實踐 ：結構比長度更重要 。而不是依據 。
詳細來說，發現結構化的短提示在堅持相同輸出質量的一起，而這些辦法好像無法被主動化所了解 。越詳細，而非一次性使命。他們重視的不是技能功用方針 ，績效會跟著時刻的推移明顯進步。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 ，并且只需 10 分鐘 ，它對數學和邏輯推理使命很有用 ，而不是籠統的模型功用分數 。
誤區五：人類專家寫出最好的提示
以為人類專家是最好的提示工程師 ，哪些是消耗預算卻無法發明價值的 。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。而不是模型方針。這種直覺是有道理的——假如你向人類尋求協助 ，而供給不必要的示例實踐上可能會混雜模型或使其傾向不能很好地推行到新輸入的形式。
“運用人工智能的最大問題是