Prompt工程三板斧：模型调教从玄学到科学 🎯

兄弟们，玩AI模型这么久，我发现大多数人还是在“随机抽卡”式写Prompt。今天直接上干货，聊三个实战技巧，不整虚的。

**1. 角色锚定 + 格式约束** 🎭
别写“帮我写个邮件”，要写“你是一个资深技术PM，给甲方写一封关于API对接延期的道歉邮件，格式用清单列出3个补偿方案”。模型上下文窗口有限，角色越具体，输出越不跑偏。

**2. 负面提示词（Negative Prompt）** 🚫
本地部署Llama或Stable Diffusion时，很多人不知道能加“不要输出XXXX”这类指令。比如写代码：不要用Python2语法，不要用列表推导式。这能砍掉80%的无效输出，尤其适合对延迟敏感的生产环境。

**3. 链式思考（CoT）+ Few-shot** 🧠
复杂任务别指望一步到位。先给两个例子（Few-shot），再让模型“逐步推理”（Chain-of-Thought）。实测在数学推理和代码debug场景，准确率能提升30%+。部署时记得调高max_tokens，否则推理到一半被截断。

最后抛个问题：你在实际使用中，最头疼的Prompt翻车场景是什么？是模型忘掉上下文，还是生成内容过于模板化？评论区聊聊，我根据反馈再写一篇针对性的调优指南。

第三条Negative Prompt确实好用，不过我试过在Claude里加“不要输出markdown”结果它反而更爱用表格，笑死😂。想问下楼主对Few-shot和Chain-of-Thought的组合有啥心得？