相关或错误回应的风险。
明确的任务设定并不总是意味着简洁。事实上，在许多情况下，更详细的描述可以提供更清晰的上下文，从而得到更全面、更贴切的反馈。
策略一：使用分隔符来清晰区分输入内容的各个部分，常见的分隔符包括："""，<>，<ag>等。
您可以运用任何醒目的标点符号，将文本的特定部分与其余内容区别开来。
这可以是任何可以让模型明确知道这部分内容独立存在的标志。采用分隔符能有效地避免提示注入。
提示注入是指用户在提示内添加了一些输入，这些输入可能会提供与您预期执行的任务相冲突的指令，使模型按照这些冲突的指令进行执行，而不是根据您原本的意图。
也就是说，输入中可能含有其它的指令，这些指令可能会覆盖您的指令。所以，使用分隔符是一个很好的解决方案。
下面是一个例子，我们用一段文字作为示例，然后要求创作助手进行概括，这个示例中我们使用"""作为分隔符：
请将以下用三个引号括起来的文本概括成一句话。
"""你应该提供清晰、明确的指示，以表达你期望模型完成的任务。这样可以引导模型生成你所需的输出，同时降低收到无关或错误反馈的可能性。明确的提示并不一定要求简洁。在许多情况下，更长的提示能提供更清晰的上下文信息，进而产生更全面、更相关的输出。"""
输出内容如下：
策略二：要求模型生成结构化的输出，例如 Json、HTML 等格式。
第二个策略是要求模型生成结构化的输出，这样可以让我们更容易地解析模型的输出，例如，您可以在 Python 中将其读入字典或列表。
在以下示例中，我们要求 AI 生成三本书的标题、作者和类别，并且要求 AI 以 Json 的格式返回给我们，为了方便解析，我们设定了 Json 的键。
请生成包含书名、作者和类别的三本虚构书籍的清单，
并以 JSON 格式提供，其中应包括以下键：book_id、title、author、genre。
输出内容如下：
策略三：要求模型先检查是否满足某些条件。
如果任务的前置条件可能无法达成，我们可以让模型先检验这些条件，如果条件不满足，就指导模型停止运行。
同样，你也需要思考可能出现的边缘情况，以及模型应当如何处理它们，避免意外的错误或不符预期的结果。
举例来说，我们可以给模型提供两段文本，一段是关于制作蛋糕的步骤，而另一段则是没有明确步骤的文本。
我们将要求模型判断这些文本是否包含一连串的指令，如果有，就按照预定格式重新构造这些指令，如果没有，就回答“未给出步骤”。
您将收到由三个引号括起来的文本。 如果它包含一系列的指令，那么您需要按照以下格式重新编写这些指令：
第一步 - …
第二步 - …
…
第N步 - …
如果文本中不包含一系列的指令，则直接写“未提供步骤”。
"""准备好所有需要的材料和工具，包括鸡蛋、糖、面粉、牛奶、黄油、发酵粉，以及烤箱、搅拌器、蛋糕模具等。接下来，将鸡蛋打入碗中，加入适量的糖，然后用搅拌器打至糖完全溶解，呈现出均匀的奶黄色。接下来，将鸡蛋打入碗中，加入适量的糖，然后用搅拌器打至糖完全溶解，呈现出均匀的奶黄色。慢慢将面粉混合物倒入鸡蛋液中，一边倒一边搅拌，直到完全混合，形成蛋糕糊。...."""
输出内容如下：
然而，如果我们将提示词修改为：
您将收到由三个引号括起来的文本。
如果它包含一系列的指令，那么您需要按照以下格式重新编写这些指令：
第一步 - …
第二步 - …
…
第N步 - …
如果文本中不包含一系列的指令，则直接写“未提供步骤”。
"""今天阳光明媚，鸟儿在歌唱。
这是一个适合去公园散步的好天气。
鲜花盛开，树枝在微风中摇曳。
人们纷纷出门享受美好的天气，有的在野餐，有的在玩游戏，还有的在草地上放松身心。
这是一个完美的日子，可以在户外度过并欣赏大自然的美景。"""
输出内容则会变为：
策略四：提供少量的示例。
即在要求模型执行实际任务之前，先给它提供一些成功执行任务的示例。
例如，在下面的情境中，我们设定了一个任务，让模型模仿一致的对话风格来回答问题，我们首先给了它一个孩子和母亲之间的谈话样本。
孩子提出：“教我如何变得有耐心”，母亲则以比喻的方式给出了回答。
因此，当我们提出新的请求“教我如何变得坚韧”时，模型已经拥有了一个对话的示例，因此它将会按照同样的风格来回应这个新的问题。
你的任务是以一致的风格回答问题。
<孩子>: 教我如何变得有耐心。
<母亲>: 最深远的峡谷源自一处平凡泉眼的河流；最盛大的交响乐始于一个简单的音符；最繁复的挂毯编织起于一根孤独的线。
<孩子>: 教我如何变得坚韧。
输出内容如下：
