Prompt engineering

简介: 本文介绍如何结合Markdown与XML优化提示词:Markdown用于结构化分节(如标题、列表),提升可读性;XML则通过标签及属性清晰界定内容边界与元数据。典型开发者消息含身份、指令、示例、上下文四部分,助力模型精准理解意图。(239字)

Message formatting with Markdown and XML
When writing developer and user messages, you can help the model understand logical boundaries of your prompt and context data using a combination of Markdown formatting and XML tags.

Markdown headers and lists can be helpful to mark distinct sections of a prompt, and to communicate hierarchy to the model. They can also potentially make your prompts more readable during development. XML tags can help delineate where one piece of content (like a supporting document used for reference) begins and ends. XML attributes can also be used to define metadata about content in the prompt that can be referenced by your instructions.

In general, a developer message will contain the following sections, usually in this order (though the exact optimal content and order may vary by which model you are using):

Identity: Describe the purpose, communication style, and high-level goals of the assistant.
Instructions: Provide guidance to the model on how to generate the response you want. What rules should it follow? What should the model do, and what should the model never do? This section could contain many subsections as relevant for your use case, like how the model should call custom functions.
Examples: Provide examples of possible inputs, along with the desired output from the model.
Context: Give the model any additional information it might need to generate a response, like private/proprietary data outside its training data, or any other data you know will be particularly relevant. This content is usually best positioned near the end of your prompt, as you may include different context for different generation requests.

目录
相关文章
|
27天前
|
机器学习/深度学习 算法 前端开发
发动机故障诊断智能体(二):基础时序压缩与长短期记忆编码网络
在智能体完成气路多航段时序数据的采集与规整后,高维度的原始时序信号需要经过深度表征与降维处理,以消除高频测量噪声并提炼本质物理趋势。采用长短期记忆自编码器架构,在脱离人工标签监督的情况下,利用海量正常运行数据进行自监督重构训练,构建出能够压缩并表征发动机稳态工况与退化趋势的时序特征提取模型。
|
1月前
|
人工智能 IDE API
阿里云Qoder CN服务平台完整功能解读:从本地IDE配置、终端CLI使用、云端部署到开放API全链路解读
软件研发工作包含需求拆解、代码编写、单元测试、故障排查、文档撰写、项目重构等大量重复性工作。传统开发模式下,开发者需要手动翻阅项目源码、查阅接口文档、调试报错堆栈,大型项目代码体量庞大,新人熟悉项目架构要耗费大量时间。普通代码补全工具只能完成单行片段生成,无法理解完整工程上下文,不能独立处理跨多文件的复杂开发任务。Qoder CN,前身是通义灵码,是面向软件研发全流程的AI智能体产品套件,不再局限于简单的代码片段补全,而是以编程Agent智能体为核心,覆盖本地桌面开发、终端命令行、云端托管运行、数字员工等多种形态,深度对接百炼平台Coding Plan、Token Plan订阅体系,支持Qwe
452 1
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
2026测试人必备的"AI驯化"技能树:少了这个能力,简历直接被筛掉
2026年测试工程师正经历能力重构:从“写用例”迈向“驯化AI”。手工测试岗需求降47%,而懂AI Agent、Prompt工程、Skill封装、MCP协议与RAG知识工程的测试人才薪资高30%–50%,成大厂抢手对象。核心转变是——测试对象由确定性系统变为智能体,测试本质从“验功能”升级为“验能力”。
|
26天前
|
存储 人工智能 自然语言处理
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
阿里云千问办公(QwenWork)是通义实验室推出的AI原生办公平台,依托Qwen3.8大模型,支持自然语言生成PPT、Excel、网页、视频等;具备浏览器自动化、深度检索、钉钉/飞书集成、定时任务及多端协同能力,真正实现“对话即交付”。
598 2
|
2月前
|
Oracle IDE Java
Java JDK下载、安装、配置、运行程序一篇搞定(2026实测)
本文详解JDK安装与配置全流程,涵盖JDK 8/11/17/21/25/26版本对比、LTS选型建议、Windows环境变量配置及首个Java程序编译运行,实操性强,零基础可快速上手。(239字)
|
14天前
|
机器学习/深度学习 人工智能 移动开发
偏元立极 · 贞下起元-008 · 勿忘国耻,吾辈当自强
CSDN可以新关联到这里了,本来就有账号,把918的偏元立极贞下起元-008先补发了,十一的-009稍后发布。
|
1月前
|
人工智能 Ubuntu Linux
CC Switch怎么用:添加供应商、一键切换全攻略(全网最详细)
CC Switch 是一款免费开源的桌面工具,专为统一管理 AI 编程工具(如 Claude Code、Codex、Gemini CLI)的 API 供应商而设计。它提供图形化界面,支持一键切换官方/中转/自建供应商,集成 MCP、提示词、Skills 管理及用量统计,大幅简化配置流程。(239字)
|
1月前
|
监控 NoSQL Unix
【Azure Redis】Redis 指标 ClockSkewSeconds 解读:含义、读数与时钟偏差的影响
《ClockSkewSeconds 解析》:详解 Redis 监控中时钟偏差指标的含义——反映节点与参考时钟的时间差(秒级),非请求耗时;阐明其对 Key 过期、日志关联及分布式一致性的影响,强调稳定时间比瞬时偏差更关键。
102 1
|
1月前
|
数据采集 监控 安全
政务公开信息被滥用的许可申请定向钓鱼攻击研究
本文以美国贝尔蒙特镇政务公开信息遭滥用引发的定向钓鱼诈骗为案例,揭示“无漏洞攻击”新形态:不法分子爬取公开的审批案卷、会议议程等真实信息,伪造官方邮件实施精准社会工程诈骗。研究指出,风险源于政务公开、技术防护与公众认知的三重错配,提出源头管控、流程加固、用户教育、警政协同的分层治理框架,为我国基层政务数字化安全提供重要参考。(239字)
107 4
|
1月前
|
人工智能 安全 前端开发
医疗患者门户仿冒钓鱼攻击的威胁机理与防御研究
本文以2026年MyChart仿冒钓鱼事件为样本,系统剖析医疗患者门户钓鱼攻击的两条路径:奖励诱导型(窃取身份与支付信息)与恐慌驱动型(窃凭证+植入恶意软件)。指出其依赖高保真仿冒、AI生成内容及健康焦虑等社会工程手段,使传统识别失效。强调威胁本质是“信任滥用”,并提出平台、机构、监管与用户四层协同防御框架。(239字)
70 2