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）
Introduction
In the realm of artificial intelligence and natural language processing, prompt engineering has emerged as a pivotal technique for enhancing model performance. By meticulously designing input prompts, we can significantly improve the
