3. 高级提示词
角色扮演与人格设定 角色设定是提升 Manus 回答质量的重要技巧。通过指定特定角色，可以让 AI 更好地理解任务背景和专业要求。例如，要求 Manus 扮演"资深市场营销专家"或"10年经验的软件开发工程师"，AI 会根据该角色的专业知识和语言风格来生成更符合预期的内容。这种技巧特别适用于需要专业见解的复杂任务，如商业分析、技术文档编写等。 示例：
思维链(CoT)与逐步推理 思维链(CoT)是一种引导 AI 进行逐步推理的方法，特别适用于复杂问题解决。通过要求 AI 按照特定步骤思考，可以确保逻辑连贯性和答案准确性。例如，在数据分析任务中，先要求 AI 收集数据，再分析趋势，最后提出建议，这样的分步 approach 能产生更可靠的结果。这种技巧在数学问题、逻辑推理和复杂决策中特别有效。 示例：
少样本学习(Few-Shot) 少样本学习通过提供少量示例来指导 AI 的输出风格和格式。这种方法特别适用于需要特定格式或风格的任务，如创意写作、代码生成或格式化报告。通过提供1-2个示例，AI 可以学习到期望的输出模式，从而在后续任务中保持一致性。这在处理重复性任务或需要特定格式输出的场景中非常有用。 示例：
约束条件与规则红线 约束条件为 AI 设定了明确的边界和规则，确保输出符合特定要求。这些约束可以包括时间限制、质量标准、内容限制等。例如，在法律文件生成中，可以设定"必须遵守相关法律法规"的约束；在创意写作中，可以设定"避免使用敏感词汇"的规则。这种技巧有助于控制输出质量和安全性。 示例：
多轮对话与上下文管理 多轮对话管理确保对话的连贯性和一致性。通过提供历史对话摘要和当前问题，AI 可以更好地理解对话上下文，避免重复或矛盾。这对于复杂项目跟踪、持续任务更新或需要逐步完善的任务特别重要。良好的上下文管理能提高对话效率和任务完成质量。 示例：
RAG(检索增强生成)提示 RAG 技术结合了检索和生成能力，让 AI 能够基于外部知识库回答问题。通过提供相关文档或资料，AI 可以生成更准确、更有依据的回答。这在需要特定知识或最新信息的场景中特别有用，如行业分析、技术文档编写或学术研究。RAG 技术确保了信息的时效性和准确性。 示例：