2025 年了，模型能力上升了一个台阶，更不需要去记提示词技巧和框架了，写提示词不再是一个多专业的活，核心就记住三点半：
1. Context：问题所需要的上下文信息，千万别以为模型会读心术，一定要把相关信息都提供；但是长度不要太长，因为长度越长效果越差，多长不同模型有区别，多试试就知道了。
2. Instruction：你想要模型做什么说清楚。如果自己都没想清楚，就先临时开个会话和模型闲聊，让它帮你梳理清楚，梳理清楚指令了再新开会话输入你的指令和上下文。
3. Atom：让你的提示词原子化，这里其实有两点含义：
- 1) 你每次的任务要小，不要想让模型一次完成太多任务
- 2) 上下文完整独立，在你的会话中把这次任务的上下文都提供清楚了
最后还有半点：
CoT：思维链（Chain of Thought）对于大语言模型来说已经慢慢成了基本技能，尤其是推理模型，高于人类平均水平，如果你明确知道最优步骤，就写上，不确认就让模型写，不满意就让模型改进，还不满意就新开会话或者换模型再试试。
1. Context：问题所需要的上下文信息，千万别以为模型会读心术，一定要把相关信息都提供；但是长度不要太长，因为长度越长效果越差，多长不同模型有区别，多试试就知道了。
2. Instruction：你想要模型做什么说清楚。如果自己都没想清楚，就先临时开个会话和模型闲聊，让它帮你梳理清楚，梳理清楚指令了再新开会话输入你的指令和上下文。
3. Atom：让你的提示词原子化，这里其实有两点含义：
- 1) 你每次的任务要小，不要想让模型一次完成太多任务
- 2) 上下文完整独立，在你的会话中把这次任务的上下文都提供清楚了
最后还有半点：
CoT：思维链（Chain of Thought）对于大语言模型来说已经慢慢成了基本技能，尤其是推理模型，高于人类平均水平，如果你明确知道最优步骤，就写上，不确认就让模型写，不满意就让模型改进，还不满意就新开会话或者换模型再试试。
补充1: 上下文完整独立的意思就是在一次会话中，你包含了AI生成所需要的完整内容，并且确保不会因为 AI 应用程序的能力限制而影响。
以写报告为例，你报告中需要参考资料1，2，3，那么这些参考资料的完整部分或者关键部分要在会话中完整包含。
如果你的参考资料是一个 URL，你的应用程序（比如ChatGPT）是无法访问这个 URL 的，那么它无法有效的把这个 URL 作为上下文的一部分，所以你的上下文就不完整了。
再比如你在前几轮会话中把参考资料放在里面了，但是你持续问答增加会话，到后面的时候，AI 应用程序会因为上下文窗口长度限制，会自作主张帮你把前面的内容砍掉或者摘要，那你后面的会话就缺少上下文了。
判断独立完整的一个标准，就是你的提示词，放到任何模型任何AI应用，信息都是完整的，不会因为 AI 应用的能力（比如URL访问、上下文窗口长度限制）而导致内容缺失。
以写报告为例，你报告中需要参考资料1，2，3，那么这些参考资料的完整部分或者关键部分要在会话中完整包含。
如果你的参考资料是一个 URL，你的应用程序（比如ChatGPT）是无法访问这个 URL 的，那么它无法有效的把这个 URL 作为上下文的一部分，所以你的上下文就不完整了。
再比如你在前几轮会话中把参考资料放在里面了，但是你持续问答增加会话，到后面的时候，AI 应用程序会因为上下文窗口长度限制，会自作主张帮你把前面的内容砍掉或者摘要，那你后面的会话就缺少上下文了。
判断独立完整的一个标准，就是你的提示词，放到任何模型任何AI应用，信息都是完整的，不会因为 AI 应用的能力（比如URL访问、上下文窗口长度限制）而导致内容缺失。
补充2， 原子化提示词的案例
https://x.com/nishuang/status/1874630088668389885
• • •
Missing some Tweet in this thread? You can try to
force a refresh
