你好，我是月影。
要让大模型发挥最大的效果，提示词（Prompt）的设计是很关键的一件事，优秀的提示词不仅能让大模型输出更好的结果，还能节省token，降低成本。
前面的课程中，我们已经通过实战体会过一些提示词的使用。在这一节课里，我将为你系统地梳理一下书写提示词的常用技巧，帮助你更好地掌控大模型的能力。
如何正确书写文本提示词
对于大部分文本大模型而言，实际上是具备理解复杂提示词的能力的，尤其是大参数的模型。在这个情况下，其实书写有效提示词最重要的一点非常简单，那就是说人话。
也就是说，你可以把AI当作“人类”，给它明确清晰的指令就可以了。
比如用Deepseek-R1模型时，你可以直接提出你的原始需求，比如：
Deepseek-R1 有能力进行深度思考，所以它会自己分析推理，并给出思考过程：
好的，我现在需要帮用户规划一个前端入门课程的大纲。用户是给初学者讲课，所以需要从最基础的内容开始，逐步深入，同时要确保课程结构合理，内容全面。首先，我得考虑初学者的背景，他们可能对编程了解不多，所以得从最基础的开始，比如 HTML、CSS，然后逐步引入 JavaScript，再到框架和工具。
首先，前端开发的基础肯定是 HTML 和 CSS，这两者是构建网页的基石。应该先讲 HTML 的基本结构、常用标签，然后是 CSS 的选择器、盒模型、布局技术。这部分可能需要几周的时间，因为初学者需要时间来练习和熟悉这些概念。接下来是 JavaScript，这是让网页动起来的关键。需要从变量、数据类型、函数等基础讲起，然后过渡到 DOM 操作和事件处理，这样学生可以实际看到自己的代码在页面上产生的效果。
然后，响应式设计和 CSS 框架也是必须的，比如媒体查询和 Flexbox、Grid 布局，以及 Bootstrap 或 Tailwind 这样的框架，这些内容能帮助学生快速构建美观的网页。接下来，JavaScript 的高级部分，比如 ES6 + 特性、异步编程、模块化，还有 AJAX 和 Fetch API，这些是开发动态网页和与后端交互的基础。
之后，版本控制工具 Git 和 GitHub 的使用也是必不可少的，因为在实际开发中协作和代码管理非常重要。然后，前端构建工具如 Webpack、Babel，以及包管理器 npm/yarn，这些工具能让学生了解现代前端工作流程。接下来是前端框架，Vue.js、React 或 Angular，选择一个作为入门，这里可能需要更多时间，因为框架的学习曲线较陡，尤其是组件化开发和状态管理。
项目实战部分非常重要，通过实际项目让学生综合运用所学知识，比如 TodoList、博客系统或电商网站首页，这能帮助他们巩固知识并积累经验。最后，部署和优化，以及进阶方向，帮助学生了解如何将项目上线，并指引他们未来的学习路径。
还要考虑课程的结构安排，比如总课时数，每周的课程安排，理论与实践的比例，确保学生有足够的时间练习。可能还需要安排练习和作业，比如每个阶段的小项目，以及最后的综合项目。此外，教学方法也需要考虑，比如理论讲解、代码演示、课堂练习、项目实战和代码审查。
需要确认用户是否有特定的框架偏好，比如 React 还是 Vue，或者是否要涵盖移动端开发如 React Native。不过用户可能希望先打好基础，所以可能先专注于核心内容，框架部分可以选一个作为入门。另外，是否需要包括测试、TypeScript 等内容，但作为入门课，可能放在进阶部分更合适。
总结下来，课程大纲应该分模块逐步推进，从 HTML/CSS 到 JavaScript，再到工具和框架，最后通过项目整合知识，同时注重实践和练习，确保学生能够动手操作，巩固所学内容。还要考虑学生的学习节奏，避免内容过于密集，导致跟不上。可能需要将每个模块分成几周，每周安排具体的主题和练习，确保学生有足够的时间消化。
最终，大模型会结合深度思考过程，给出一个比较好的结论：
好的！以下是一个专为前端初学者设计的 8 周入门课程大纲，每周可安排 2-3 次课（每次 1.5-2 小时），包含理论 + 实践 + 作业。课程设计由浅入深，注重动手能力。
# 课程目标
- 掌握 HTML/CSS/JavaScript 核心基础
- 能独立开发响应式静态网页
- 理解现代前端开发流程和工具
- 为后续学习框架（如 Vue/React）打下基础
# 课程大纲
## 第一阶段：基础认知（1 周）
- 什么是前端开发？
- 前端 vs 后端 vs 全栈
- 浏览器、服务器、DNS 基本概念
- 前端技术栈全景图（HTML/CSS/JavaScript → 框架 / 工具）
- 开发环境搭建
- 安装 VS Code + 必备插件（Live Server, Prettier）
- Chrome 开发者工具入门（检查元素、控制台）
## 第二阶段：HTML（1 周）
- HTML 核心语法
