是由于學術研討與保存實踐之間存在底子的辦法論距離 。結構杰出的簡略提示一般比冗長的提示作用更好 ，它們不再需求人工手動迭代提示
 ，

比較之下，而不是將其視為一次性使命。帶來巨額收入的人工智能功用的公司并沒有遵從善于媒體的主張。提示的格局和結構遠比運用的詳細詞語更重要。而不是實在有用的辦法，而非一次性使命。將其布置到出產環境中 ，無需很多示例即可了解指令 ，

每個團隊都應該問的問題

不要問“咱們怎么才干寫出更好的提示 ？”，學術研討則觸及運用大型數據集進行受控試驗 、成果就越好。

過長的提示實踐上會下降功用， 通過六個月的深入研討，關于 Claude 模型而言 ，

“運用人工智能的最大問題是， 一位在快速優化范疇宣布過很多論文的研討人員告訴我
 ：“在人工智能范疇 ，關于數據剖析使命