1. DeepSearch
我举个翻译prompt的例子，因为我自己是不知道翻译成怎么样算是好的翻译（即对于好的定义，自己的表达是模糊的），所以直接通过 deepsearch 研究分析，怎么样翻译是好的，需要注意哪些问题，有什么办法解决翻译中的一些问题。
接着把这个研究报告丢给 Claude，让他根据这个研究结果来给出一个初版的prompt，接着就是prompt优化。这个初版的 prompt 的往往可用性已经很高了。
2. 模仿
AI 其实是很擅长模仿（我这里用的是模仿，是一种人类语言的表达，更精准的表达应该是叫训练）
比如你想学习某一个人的分析、思考的框架，你可以把这个人的各种内容发给AI，让AI分析他的内容，然后得出一个定制版的prompt，这种往往常见于各类哲学家、逻辑分析等prompt
3. 对话
跟已有的prompt进行对话，针对某一个具体的问题和AI进行探讨，然后让AI给出解决方案。最后根据这个过程，让AI提取出一个解决框架后，形成prompt。
4. 直接生成
直接说明你的要求，需要使用高阶模型，然后通过提示词优化器进行不断优化对比。这个方法要求你需要对AI生成的结果能做具体的评价，不是单纯的这个回答或者这个回答不好，要精确指出哪个点不符合你的需求。 如果你说不清楚，那么这一点可以用另一个AI进行回答检查来做反馈。 AI 和AI的对话碰撞。