- 标签、元素、属性
- 文档结构（<!DOCTYPE>、<head>、<body>）
- 常用标签实战
- 文本类：<h1>~<h6>、<p>、<span>、<br>
- 结构类：<div>、<header>、<section>、<footer>
- 列表与表格：<ul>/<ol>、<table>
- 表单与交互：<form>、<input>、<button>
- HTML5 新特性
- 语义化标签（<nav>、<article>等）
- 多媒体标签（<video>、<audio>）
- **实践项目**：搭建一个简单的个人简介页面（纯 HTML）。
## 第三阶段：CSS（2 周）
- CSS 基础语法
- 选择器（类、ID、标签、后代选择器）
- 盒模型（margin/padding/border/content）
- 常用单位（px, em, rem, %）
- 布局与定位
- Flexbox 弹性布局（重点）
- Grid 网格布局（基础）
- Position（relative/absolute/fixed）
- 样式进阶
- 响应式设计（媒体查询 @media）
- 过渡与动画（transition、@keyframes）
- 变量（CSS Custom Properties）
- CSS 预处理工具（可选）
- Sass/SCSS 快速入门
- **实践项目**：将个人简介页面升级为响应式页面，添加样式和布局。
## 第四阶段：JavaScript（3 周）
- JS 基础语法
- 变量声明（let/const）、数据类型
- 运算符、条件语句（if/else）、循环（for/while）
- 函数（声明、参数、返回值）
- DOM 操作
- 获取元素（querySelector、getElementById）
- 修改内容、样式、属性
- 事件监听（click、input、submit）
- JS 进阶
- 数组与对象操作（map/filter/forEach）
- 异步编程（setTimeout、Promise基础）
- 模块化（import/export）
- 实战案例
- 制作计算器
- 实现动态待办事项列表（Todo List）
- **实践项目**：开发一个交互式网页应用（如天气查询界面、简易博客）。
## 第五阶段：工程化与工具（1 周）
- 版本控制入门
- Git 基础命令（init、add、commit、push）
- GitHub 仓库管理
- 构建工具初探
- npm 包管理（install、scripts）
- Webpack/Vite 快速上手（配置基础项目）
- 代码规范
- ESLint + Prettier 配置
- **实践任务**：将之前的项目用 Git 管理并发布到 GitHub Pages。
## 第六阶段：综合项目（1 周）
- **项目主题**：开发一个完整响应式网站
- 可选方向：
- 个人作品集网站
- 电商产品展示页
- 新闻资讯站
- 要求：
- 使用 HTML/CSS/JavaScript
- 适配手机 / PC
- 包含动态交互（如轮播图、表单验证）
## 学习资源推荐
- 文档类：MDN Web Docs、W3Schools
- 练习平台：FreeCodeCamp、Codecademy
- 社区：Stack Overflow、掘金、GitHub
## 课程特色设计
- 每节课后：布置小练习（如用 Flexbox 实现导航栏）
- 每周答疑：集中解决共性问题
- 代码审查：对作业进行逐行点评
- 结业展示：学生演示自己的项目
## 学员能力评估
- 作业完成度（30%）
- 结业项目（40%）
- 随堂测验（20%）
- 课堂参与度（10%）
希望这个大纲对你有帮助！如果需要细化某个模块或补充案例，可以随时告诉我！ 😊
通过上面的实践，我们会看到，对于功能强大的模型，比如Deepseek-R1来说，你只要给它准确清晰的指令，它通过深入思考，通常就会做得非常优秀。
但是这里需要注意的是，你仍然需要给大模型尽量清晰准确的指令，例如：
我想给初学者讲前端入门课，帮我规划一个课程大纲。
这里的“初学者、入门课”就是非常重要的信息，它告诉了大模型我期待的课程的难度和适用人群。
不过，Deepseek-R1虽然非常强大，但是这个强大是来源于它的深度思考模式，这个模式需要花费更多的算力和推理时间，模型的价格也比较昂贵。
如果我们想要在能力弱一些，甚至参数规模较小的模型下，依然得到不错的结果，就需要在提示词上多花一点功夫了。
比如，我们将Deepseek-R1换成豆包，输出结果如下：
以下是一份适合初学者的前端入门课程大纲，涵盖了前端开发的基础核心知识，整体课程分为理论讲解、实践操作和项目实战几个部分，帮助学员逐步建立前端开发的知识体系和实践能力。
