📌 📄 内容摘要:
shiquda 在 LLM提示词的简单技巧：STAR 中发帖
本文首发于我的博客。
STAR法则
[PixPin_2024-12-28_16-38-22]
S: Situation，背景信息
T: Task，任务目标
A: Audience，受众
R: Requirements，输出要求
在提问的时候，给LLM（大语言模型）提供上面四个不同维度的信息，可以让LLM生成更优质的回复。
举一个例子：
简单提问
介绍一下下面的概念：
附加律
化简律
假言推理
拒取式
析取三段论
假言三段论
等价三段论
构造性二难
构造性二难（特殊形式）
破坏性二难
使用STAR优化的提问
[PixPin_2024-12-28_16-48-58]
使用Deepseek官网的默认模型对话进行测试，效果差异非常明显。具体回答根据论坛规则，就不放出来了，感兴趣的也可以去我的博客查看。
提示词优化输出的本质
相信你应该有听说过提示词能够优化输出。比如说：
...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/317516/1
─────────────────────────────
📢 来源：LINUX DO
