2. 提升输出质量的三种方法

少样本提示（Few-shot Prompting）

当你需要AI按照特定格式或风格输出时，仅用语言描述往往不够准确。更有效的方法是给出1-3个示例，AI会模仿示例的格式和逻辑。

适用场景：结构化输出（表格、清单、固定格式）、特定风格模仿、专业性较强的任务。

示例：假设你需要AI按照“问题→原因→解决方案”的三段式结构回答。

请参照以下格式回答问题：

示例1
问题：会议室投影仪无法点亮
原因：电源线松动
解决方案：检查并重新插拔电源线

示例2
问题：员工迟到现象增多
原因：通勤路线施工导致拥堵
解决方案：允许弹性半小时上下班

请按相同格式回答：
问题：客户投诉响应时间过长

AI会根据示例的结构自动生成对应的答案。

思维链提示（Chain-of-Thought Prompting）

对于需要逻辑推理、多步骤分析的任务，要求AI直接给出结论容易产生错误。让AI将推理过程逐步写出，既能提高准确率，也便于你发现逻辑漏洞。

适用场景：数据分析、方案策划、风险评估、预算分配等。

示例：

预算50万元，需要在3个月内将App日活跃用户从1万提升至5万。请按以下步骤分析：

从1万到5万需要解决的核心问题

50万预算在各渠道的分配建议

逐月的执行计划和预期目标

要求AI分步回答，每一步都说明依据。这样你可以检查每一步的合理性，而不是接受一个无法追溯的结论。

角色扮演

为AI设定一个具体的专业角色，可以显著影响其回答的角度和深度。明确的角色能激活模型在对应领域的知识组织和表达方式。

示例对比：

不设角色：

分析新能源汽车市场的现状。

设定角色：

你是一名有8年经验的新能源行业投资分析师，正在为一家投资机构撰写市场分析报告。请从投资回报、政策风险、竞争格局三个维度分析新能源汽车市场，并给出赛道的优先级排序。

后者会产生更具判断力和针对性的内容，而非泛泛的行业概述。

角色设定技巧：除了专业身份，还可以补充经验年限、擅长的分析方法、表达风格等细节。

#2. 提升输出质量的三种方法