## 课程简介与目标
- 课程简介：介绍前端开发在互联网行业中的重要性和应用场景，让学员对前端开发有一个整体的认识。
- 课程目标：通过本课程的学习，学员将掌握 HTML、CSS 和 JavaScript 的基础知识，能- 够独立完成简单的网页制作，并对前端开发流程有初步的了解。
## 第一部分：前端开发基础认知（2 小时）
- 互联网与 Web 开发概述
- 互联网的基本概念和工作原理
- Web 开发的组成部分（前端、后端、数据库）
- 前端开发的职责和技能要求
- 前端开发环境搭建
- 文本编辑器的选择与安装（如 Visual Studio Code）
- 浏览器的选择与使用（如 Chrome）
- 版本控制系统 Git 的基本介绍
- 前端开发工具介绍
- 浏览器开发者工具的使用（元素审查、调试、网络监控等）
- 包管理工具 npm 的基本使用
## 第二部分：HTML 基础（4 小时）
- HTML 简介
- HTML 的概念和作用
- HTML 文档的基本结构（DOCTYPE、html、head、body）
- HTML 标签与元素
- 常用标签的使用（标题、段落、链接、图片、列表等）
- 标签的属性和值
- 块级元素和内联元素的区别
- HTML 表单
- 表单的基本结构和用途
- 表单元素的使用（输入框、下拉框、单选框、复选框、按钮等）
- 表单数据的提交和处理
- HTML 语义化
- 语义化标签的概念和优势（header、nav、main、article、section、footer 等）
- 如何使用语义化标签构建页面结构
## 第三部分：CSS 基础（6 小时）
- CSS 简介
- CSS 的概念和作用
- CSS 的三种引入方式（内联样式、内部样式表、外部样式表）
- CSS 选择器
- 元素选择器、类选择器、ID 选择器的使用
- 组合选择器、属性选择器、伪类选择器和伪元素选择器的介绍
- CSS 盒模型
- 盒模型的概念和组成部分（内容区、内边距、边框、外边距）
- 盒模型的宽度和高度计算
- 盒模型的应用场景（布局、间距调整等）
- CSS 布局
- 浮动布局的原理和使用方法
- 清除浮动的方法
- 定位布局（静态定位、相对定位、绝对定位、固定定位）
- 弹性布局（Flexbox）的基本概念和使用
- CSS 样式设计
- 文本样式（字体、字号、颜色、对齐方式等）
- 背景样式（背景颜色、背景图片、背景重复等）
- 边框样式（边框宽度、边框颜色、边框样式等）
## 第四部分：JavaScript 基础（8 小时）
- JavaScript 简介
- JavaScript 的概念和作用
- JavaScript 在网页中的引入方式
- 变量和数据类型
- 变量的声明和赋值
- 基本数据类型（数值、字符串、布尔值、null、undefined）
- 引用数据类型（对象、数组）
- 运算符和表达式
- 算术运算符、赋值运算符、比较运算符、逻辑运算符等
- 表达式的求值和优先级
- 控制语句
- 条件语句（if-else、switch）
- 循环语句（for、while、do-while）
- 跳转语句（break、continue、return）
- 函数
- 函数的定义和调用
- 函数的参数和返回值
- 匿名函数和箭头函数的使用
- 对象和数组
- 对象的创建和属性访问
- 数组的创建和元素操作
- 数组的常用方法（push、pop、shift、unshift、splice 等）
- 事件处理
- 事件的概念和类型（点击事件、鼠标事件、键盘事件等）
- 事件绑定的方法（内联事件处理程序、DOM0 级事件处理程序、DOM2 级事件处理程序）
- 事件对象的使用
## 第五部分：前端综合实践（4 小时）
- 项目需求分析
- 确定项目的主题和功能需求
- 设计项目的页面结构和布局
- 项目开发流程
- 搭建项目开发环境
- 编写 HTML 结构
- 添加 CSS 样式
- 实现 JavaScript 交互功能
- 项目优化与调试
- 代码的优化和压缩
- 浏览器兼容性问题的解决
- 调试工具的使用和常见问题的排查
## 第六部分：课程总结与拓展（2 小时）
- 课程内容回顾
- 总结 HTML、CSS 和 JavaScript 的重点知识和技能
- 回顾项目开发的流程和方法
- 前端开发的拓展学习
- 前端框架和库的介绍（如 React、Vue.js、Angular）
- 前端工程化的概念和工具（如 Webpack、Babel）
- 前端性能优化的方法和技巧
- 答疑与交流
- 解答学员在课程学习过程中遇到的问题
- 鼓励学员分享学习心得和经验，互相交流和学习
## 课程评估与考核
- 作业布置：在每一部分课程结束后，布置相应的作业，让学员巩固所学知识和技能。
