# 一般提示技巧
<a name="prompting-general-tips"></a>

**注意**  
本文档适用于 Amazon Nova 版本 1。有关提示 Amazon Nova 2 时最佳做法的信息，请访问[一般最佳实践](https://docs.aws.amazon.com/nova/latest/nova2-userguide/prompting-best-practices.html)。

以下一般提示技巧将帮助您创建更好的提示：
+ **任务分解**：如果任务很复杂，并且 Amazon Nova 模型难以遵循错综复杂的互联逻辑，则建议您确定问题范围并将其分解为一系列离散的调用。这可以通过利用工作流技术来实现，例如提示串接（即串接一系列单个调用）或并行执行（即同时执行独立的调用）。
+ **指令细分**：建议将复杂的指令分解为一系列指令或更多原子指令。这是帮助模型理解指令并提高其指令遵循性能所必需的。
+ **避免任何假设，为模型提供明确的指导**：Amazon Nova 模型表现出强大的遵循指令的能力，但前提是提供的提示明确且具体。至关重要的是避免做出任何假设，而是为模型提供直接、明确的指导。提示越透明、直接，模型的响应就越有效。
+ **转义的 Unicode 字符**：当模型遇到*转义的 Unicode 语言案例*时，有时会进入重复循环。可以通过要求模型忽略转义的 Unicode 字符来避免此问题。例如：“永远不要在输出中放入转义的 Unicode - 只需使用未转义的本机字符，例如，不要包含诸如 \$1u3492 之类的序列。”
+ **构建长、信息密集的提示**：在共享示例、上下文、指令和输出格式等大量信息时，建议使用明确的格式技术来构建内容。具体来说，使用 markdown 或项目符号可以帮助增强 Amazon Nova 模型更有效地理解和组织所提供信息的能力。
+ **先描述再回答**：建议您指示模型彻底描述其在图像或视频中观察到的所有内容，总结关键详细信息，并在回答有关内容的特定问题之前提供全面的叙述。这种让模型首先描述整个视觉信息，然后在后续步骤中响应目标查询的技术通常可以提高模型的性能。
+ **从文档中提取文本**：由于 Amazon Nova 使用视觉理解从 PDF 中提取信息，因此如果用例仅涉及读取文档的文本，则建议使用开源 API 来提取文档的文本内容。可以将提取出的文本提供给 Amazon Nova，以便您可以识别并提取文档中的关键信息。