# \[Prompts]提示词的基础示例

<figure><img src="/files/AuBWHlQpKNeZayiVWovr" alt="" width="375"><figcaption></figcaption></figure>

#### 🔥提示词是通过结合指令、问题、输入数据和示例来构建的。为了得到结果，必须包含指令或问题，其他元素则是可选的。让我们来看几个例子（这里都以ChatGPT-4为例）。

<br>

**▶︎ 1.指令 + 问题**

在提问的基础上，更高级的提示词可能包括一些关于模型应如何回答问题的指令。例如，我可能会询问如何撰写大学入学申请论文，同时提出我希望在答案中听到的不同方面的建议

{% hint style="info" %}
“我该如何撰写我的大学入学申请论文？请给我一些建议，包括我应该包含的不同部分、我应该使用什么样的语气，以及我应该避免使用的表达。”
{% endhint %}

**▶︎ 2.指令 + 输入**

继续上述例子，如果你可以向LLM寻求写作建议，那么也可以直接要求它¹帮你写论文。让我们看看，当你提供一些关于我的背景信息，并给出一些指令时会发生什么：

{% hint style="info" %}
“根据以下关于我的信息，写一篇四段的大学申请论文：我来自西班牙巴塞罗那。尽管我的童年经历了一些创伤性事件，比如我6岁时父亲去世，但我仍然认为我有一个相当快乐的童年。在我的童年时期，我经常换学校，从公立学校到非常宗教的私立学校。我做过的最“异国情调”的事情之一是在爱达荷州的双子瀑布与我的大家庭一起度过六年级。

我很早就开始工作了。我的第一份工作是13岁时的英语老师。在那之后，以及在我的学习过程中，我做过老师、服务员，甚至建筑工人。”
{% endhint %}

**▶︎ 3.问题 + 示例**

你还可以将示例输入到语言模型中。在下面的示例中，我列出了一些我喜欢和不喜欢的电视节目，以构建一个简单的推荐系统。请注意，尽管我只添加了几个节目，但在LLM界面中，这个列表的长度只受限于Token的限制。

{% hint style="info" %}
“以下是我非常喜欢的一些电视节目：《绝命毒师》、《浴血黑帮》、《熊》。我不喜欢《泰德·拉索》。你认为我还可能喜欢哪些节目？”
{% endhint %}

<figure><img src="/files/xRASv0r7Mjz9K2UkOxrq" alt="" width="375"><figcaption></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://doc.nyai.chat/neng-yong-ai-xue-xi-zhong-xin/prompts-ti-shi-ci-xue-xi/prompts-ti-shi-ci-de-ji-chu-shi-li.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.