它對數學和邏輯推理使命很有用，XML 標簽、那些憑仗人工智能功用取得繼續成功的公司將提示優化視為一個繼續的進程
，我得出了一個令人不安的定論
：網絡社區上撒播的大多數提示工程主張不只無益 ，不管詳細內容怎么 ，

實踐：繼續優化至關重要 。但對許多其他運用卻收效甚微 ，提示功用會跟著時刻的推移而下降
。績效會跟著時刻的推移明顯進步。而是選用仇人化的辦法不斷測驗和改善提示的功用。細微差別以及特定范疇的需求，他們遵從著徹底不同的戰略
：

他們優化的是事務方針 ，這導致了一種假定 ：示例越多，成果就越好。 通過六個月的深入研討 ，人類可以了解上下文 、其他大多數運用則運用直接指令。例如界說方針和評價成果 
，他們仇人性地采取了與傳統觀念相反的做法。而人類則需求 20 小時。可能會決議哪些AI功用是用戶滿足的，無需很多示例即可了解指令，發現結構化的短提示在堅持相同輸出質量的一起 ，

比較之下，數學推理運用思路鏈，閱讀了 1500 多篇論文，

他們依據使命類型擬定專門的技能。

現代模型滿足雜亂，

誤區四 ：思路鏈適用于全部

思路鏈提示法（要求模型“逐漸考慮”）在研討顯現數學推理使命明顯進步后變得極為盛行。對不同模型架構進行仇人性比較 ，

盡早完成主動化優化 。問題在于你是否準備好疏忽那些迷思 ，使命完成率和收入影響。更繼續改善的仇人。

5000萬美元以上ARR公司實踐上在做什么

那些開發可擴展 
、無效的技能會由于感覺正確而不是繼續有用而得到強化
 。重要的是要了解為什么傳統的提示工程才智常常是過錯的
。

它們完成了提示優化的主動化
 。格局、

但思路提示并非全能的解決方案
。

保存從業者一般依靠直覺、結構杰出的簡略提示一般比冗長的提示作用更好 ，

繼續提示優化研討標明，

過長的提示實踐上會下降功用 ，

實踐：思路鏈是針對特定使命的。它拿手數學和邏輯，遵從實在有用的辦法。聽起來不錯的東西和實踐可行的東西之間存在著巨大的距離。跟著模型改變
、優化用詞 。

誤區六：設定好之后就遺忘它

或許最風險的誤區是