- 项目考核：要求学员独立完成一个简单的网页项目，根据项目的完成情况进行评估和考核。
- 考试测评：在课程结束时，进行一次综合考试，考查学员对课程内容的掌握程度。
我们对比一下，虽然豆包的结果也还不错，但相对来说，还是Deepseek-R1要更好一些。
如果要得到更好的结果，有几种技巧可以提升大模型正确理解提示词的能力，我们分别通过实践来一一体会。
使用结构化提示词
可能你有听说过提示词框架的概念。
提示词框架（Prompt Framework）是指在大模型中，设计一组清晰且结构化的提示词，用以引导模型生成特定类型的输出。它有助于提高生成的准确性、相关性和质量，确保模型的回应更符合用户的需求。
提示词框架有很多种，有一些框架适用于特定的场景，例如我们后续课程会学习到的案例“AI面试官”，就会用到一个RCSA（Role-Context-Situation-Action）的提示词框架。
在这里，我们用一个简单的结构化提示词来改写我们的问题输入，看看会得到怎样的结果。
还是使用豆包模型，我们在Coze上创建一个智能体，在“人设与回复逻辑”那里输入：
你是一位曾经就职于互联网头部企业的资深软件工程师和IT教育专家，擅长用通俗易懂的语言来给初学者讲解相应技术方向的基本概念和入门知识。
根据用户的输入，整理一门入门级技术课程的大纲，要求：
1. 注重基本概念和原理，为学员打下扎实基础
2. 具有实操性，注重实用性
3. 内容不要求大而全，要循序渐进，适合初级学员掌握
4. 准备的案例简单而兼具趣味与挑战
5. 展望未来，适当介绍一些新技术和技术趋势
上面这个例子，就是一个典型的结构化提示词，我们可以看到，它采用了角色（Role）-任务（Task）-结果（Result）的基础结构，通过这样的设定，我们约束了大模型的输出，从而得到更好的结果。有兴趣的同学可以用上面的结构化提示词，分别调用Deepseek、豆包和Kimi，再对比不用结构化提示词的情况，看一下它们的差异。
使用分步思考工作流
在不使用深度思考模型（如DeepSeek-R1）的前提下，要实现类似的效果，也并不是没有办法，我们可以利用工作流让AI进行深度思考。
还是前端课程大纲的例子，我们创建一个Coze工作流，添加一个大模型节点，负责思考课程设计思路。
在节点的设置面板中，设置系统提示词：
# 角色
你是一位曾经就职于互联网头部企业的资深软件工程师，拥有丰富的软件开发经验。
# 任务
你根据用户需求，为授课老师设计满足该需求的入门课程提供经验指导。
提供经验指导的具体方法如下：
- 以你过往的工作经验，分析该课程的核心重点和教学难点
- 考虑学员是零基础的初学者，因此需要由浅入深的上手指南，你要结合用户需求，给出指导方法，告诉授课老师如何让学习坡度不会过于陡峭
- 你要指导授课老师，如何课程内容要有实用性，不要与实际工作脱节
- 你要协助授课老师，指导如何在课程中适当增加实战经验，这些经验来源于你丰富的职业经历。
- 你要协助授课老师，让课程有实操性，实操案例有一定的挑战，但又不会让学员觉得太难
- 协助授课老师考虑课堂与学员的随堂互动
# 输出
你不需要输出完整课程，也不需要输出实际的课程大纲，你只需要输出你的思路、要点和建议的内容。记住这些内容不是你自己去讲课，而是为专业的授课老师做指导和参考，以便于后续老师按照你的思考来设计具体的课程大纲
别忘了设置用户提示词，直接采用用户输入：
{{input}}
接着我们创建另一个智能体，负责根据设计思路完成课程大纲。
首先配置输入参数：
接着撰写系统和用户提示词：
系统提示词
你是一位IT教育专家，擅长用通俗易懂的语言来给初学者讲解基本概念和入门知识。
根据用户需求和设计思路，整理并输出入门级技术课程的大纲。
用户提示词
# 用户需求：
{{req}}
# 设计思路：
{{guide}}
最终我们连接节点，完成工作流，点击试运行，输入“前端”，就可以看到具体效果了。
在这里我就不列出具体返回结果的内容了，有兴趣的同学可以按照上面的步骤，自己创建这个工作流，实际体会一下它的效果。
使用分步思考工作流有个独特的地方，那就是可以将任务颗粒度细化，让不同的智能体每次只专注于一件事，然后通过协作将内容汇总完成，这样做通常能够较大程度提升输出结果的质量。
由于大模型的注意力机制，一次交互更加适合集中精力处理一件明确的事情，这样的单点处理结果比同时处理多件事，能得到更好的效果。
但是一次处理多件事也有优点，就是相比于多个节点的工作流，它能节省token数量，也能节省推理的时间。
我们可以使用定义结构化输出的技巧，让大模型一次推理返回多种类型的信息，下面我们就来看一下。
使用JSON输出
文本大模型有较强的推理能力，有时候我们不用描述太复杂的提示词，可以通过语义化的JSON格式来取巧地实现我们想要的内容效果。
我们看一个例子。我们创建一个Coze智能体，在“人设与回复逻辑”里输入：
