🔥 YC 分析了顶级 AI 初创公司如何提示 LLM：6+ 页提示、XML 标签、元提示、评估作为核心 IP。 元提示 + 角色分配是实现可靠的、类似代理的行为的关键。 ⚙️重点学习 →顶级 AI 初创公司采用“经理式”的超具体提示——长达 6 页以上的文件，详细阐述任务、角色和限制条件。这些并非速成妙招；它们的结构类似于新员工的入职文档。 →角色提示可以稳固法学硕士（LLM）的语气和行为。清晰的角色设定=更好地与任务保持一致。例如：告诉法学硕士（LLM）你是一位客户支持经理，可以调整其对结果的期望。 →明确任务并制定计划有助于将复杂的工作流程分解为可预测的步骤。当每个子任务得到明确的指导时，LLM 能够更好地处理推理。 →使用 Markdown 或 XML 样式的标签来构建输出可以提高一致性。例如，Parahelp 使用如下标签强制执行响应格式。 →元提示是指使用 LLM 来完善你自己的提示。输入你的提示和输出，并要求它进行调试或改进——如果给定上下文，LLM 可以很好地进行自我优化。 →使用真实示例进行小样本提示可以提高准确率。像 Jazzberry 这样的初创公司会提供具有挑战性的 bug 示例来塑造 LLM 的行为。 →提示折叠功能可让一个提示触发生成更深层、更具体的提示。有助于管理多步骤 AI 代理的工作流程。 → “逃生舱”指导法学硕士承认不确定性。它可以防止幻觉，增强信任。 →思维痕迹（模型推理日志）和调试信息揭示了模型的内部逻辑。这对于故障排除和迭代至关重要。 →评估（提示测试用例）比提示本身更有价值。它们有助于在边缘情况下对提示的可靠性进行基准测试。 →使用大型模型进行快速制作，然后使用更小、更便宜的模型进行提炼生产。兼顾质量与效率。知识分享 每天跟我涨知识 编程严选网 人工智能
