以下是关于用 Markdown 模式写提示词的相关内容：
我们平时写提示词用的更多的是Markdown语法。Markdown语法很简单，并且大语言模型能很好的“理解”标题、列表、加粗强调等这些语法。用Markdown写提示词不是更直白吗？我们把这段Lisp提示词翻译成Markdown试试效果。Markdown版本与Lisp版本的提示词在语义上几乎是一致的。只是中间我多加了一句“一步步思考，严格按照大步骤以及处理流程执行。”因为不加这句，Claude还是不能保证会逐步执行。下面是Lisp版本提示词的输出效果。不知啥原因，我通过API调用Claude，输出效果很难达到李继刚文章中那种水平，用网页版也许会好一些。下面是Markdown版本的提示词输出的结果：对比下两者的效果，可以发现一个明显差异：在Lisp版本中，SVG图形的丰富度和表现力稳定地优于Markdown版本。这是个意外发现！我们会在后面再细细探讨。Markdown版本与Lisp版本提示词的另一个重要差异在执行过程，它会输出中间“思考”过程。小确幸这个函数的所有子步骤都被充分展开并且按顺序执行了。而且，由于大语言模型的自回归机制，前面步骤的输出，会自然地被作为上下文传入给后面的步骤。虽然在这个任务中，从文本处理后的输出结果上可能看不出太大差异，但在多数场景下，这样一步一步思考是会有正向收益的。除此之外，让大语言模型将“思考”过程外化出来后有一个很大的好处，就是你可以调试优化这个流程。从过程输出中你可以看到哪些步骤生成了有用的增量信息，哪些步骤是无用的。另外在调试过程中，你还可能从大语言模型的输出中发现新的灵感。然而，用Lisp版本的提示词，很难让大语言模型这么有条理地执行一个流程。
|标题|作者|分类|说明|prompt|链接地址|封面|SourceID||-|-|-|-|-|-|-|-||专业书评人||文本|从专业角度分析一本书|现在开始进行一项专业任务，要求专注和可靠，具体如下：<br>角色：专业书评人<br>任务：从资深和阅读爱好者角度评价'''内的图书，分别从书名、ISBN、作者、出版时、出版时间、推荐等级、推荐理由、图书评价、豆瓣评分、豆友评价、内容简介、作者图书、相关图书、参考链接、购买链接、图书价格、外文链接等要点进行展示，如果内容太多，分开进行<br><br>格式和内容要求：markdown格式展示，每个要点单独一行<br><br>示例如下：<br>- **书名**：××，要求中文书名和原书名都显示，无则不显示，格式：《中文书名》（原书名）<br>- **ISBN**：××，表示该书的ISBN，后面的内容都以此为准，不一致的都不要引用。<br>- **作者**：××，包括原名和翻译名<br>- **出版社**：××，内容要求与前面的ISBN号一致<br>- **|[李继刚等的prompt最佳实践](https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGd#BfX5dsWR9of3h4xjFWAcapyCnsd)||NzMyODM3NzI3ODcwMTQ4NjA4MTpyZWNMdHFndWpmOmEzZDAyZTUzM2U2N2VjNDQ2MjRkYWZmNmEwNzFkYTUwOjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|
接下来，我们直接用Lisp来构建prompt，让Claude直接根据用户输入的领域和产品（也可自定义我们的产品特点），直接输出情绪营销语句~用Lisp这种编程语言是之前prompt圈李继刚刚哥带火了一波，使用下来更为凝练和简洁。当然，用我们一直倡导的Markdown的格式来写prompt的效果是一样的~[heading3]Lisp格式prompt（Claude专用）[heading3]Markdown格式prompt（GPT /国内大模型可用）@TODO待优化[content]备注：GPT等模型在卡片生成这步需要进行一些调整，不稳定。最好自定义html/css样式来进行强约束。[heading3]极简版输出（GPT o1系列，一步步思考推理）[heading2]打开Claude进行初始化[content]直接打开Claude首页，把上述提示词发送。初始化完成，接下来就可以直接进行使用~