根据{{input}}的主题，用**中文**输出以下JSON格式内容：
{
"story_instruction": "",
"the_whole_story_content": "",
"the_whole_story_translate_to_en": "",
"lessons": []
}
我们测试一下它的输出，输入“狼来了”，它输出如下结果：
{
"story_instruction": "讲述一个放羊娃多次撒谎喊 “狼来了”，最后狼真的来了却没人相信他的故事，教育人们要诚实，不能说谎。",
"the_whole_story_content": "从前，有个放羊娃，每天都去山上放羊。一天，他觉得十分无聊，就想了个捉弄大家寻开心的主意。他向着山下正在种田的农夫们大声喊：“狼来了！狼来了！救命啊！” 农夫们听到喊声急忙拿着锄头和镰刀往山上跑，他们边跑边喊：“不要怕，孩子，我们来帮你打恶狼！” 农夫们气喘吁吁地赶到山上一看，连狼的影子也没有！放羊娃哈哈大笑：“真有意思，你们上当了！” 农夫们生气地走了。第二天，放羊娃故伎重演，善良的农夫们又冲上来帮他打狼，可还是没有见到狼的影子。放羊娃笑得直不起腰：“哈哈！你们又上当了！” 大伙对放羊娃一而再再而三地说谎十分生气，从此再也不相信他的话了。过了几天，狼真的来了，一下子闯进了羊群。放羊娃害怕极了，拼命地向农夫们喊：“狼来了！狼来了！快救命呀！狼真的来了！” 农夫们听到了他的喊声，以为他又在说谎，大家都不理睬他，没有人去帮他，结果放羊娃的许多羊都被狼咬死了。",
"the_whole_story_translate_to_en": "Once upon a time, there was a shepherd boy who went up the mountain to herd sheep every day. One day, he felt extremely bored and came up with an idea to play a trick on everyone for fun. He shouted loudly to the farmers who were working in the fields below the mountain:"Wolf! Wolf! Help!"The farmers heard the shouts and rushed up the mountain in a hurry with hoes and sickles in their hands. As they ran, they shouted:"Don't be afraid, son. We're coming to help you fight the evil wolf!"When the farmers gasped their way up the mountain, there wasn't even a shadow of a wolf! The shepherd boy burst out laughing:"This is so funny. You've been tricked!"The farmers left angrily. The next day, the shepherd boy repeated the same trick. The kind farmers rushed up again to help him fight the wolf, but still didn't see any sign of the wolf. The shepherd boy laughed so hard that he could hardly stand up:"Haha! You've been tricked again!"Everyone was very angry with the shepherd boy for lying again and again, and from then on, they no longer believed a word he said. A few days later, a real wolf came and suddenly rushed into the flock of sheep. The shepherd boy was extremely scared and shouted desperately to the farmers:"Wolf! Wolf! Help quickly! The wolf is really here!"The farmers heard his shouts. Thinking that he was lying again, no one paid any attention to him and no one went to help him. As a result, many of the shepherd boy's sheep were bitten to death by the wolf.",
