网站文字编辑怎么做北京网站优化实战
策略1：尽可能多地描述任务细节
为了获得精准的回应，请确保提供问题的详细信息，否则模型只能乱猜测
示例：无任务细节
用Python编写一个二分查找算法
示例：有任务细节
用Python编写一个二分查找算法，算法需要满足以下内容：
1.如果目标值存在返回下标，否则返回 -1
2.区间为左闭右闭
策略2：指定角色
示例：无指定角色
解释大模型蒸馏技术是什么
示例：指定角色
你现在是一位小学6年级计算机老师，请你向你的学生解释大模型蒸馏技术是什么
策略3：使用分隔符和占位符
常⻅的分隔符：三引号（"""，'''）、横线（---）、HTML标记（<content></content>）
常⻅的占位符：{{}}、<>
示例：使用分隔符---
我在windows电脑上的wsl中安装了docker，在docker中安装了dify，在windows上安装了ollama，现在在windows上的浏览器上访问dify的ip是：http://172.27.101.64/，windows的主机ip是：10.219.xx.xx，在dify中添加ollama时，基础url填写http://10.219.xx.xx:11434，保存时报下面的错误：
---
An error occurred during credentials validation: HTTPConnectionPool(host='10.219.xx.xx', port=11434): Max retries exceeded with url: /api/chat (Caused by ConnectTimeoutError(<urllib3.connection.HTTPConnection object at 0x7fbaaf85e510>, 'Connection to 10.219.xx.xx timed out. (connect timeout=10)'))
---
怎么解决这个问题？
在测试工作中让大模型帮忙解决问题时个人最爱用分隔符横线（---）啦
策略4：指定完成任务所需要的步骤
如果我们的任务中包含⼀些具有依赖关系的步骤，后边的步骤依赖于前边步骤的完成，我们最好在提⽰词中明确的写清楚所有的步骤，否则⼤模型会⾃⾏猜测这些步骤，导致输出的结果不符合我们预期，显式写出步骤可以使模型更容易理解和完成任务。
示例：
你是⼀位⾃媒体写⼿，我希望你对⼀篇热点新闻，创作⼀篇新的⽂章。
创作步骤：
1. 先对新闻内容进⾏总结。
2. 发表⾃⼰的观点，以“第⼀”、“第⼆、”、“第三”等形式展⽰。
3. 结尾提出⼀个问题，引导读者进⾏评论
要求：
1. 仅输出⽂章内容，不需要进⾏分段解释
2. ⼝语化表达
原始⽂章：
---
xxxxxxxxxxxxxx......
---
策略5：提供示例
如果无法描述清楚自己想要获得什么样的回答，可以直接给大模型提供一个示例
示例：
你是⼀名⾃媒体写⼿，请你参考我提供的⽂案⻛格，帮我写⼀个旅游对怡情的⾃媒体⽂案。
要求如下：
1.第⼀⼈称视⻆
2.语⽓⾃然，⼝语化
3.能引起大多数人对旅游的内⼼共鸣，引起读者评论和点赞
4.创作⼀个类似的⽂案，内容不能和原始⽂案重复
参考⽂案：
---
xxxxxxxxxxxxxx
---
策略6：拆分任务
将复杂任务人工分解为多个子任务，让大模型分阶段处理每个子任务，通过这种⽅法，将⼤任务拆分为多个子任务，每个子任务只需要关注当前任务本⾝，⽽不是整个复杂的大任务，这样做的好处是可以降低错误率
需求：写⼀份实时音视频的市场分析报告
示例：不拆分任务
写⼀份实时音视频(RTC)发展前景报告
回复结果：任务过于笼统，回复的内容中大部分是自己不想要的或者只是浅浅提到，并未深入
示例：拆分任务
第一个子任务：收集数据
列出实时音视频(RTC)2023年至2025年市场规模：包括全球市场规模，中国市场规模，全球主要应用领域占比
第二个子任务：中国竞品分析
对比实时音视频(RTC)中国头部公司发展规模以及各公司竞争优势
第三个子任务：行业发展依赖
分析实时音视频(RTC)发展需要依赖的核心技术，并分析当下这些技术是否成熟，能否足够支撑行业发展
第四个子任务：对未来发展趋势的预测
根据前面的三步，预测实时音视频(RTC)未来5年的发展趋势
第五步：内容合并
基于前面四步，完成实时音视频(RTC)发展前景报告，字数控制在3000字以内
第六步：优化润色
请检查上⼀步⽣成的报告内容，对内容进⾏润⾊和优化。重点优化：
1.数据单位统⼀性
2.专业术语解释
3.段落过渡衔接
4.结论与数据的呼应关系
总的来说，对于复杂的任务，要想得到满意的答案，还是需要人去参与。可以先不拆分任务，根据大模型的回答打开思路，然后在拆分任务，获得更精准的回答。
策略7：分段总结长文档
很长的⽂本会超过⼤模型的限制，这种场景下可以把长文本拆分为多个部分，让⼤模型对每⼀个部分做总结，然后最后再针对各个部分的总结，做⼀个汇总的总结。
示例：
我会给你⼀本书的内容，每个章节单独发送给你，请你对每个章节进⾏总结，最后再对每个章节的总结进⾏汇总，输出⼀个总的摘要。请你按照以下步骤执⾏:
1. 我会给你每个章节的内容，你根据我提供的章节内容做总结
2. 当我给你说:“发送完毕”时，你就对每个章节的总结，做⼀个汇总，对汇总内容进⾏摘要总结并输出出来
然后依次输入每章节内容，章节输入完成后，输入“发送完毕”