词汇速查

引导模型在给出答案前逐步展示推理过程，显著提升数学、逻辑和多步骤问题的准确率。

在 Prompt 中提供少量输入-输出示例，让模型通过上下文学习理解任务格式和风格。

发送给 LLM 的输入文本，包含指令、上下文、示例等，是控制模型输出行为的主要手段。

攻击者通过构造恶意输入操控 LLM 忽略原始系统指令，是 AI 应用安全的核心威胁之一，尤其在 Agent 能访问外部内容时风险极高。

将外部知识库检索与 LLM 生成相结合，解决模型知识截止和幻觉问题，让回答有据可查。

结合推理（Thought）和行动（Action）的提示范式，让模型在每次工具调用前先显式推理，再观察结果并决定下一步，是构建可靠 Agent 的基础模式。

在对话开始前设置模型角色、行为约束和全局规则的特殊提示词，对整个会话持续生效。

强制 LLM 按 JSON Schema 等预定格式输出，确保响应可被程序化解析，是构建生产级 AI 应用的关键工程实践。