"lessons": ["做人要诚实，不能通过说谎来达到自己的目的。", "如果经常说谎，当真正有危险需要帮助时，可能就不会有人相信和伸出援手。"]
}
我们看到，只需要用符合语义的JSON格式作为输出格式，不需要额外解释，大模型就能够输出基本上符合我们想要的JSON结果。
可能你要说上面的例子太简单，那我们换一个稍微复杂一点的例子，根据用户询问的科学问题，输出一段科普式的解答。
根据用户{input}要求，解释科学内容，用**中文内容**以JSON格式回复。
输出：
{
"topic": "",
"sections": [
{
"section": 1,
"subtopic": "",
"explaination": "",
"explaination_in_english": ""
},
{
"section": 2,
"subtopic": "",
"explaination": "",
"explaination_in_english": ""
},
{
"section": 3,
"subtopic": "",
"explaination": "",
"explaination_in_english": ""
},
{
"section": 4,
"subtopic": "总结",
"explaination": "",
"explaination_in_english": ""
},
...
],
"next_question": ""
}
比如用户输入“天空为什么是蓝色的”，大模型输出如下结果：
{
"topic": "天空为什么是蓝色的",
"sections": [
{
"section": 1,
"subtopic": "光的组成",
"explaination": "太阳光其实是由多种不同颜色的光混合而成的，这些光的波长各不相同。按照波长从长到短，依次为红、橙、黄、绿、蓝、靛、紫，它们共同构成了可见光谱。当太阳光进入地球的大气层时，就会与大气中的各种物质发生相互作用。",
"explaination_in_english": "Sunlight is actually a mixture of light of different colors, and these lights have different wavelengths. From the longest to the shortest wavelength, they are red, orange, yellow, green, blue, indigo, and violet, which together form the visible spectrum. When sunlight enters the Earth's atmosphere, it interacts with various substances in the atmosphere."
},
{
"section": 2,
"subtopic": "瑞利散射",
"explaination": "地球的大气层中充满了各种气体分子，如氮气、氧气等，还有一些微小的尘埃颗粒。当太阳光遇到这些气体分子和尘埃时，就会发生散射现象。其中，瑞利散射是一种重要的散射方式，它的散射强度与光的波长的四次方成反比。也就是说，波长越短的光，越容易被散射。",
"explaination_in_english": "The Earth's atmosphere is filled with various gas molecules, such as nitrogen and oxygen, as well as some tiny dust particles. When sunlight encounters these gas molecules and dust, scattering occurs. Among them, Rayleigh scattering is an important scattering method, and its scattering intensity is inversely proportional to the fourth - power of the wavelength of light. That is to say, light with a shorter wavelength is more likely to be scattered."
