在现阶段的 GPT 发展下，与 AI 交流的提示词仍然非常重要。以下是一些原因：
例如，在运用 CoD 将文章做摘要的实验中，个人观点认为以英文提示词最后加上中文输出的方式效果较好，并且密度等级 4 的结果较让人满意。同时，LangGPT 框架的出现也表明随着新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为一种编程语言。但也有人认为框架在协助的同时也有限制，提示词带来的收益并非如宣传所说，其重要性会朝两极分化。
1.目标明确：不管是CoD、CoT还是ToT，确保每一步的目标清晰是非常重要的。AI需要明确的指导才能产生相关和有价值的输出。2.逻辑性：在所有提示策略中，逻辑性都是关键的。清晰、结构化的提示可以帮助AI更有效地生成输出。3.分步骤：无论是进行深度分析（如CoT）还是遵循特定的结构（如CoD），确保提示按照清晰的步骤进行是至关重要的。4.考虑变量：这在ToT中尤为重要，因为您可能会根据不同的情境或条件提供多个分支或选项。但无论在哪种情境中，都需要考虑到可能会影响结果的所有因素。所以，是的，这些原则在所有提示策略中都是通用的，且同样重要。您的观察非常精准，这些原则的通用性强调了它们在有效沟通和指导AI方面的重要性。</continuous prompts>四、【实验十二】运用CoD将文章做摘要我们尝试把之前的一篇文章，透过CoD提示做摘要（使用文章请参阅：AI如何改善保险服务价值链？——从服务体验设计服务策略开始）。提示词部分前面已分享，下面是GPT的五轮输出，摘要由粗颗粒度到细颗粒度，并分别用中英文两种方法撰写提示词。个人观点，以英文提示词最后加上中文输出的方式，效果较全中文好些，并且无论是以中文或英文写提示词，密度等级4的结果都比较让人满意（密度等级5显得过于精简而有点不知所云），这与论文结果－“总体得分倾向于更密集、信息量更丰富的摘要，其中第4轮得分最高”的结果一致。供参考。<CoD prompting>方法一：以下以中文撰写提示词的回复。【GPT】密度等级1：“Missing_Entities”：“AI在医疗大模型中的准确度;保险销售基于信任;GPT作为业务人员的个人助理“，
LangGPT是由云中江树开发的一款开源提示词框架，它旨在应对传统提示词（Prompt）在系统性、灵活性和用户友好性方面的不足，并更好地挖掘和利用大模型的潜力。随着GPT-4等新一代模型的发布，提示词的重要性日益凸显，其编写过程正逐渐成为AI时代的一种编程语言。因此，高效地编写高质量提示词——即所谓的“提示词编程”——成为了一个亟待解决的问题。为了解决这一问题，云中江树主导研发了LangGPT提示词框架。
框架在协助我们，帮助我们的同时，也限制了我们。从这些框架中我们得出一个结论，ChatGPT给我们的结果取决于我们提问的深刻程度，但是，作为一款产品来说，显然，它应该比这更智能，我一直相信所谓Prompt不过是一个幻觉，它能带来的收益不应该是宣传所说的那样，成为一个中密不外宣的黑科技。随着技术的发展，它的重要性应该会朝两极分化，不用也能得到很好的结果，用了，只是为了印证某些观察。不过写这篇文章的时候，处理markdown却没有采用框架。下一篇打算说说我对Prompt更深入的思考原始连接地址[Prompt提示词没那么玄乎也就是个沟通方式——慢慢学AI004](https://www.iaiuse.com/posts/aa328ac0.html)