为了让AI在用户输入不完整的问题时提供多个补充信息并提示用户补充细节，可以设计一个有效的提示（prompt）。这个提示应该明确地告诉AI去识别不完整的输入，并提供几种可能的补充信息方向。以下是一个示例的提示：
Prompt:
用户输入的问题不完整。请提供几个可能的补充问题方向，以帮助用户进一步细化他们的需求。以下是用户输入的原始问题：
【用户输入的问题】
为了帮助用户澄清他们的问题，请考虑以下几点并提出相应的补充问题：
请根据这些提示生成多个补充问题，帮助用户更详细地描述他们的需求。
Example Usage:
用户输入的问题： "如何提高网站的用户流量？"
AI生成的补充问题：
通过这种方式，AI可以更有效地引导用户提供更多的细节，从而更好地理解和解决他们的问题。
1 ICIO框架*指令执行的具体任务*背景信息：提供执行任务的背景信息，上下文内容，让大模型更好的回答*输入信息：大模型需要用到的一些信息*输出信息：明确输出的具体信息的要求，比如字数，比如风格比如格式2 BROKE框架通过GPT的设计提示，来提升整体反馈的效率。2、背景提供足够背景信息，让大模型可以理解问题的上下文*角色设定特定的角色，让GPT根据特定的角色能力的特点来形成响应*目标明确任务的目标，让大模型知道你想让他做什么*结果定义明确可以衡量的结果，让大模型清楚自己做的情况*调整根据具体的情况，来调整具体的结果3 CRISPIE框架*能力和角色你期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文*声明，简洁明了的说明希望完成的任务*个性，回应的风格、个性或者方式*实验：提供多个回答的示例
传统的机器学习是p(y|x; a)假设a是我们训练出来的模型。【训练】我们用大量人工标志，训练出来一个模型a。给了大量猫的照片，就返回cat。模型里面包含了大量猫照片的特征。【预测】给一个新的照片，根据模型特征按照一定概率返回猫或者其他动物。大模型是p(y|x; a)假设a我们训练出来的通用模型。这个模型没有经过人工的标注，但是他什么都可以学会。我们给出的Prompt其实就是x，然后让大模型基于这个x知道概率最大的y，这样就避免了人工的标注，但是依赖于x给入的信息，去更大概率找到合适的y。我们给一张照片，然后我们输入这是一个动物，这是什么，然后大模型根据这个输入，提取照片的特征和我们的提示作为输入，最终返回猫。
8.测试和调整：在生成文本后，仔细检查结果，并根据需要调整prompt。这可能需要多次迭代，直到达到满意的结果。希望这些建议能帮助你更好地编写prompt。内容由AI大模型生成，请仔细甄别。