一日一技：超简单方法显著提高大模型答案质量
原文中文，约3700字，阅读约需9分钟。
📝
内容提要
使用Markdown格式编写Prompt可能导致大模型返回不符合预期的结果，建议改用XML格式，以更清晰地定义各部分，避免误解，提高回答质量。
🔎
延伸解读
Markdown与XML的比较
Markdown格式虽然易于使用，但在复杂的Prompt中可能导致大模型的误解，返回不符合预期的结果。相比之下，XML格式通过清晰的标签结构，能够更好地定义各个部分，减少混淆，从而提高回答的准确性。
避免Prompt注入问题
使用XML格式可以有效避免Prompt注入问题。在构建Prompt时，XML的结构化特性确保了大模型不会受到文章内容的干扰，从而准确回答指定的问题。这对于需要精确回答的场景尤为重要。
RAG场景中的应用
在RAG（检索增强生成）场景中，使用XML格式可以保持答案与参考文献的对应关系。通过明确标记每篇文章的ID，大模型能够在回答时清晰地指出信息来源，增强回答的可信度和可追溯性。
❓
Q&A
为什么使用Markdown格式编写Prompt可能导致问题？
使用Markdown格式可能导致大模型返回的结果格式不符合要求，需手动处理，且可能引起误解。
XML格式的Prompt有什么优势？
XML格式可以更清晰地定义各部分，避免内容混淆，并能有效防止Prompt注入问题。
如何使用XML格式来提高大模型的回答质量？
通过使用XML格式，可以清晰地标识Prompt的各个部分，确保大模型准确理解并回答问题。
在RAG场景中，XML格式的Prompt有什么特别之处？
在RAG场景中，使用XML格式可以保持答案与参考文献的对应关系，确保信息准确性。
Markdown和XML格式在Prompt编写上有什么主要区别？
Markdown格式容易导致内容混淆，而XML格式则提供了更清晰的结构，避免误解。
如何避免大模型忽略指定问题的情况？
使用XML格式编写Prompt，可以确保大模型不会受到文章内容的干扰，准确回答指定问题。
🏷️
