官方发布了一个GPT提示词的最佳实践指南，主要包括六个方面的优化策略，而且每个策略给出了相应的案例
策略1：写清楚说明
GPT 对您想要什么的猜测越少，您获得它的可能性就越大。
比如：如果输出太简单，请要求专家级的写作。
还列举了一些具体的例子：
- 在您的查询中包含详细信息以获得更相关的答案
- 要求模特采用角色
- 使用定界符清楚地指示输入的不同部分
- 指定完成任务所需的步骤
- 提供例子
- 指定所需的输出长度
策略2：提供参考文本
GPT 可以自信地编造假答案，尤其是当被问及深奥的话题或引用和 URL 时。就像一张笔记可以帮助学生在考试中取得更好的成绩一样，为 GPT 提供参考文本可以帮助以更少的捏造来回答。
- 指示模型使用参考文本回答
-
指示模型使用参考文本中的引用来回答
策略3：将复杂任务拆分为更简单的子任务
类比于软件工程中将复杂系统拆分成模块化组件的做法，将任务分解成提交给 gpt 的模块化组件也是一种有效的方法。
复杂的任务往往比简单的任务有更高的错误率。
此外，复杂的任务通常可以重新定义为更简单任务的工作流，其中早期任务的输出用于构建后续任务的输入。
- 使用意图分类来识别与用户查询最相关的指令
- 对于需要很长对话的对话应用，总结或过滤之前的对话
- 分段总结长文档并递归构建完整摘要
策略4：给 GPT 时间“思考”
虽然你可能不会立刻知道如何把17乘以28，但是经过一些时间你仍然能够计算出来。如果不花时间寻找答案，GPT容易犯更多的推理错误。询问一系列推理问题可以提高GPT的推理准确性，从而更可靠地得出正确答案。
- 在匆忙下结论之前指示模型制定出自己的解决方案
- 使用内心独白或一系列查询来隐藏模型的推理过程
- 询问模型是否遗漏了之前传递的任何内容
策略5：使用外部工具
通过为 GPT 提供其他工具的输出来弥补它们的弱点。
例如，文本检索系统可以将相关文档告知 GPT。代码执行引擎可以帮助 GPT 进行数学运算和运行代码。如果使用工具比 GPT 更可靠或更有效地完成某项任务，就要卸载 GPT，以充分利用两者的优势。
使用基于嵌入的搜索来实现高效的知识检索
使用代码执行来执行更准确的计算或调用外部 API
策略6：系统地测试更改
如果可以衡量，提高绩效会更容易。在某些情况下，对提示的修改会在一些孤立的示例上获得更好的性能，但会导致在更具代表性的示例集上的整体性能变差。为了确保更改对性能产生积极影响，可能需要定义一个综合测试套件来进行评估。
