Today, let’s explore the SPACE principle, another powerful guideline for crafting effective prompts in AI models like ChatGPT. Like BROKE, SPACE is designed to make your prompts more intentional and effective.
So,
今天，让我们来学习另一个强大的提示词设计指南：SPACE原则。与BROKE类似，SPACE的目标是让你的提示词更加有针对性和高效。
那么，SPACE具体代表什么呢？让我们详细解读：
S: Set the Scope（设定范围）
明确问题或任务的范围，避免答案过于宽泛。一个范围清晰的提示词能引导AI聚焦于关键内容。
* 示例： 与其问“解释科技趋势”，不如问“2024年最具前景的三大AI技术是什么？”
P: Provide Perspective（提供视角）
引导AI采用特定的观点或语气，使回答更有深度。
* 示例： 请求“从环境科学家的角度，谈谈可再生能源的优势是什么？”
A: Ask
Today, let’s dive into something fascinating: the BROKE principle for prompt engineering. Don’t worry, the name doesn’t mean it’s flawed. It’s actually a handy mnemonic to guide us
今天，让我们来探索一个有趣的主题：BROKE原则在提示词工程中的应用。不用担心，这个名字并不意味着它有缺陷。实际上，它是一个非常实用的记忆法，帮助我们为像ChatGPT这样的AI模型设计出优秀的提示词。
那么，BROKE代表什么呢？让我来为你一一解析：
B: Be Specific（具体化）
如果你的问题过于笼统，通常会得到笼统的回答。一个具体的提示词会带来具体且高质量的结果。
* 示例： 与其问“告诉我一些历史相关的事情”，不如问“第二次世界大战的主要原因是什么？”
R: Role Assignment（分配角色）
给AI指定一个角色可以让它表现得更好。这有助于模型调整语气、风格和提供的信息。
* 示例： 询问“你是一位历史教授，
引言
在人工智能和自然语言处理领域，提示工程（Prompt Engineering）正成为推动模型性能提升的重要手段。通过精心设计输入提示，我们可以极大地提高AI系统的理解和生成能力。在本文中，我们将探讨提示工程中的重要术语，并结合示例帮助您更好地理解和应用这一策略。
1. 上下文提示（Contextual Prompting）
背景与细化：
上下文提示是提示工程中一种关键技术，它通过在提示中包含相关的背景信息，提升AI模型对任务的理解。通过提供精确的背景信息，模型可以生成更连贯、准确且相关性强的输出。
引用示例：
“想象一下，当AI被要求撰写关于气候变化的文章时，使用诸如‘全球变暖的原因和影响’这样的上下文提示，将能够帮助AI生成更为贴切的内容。”
2. 零样本提示（Zero-shot Prompting）