},
{
"section": 3,
"subtopic": "蓝色光的散射",
"explaination": "在太阳光的各种颜色中，蓝色光的波长相对较短。根据瑞利散射的原理，蓝色光比其他颜色的光更容易被大气中的气体分子和尘埃散射。当太阳光穿过大气层时，大量的蓝色光被散射到四面八方，使得整个天空都充满了被散射的蓝色光。所以，我们从地面上看天空时，就会看到天空呈现出蓝色。",
"explaination_in_english": "Among the various colors of sunlight, blue light has a relatively short wavelength. According to the principle of Rayleigh scattering, blue light is more easily scattered by gas molecules and dust in the atmosphere than other colors of light. When sunlight passes through the atmosphere, a large amount of blue light is scattered in all directions, making the entire sky filled with scattered blue light. Therefore, when we look at the sky from the ground, we see the sky as blue."
},
{
"section": 4,
"subtopic": "总结",
"explaination": "天空呈现蓝色是由于太阳光包含多种颜色的光，进入大气层后，大气中的气体分子和尘埃会对光产生散射。根据瑞利散射原理，波长较短的蓝色光更容易被散射，大量蓝色光散射到整个天空，从而使我们看到的天空是蓝色的。",
"explaination_in_english": "The sky appears blue because sunlight contains light of various colors. After entering the atmosphere, gas molecules and dust in the atmosphere scatter the light. According to the principle of Rayleigh scattering, blue light with a shorter wavelength is more easily scattered. A large amount of blue light is scattered across the entire sky, making the sky we see blue."
}
],
"next_question": "在不同的天气条件下，天空的颜色会有怎样的变化呢？"
}
另外，你还记得上一节课我们使用视觉模型时，采用的提示词吗？当时我们也是运用JSON输出，来获得我们期望的内容。
分析图片内容，找出最能描述图片的一个英文单词，尽量选择更简单的A1~A2的词汇。
返回JSON数据：
{
"image_discription": "图片描述",
"representative_word": "图片代表的英文单词",
"example_sentence": "结合英文单词和图片描述，给出一个简单的例句",
"explaination": "结合图片解释英文单词，段落以Look at...开头，将段落分句，每一句单独一行，解释的最后给一个日常生活有关的问句",
"explaination_replys": ["根据explaination给出的回复1", "根据explaination给出的回复2"]
}
由于大模型对JSON结构化信息的分析和处理能力很强，所以在大多数情况下，采用JSON格式输出，能够获得比采用文本输出更加优质的内容。但是JSON也有一些问题，那就是它的结构特点，使得在输出JSON的同时，想要充分利用流式输出减少响应时间变得比较困难。关于这个问题，正是我们在后续的几节课里要去讨论并解决的核心问题。
要点总结
在这节课中，我们讨论了一些提示词相关的技巧，这虽然不是传统的编程技术的内容，但是它与程序开发依然有一些共性，对我们的逻辑思维能力有一定的要求，同时还可以用一些技术思路和方法去优化它。
如果继续深入探讨下去，提示词相关的内容其实还有很多可以挖掘的 ，我们这次就先讨论到这里。在后续的课程中，我们还有大量的实践机会。在这些具体的实践项目里，我们还可以进一步理解和体会提示词的一些使用技巧和方法。
课后练习
尝试修改分步思考工作流，思考如何进一步提高内容输出的质量，另外如果我们要依次输出大纲中每个章节的提纲、重点和章节中的具体目录，用Coze工作流怎么实现？你可以自己试试看，添加新的节点来完成这些工作。
当你运行多次工作流时，可能会发现它每次生成的大纲格式可能不相同，这不利于应用界面的处理，有什么办法可以让它每次生成的大纲格式相同吗？有兴趣的同学可以思考和尝试一下，然后把你们的结论分享到评论区。
精选留言
2025-05-11 13:11:58
现在的推理模型有深度思考， 一般情况能给我们比较好的答案，但是推理模型比较耗费 token， 如果我们想要在普通的大模型上获得较好的结果，提示词就能发挥巨大的作用。
如何书写提示词：
1. 明确清晰的指令
2. 使用结构化提示词（RCSA Role-Context-Situation-Action ）
3. 分布思考工作流（比如先让大模型提供思路，再根据提供的思路生成具体的结果）
4. 使用 JSON 输出（大模型对结构化处理能比较强）
2025-05-02 11:21:23