流程
流程
1. 给模型一组输入输出样例，要求生成 5-10 条候选指令。
2. 用同一测试集分别执行每条候选，记录得分。
3. 选得分居前的 1-2 条，人工检查措辞后定稿。
4. 保留候选与分数记录，供后续迭代参考。| 关键 | 必须有可自动计算的评估分数（准确率、格式合法率） |
|---|---|
| 适用 | 批量、可度量的任务；主观任务收益有限 |
| 产出 | 候选指令集合 + 评分表，是提示迭代的原料 |
本包目录（290 条）
提示词基础40 条
模式与框架50 条
- 思维链提示（Chain-of-Thought）
- Few-shot 少样本示例提示
- 零样本思维链（Let's think step by step）
- ReAct 推理与行动交替模式
- Zero-shot 零样本提示
- 检索增强提示写法（RAG 提示）
- 少样本思维链（示例带推理）
- 自洽性投票（Self-Consistency）
- 提示链（Prompt Chaining）
- 由易到难分解（Least-to-Most）
- 函数调用与参数 Schema
- 自我精修（Self-Refine）
- 推理与答案分区输出
- 程序化思考（Program-of-Thought / PAL）
- 工具调用提示结构（Toolformer 思路）
- 先计划再求解（Plan-and-Solve）
- 分块处理模式（Map-Reduce）
- 草稿纸模式（Scratchpad）
- 验证链（Chain-of-Verification, CoVe）
- 反思循环（Reflexion）
- 思维树（Tree of Thoughts）
- 路由分发模式（Router）
- 退一步抽象（Step-Back Prompting）
- 查询改写提示（Rewrite-Retrieve-Read）
- 自我提问（Self-Ask）
- 引用锚定（带出处作答）
- 正反例对比提示
- 前置门卫模式（输入输出检查）
- 骨架并行生成（Skeleton-of-Thought）
- 多角色评审（Role Ensemble）
- 连续分解问答（Successive Prompting）
- 按复杂度选择推理模式
- 输出预填（Prefill / Priming）
- 检索与推理交替（IRCoT）
- 多稿优选（Best-of-N）
- 指令复述（Instruction Repetition）
- 假设文档检索（HyDE 思路）
- 多智能体辩论（Multiagent Debate）
- 推理预算控制（思考长度）
- 先生成背景知识再作答
- 事前验尸（Pre-mortem）
- 动态示例选择（按相似度挑示例）
- 反方审查（Devil's Advocate）
- 类比提示（自生成类比示例）
- 元提示（Meta-Prompting）
- 自动提示生成与筛选（APE）
- 自动构造思维链示例（Auto-CoT）
- 密度链摘要（Chain of Density）
- 元提示优化（OPRO）
- 复述与作答（Rephrase and Respond）
自动提示生成与筛选（APE）
让模型自己批量生成候选指令，用目标任务的评分（如执行准确率）筛出表现好的指令；用搜索替代手写调优。
易错点
- 无评估环节的“自动生成提示”只是随机抽卡，产出不可用
- 自动指令可能过度适配测试集；定稿前用留出集复核
数据来源与参考
- Large Language Models Are Human-Level Prompt Engineers（Zhou et al., ICLR 2023）