大多数提示词工程指南涵盖相同的基础知识：要具体、给出例子、使用系统提示词。以下是超越那个层次的技术——那些在困难任务上产生显著更好结果的技术。
思维链及其局限性
思维链提示（”一步步思考”或”让我们推理这个”）在推理密集型任务上可以测量地提高性能：数学、逻辑问题、多步骤分析。机制：它推动模型产生中间推理令牌而不是直接跳到答案，这提高了难以直接计算答案的问题的准确性。局限性：思维链对需要记忆、事实回忆或创意生成的任务没有可靠地帮助——而且它增加了输出长度从而增加成本。对于简单的事实问题或直接的生成任务，思维链增加了开销而没有好处。专门在分析、推理和逐步解决问题的任务中使用它。
宪法和基于角色的框架
在系统提示词中框架模型的角色和操作约束大大改变了特定领域的输出质量：”你是一个审查生产部署代码的高级软件工程师。你的主要关注点是安全漏洞、性能问题和可维护性。你直接识别问题而不加限定，并提出具体的修复建议。”这种框架方式有效是因为它激活了一个具有隐式优先级的一致角色——模型通过声明的角色视角来解释模糊的情况。通用编码助手和”高级生产工程师”角色之间的差异在输出的具体性和技术深度上是可测量的。该技术延伸到语气、格式和领域专业知识。
格式控制的少样本示例
当你需要精确的输出格式——结构化数据、特定风格、特定语气——提示词中的2到4个示例比详细的指令更可靠。格式指令被解释；示例被遵循。模式：”以下是我想要的分析示例：[示例1] [示例2]。现在将其应用于：[实际任务]。”对于JSON输出，一个完整有效的预期模式示例比模式描述更可靠。对于写作风格，目标风格的两段内容比形容词列表更可靠。注意：长的少样本示例消耗上下文并增加成本——当格式精度重要且单独的指令证明不够时使用它们。
自一致性采样
对于高风险的一次性决策（代码架构选择、复杂情况分析），以温度>0运行相同的提示词3到5次并比较结果。如果所有输出都集中在相同的答案上，置信度更高。如果它们差异显著，问题可能没有一个清晰的单一答案——差异本身是有信息量的。这在计算上是昂贵的（3到5倍成本），所以只有在真正高风险的决策中才值得，在那里出错的成本很大。自动化自一致性（跨样本多数投票）在研究和一些生产AI系统中出于这个原因被使用。
长上下文的XML/结构化标签
Anthropic的Claude模型对有多个输入的复杂任务的XML风格结构化提示词响应特别好。将不同的输入类型包装在描述性标签中（<document>、<instructions>、<example>、<user_query>）帮助模型正确归因和权衡长提示词的不同部分。对于有超过2,000个令牌输入的提示词，结构化标签可以测量地减少指令和内容之间的混淆。该技术对较短的提示词不那么关键，但随着提示词长度增加变得有价值。即使对单项输入，当提示词很长时也要包含标签。
