Merge pull request #14 from lecepin/patch-1

fix: 格式错误

LLM-tutorial/C.提示词工程-prompt engineering.md

@@ -79,7 +79,7 @@ System message也可以被用于规定LLM的答复范围，并设定具体的
 
 ![image](resources/b055e8d5-c7e5-40c9-b9cc-33b274d156cb.png)
 
-**注意：**即便我们在system message里面规范了模型回答，也不能保障请求一定会满足，但是好的system message设计可以增加特定结果的可能性，以及得到LLM更加符合要求的答复。
+**注意：** 即便我们在system message里面规范了模型回答，也不能保障请求一定会满足，但是好的system message设计可以增加特定结果的可能性，以及得到LLM更加符合要求的答复。
 
 **用户提示词（user prompt）**
 
@@ -168,19 +168,19 @@ System message也可以被用于规定LLM的答复范围，并设定具体的
 
 最核心的写一条好prompt的原则就是尽可能清晰、明确地表达你的需求（类比产品经理向程序员提需求）。细分下来，具体原则包括：
 
-*   **清晰的指令：**足够清晰明确地说明你希望模型为你返回什么，最后更加细致地说明需求，避免模糊表达。
+*   **清晰的指令：** 足够清晰明确地说明你希望模型为你返回什么，最后更加细致地说明需求，避免模糊表达。
 
-*   **提供上下文和例子：**给出较为充分的上下文信息，让模型更好地理解相关背景。如果能够提供示例，模型能表现更好（类似传统LLM中的in-context learning）。
+*   **提供上下文和例子：** 给出较为充分的上下文信息，让模型更好地理解相关背景。如果能够提供示例，模型能表现更好（类似传统LLM中的in-context learning）。
 
-*   **善用符号和语法：**使用清晰的标点符号，标题，标记有助于转达意图，并使输出更加容易被解析
+*   **善用符号和语法：** 使用清晰的标点符号，标题，标记有助于转达意图，并使输出更加容易被解析
 
-*   **让模型一步一步的思考：**在这种方法中，模型逐步进行思考，并呈现出涉及的步骤，这样做可以降低结果的不准确的可能性，并对模型响应的可解释性有很大的帮助。
+*   **让模型一步一步的思考：** 在这种方法中，模型逐步进行思考，并呈现出涉及的步骤，这样做可以降低结果的不准确的可能性，并对模型响应的可解释性有很大的帮助。
 
-*   **激励模型反思和给出思路：**可以在prompt中用一些措辞激励模型给出理由，这样有助于我们更好地分析模型生成结果，同时，思维过程的生成，也有助于其生成更高质量的结果。
+*   **激励模型反思和给出思路：** 可以在prompt中用一些措辞激励模型给出理由，这样有助于我们更好地分析模型生成结果，同时，思维过程的生成，也有助于其生成更高质量的结果。
 
-*   **给容错空间：**如模型无法完成指定的任务，给模型提供一个备用路径，比如针对文本提问，可以加入如果答案不存在，则回复“无答案”
+*   **给容错空间：** 如模型无法完成指定的任务，给模型提供一个备用路径，比如针对文本提问，可以加入如果答案不存在，则回复“无答案”
 
-*   **让模型给出信息来源：**在模型结合搜索或者外部知识库时，要求模型提供他的答案的信息来源，可以帮助LLM的答案减少捏造，并获取到最新的信息。
+*   **让模型给出信息来源：** 在模型结合搜索或者外部知识库时，要求模型提供他的答案的信息来源，可以帮助LLM的答案减少捏造，并获取到最新的信息。
 
 
 # 优质的提示词典型框架
@@ -206,4 +206,4 @@ System message也可以被用于规定LLM的答复范围，并设定具体的
 
 在游戏中学会prompt engineering，通关
 
-### [**https://modelscope.cn/studios/LLMRiddles/LLMRiddles/summary**](https://modelscope.cn/studios/LLMRiddles/LLMRiddles/summary)
+### [**https://modelscope.cn/studios/LLMRiddles/LLMRiddles/summary**](https://modelscope.cn/studios/LLMRiddles/LLMRiddles/summary)