你是一位{專業領域}的專家，擁有{年限}年經驗，專長于{具體技能}。
請你幫我{具體任務}。

你是一位軟件架構師，擁有15年云原生應用開發經驗，專長于微服務架構和DevOps實踐。
請你幫我設計一個電商平臺的后端系統架構，要求高可用、可擴展，并考慮到流量峰值處理。

請按照以下步驟完成{任務}：
1. 首先，{第一步具體要求}
2. 然后，{第二步具體要求}
3. 接著，{第三步具體要求}
...
N. 最后，{最后一步具體要求}

每個步驟的輸出格式為：{定義輸出格式}

請按照以下步驟分析這段Python代碼：
1. 首先，解釋代碼的整體功能和目的
2. 然后，識別代碼中的關鍵變量和函數
3. 接著，指出代碼中可能存在的性能問題或bug
4. 最后，提供優化建議

每個步驟的輸出格式為：## [步驟名稱] 后跟詳細分析

請以{格式類型}格式回答以下問題：{問題內容}

輸出要求：
- 格式：{詳細格式說明}
- 長度：{字數或段落要求}
- 風格：{風格要求}
- 其他：{其他特殊要求}

請以JSON格式回答以下問題：什么是微服務架構的主要優勢和挑戰？

輸出要求：
- 格式：標準JSON，包含"advantages"和"challenges"兩個主鍵，每個主鍵下是包含"title"和"description"的對象數組
- 長度：每個描述不少于50字
- 風格：技術專業風格
- 其他：確保JSON格式有效，可以直接被解析

請解決以下問題：{復雜問題}
請一步步思考，展示你的推理過程，然后給出最終答案。

# 在代碼中實現思維鏈提示
prompt = """
請分析以下電商網站的轉化率數據，并提出改進建議：
- 網站訪問量：10,000/天
- 產品頁面瀏覽：6,000/天
- 加入購物車：1,200/天
- 開始結賬：800/天
- 完成購買：400/天

請一步步思考，展示你的推理過程，然后給出最終的改進建議。
"""

response = ai_model.generate(prompt)

請從以下幾個角度分析{主題}：
1. {角度一}的視角
2. {角度二}的視角
3. {角度三}的視角
...

對于每個角度，請提供：
- 主要觀點
- 支持證據
- 潛在問題

請從以下幾個角度分析"在企業中引入ChatGPT類AI工具"：
1. 生產力提升的視角
2. 信息安全的視角
3. 員工技能發展的視角
4. 成本效益的視角

對于每個角度，請提供：
- 主要觀點
- 支持證據
- 潛在問題

我需要你幫我{任務描述}。

以下是我期望的輸出示例：
示例1: {詳細示例1}
示例2: {詳細示例2}

現在，請按照類似格式為{具體輸入}生成輸出。

我需要你幫我將技術概念解釋得通俗易懂，適合非技術人員理解。

以下是我期望的輸出示例：
示例1: API是什么？
API就像餐廳里的服務員，它接收你的請求（點菜），將請求傳達給廚房（服務器），然后將結果（食物）送回給你。你不需要知道廚房如何烹飪食物，只需要知道如何向服務員下單。

示例2: 云計算是什么？
云計算就像使用公共電網而不是自己發電。你不需要購買和維護自己的發電機（服務器），而是按需從電網（云服務提供商）購買電力（計算資源）。這樣既經濟又方便。

現在，請按照類似格式解釋"區塊鏈技術"。

def customer_service_bot(query, customer_info):
    prompt = f"""
    你是一位專業的電商客服代表，名叫AI助手。你的任務是幫助客戶解決問題并提供支持。
    
    客戶信息：
    - 姓名：{customer_info['name']}
    - 會員等級：{customer_info['membership_level']}
    - 購買歷史：{customer_info['purchase_history']}
    
    請按照以下步驟回應客戶的查詢：
    1. 首先，親切地稱呼客戶的名字并表示你理解他們的問題
    2. 然后，直接回答客戶的問題，提供準確、相關的信息
    3. 如果需要更多信息，禮貌地詢問
    4. 最后，詢問是否還有其他需要幫助的事情
    
    客戶查詢：{query}
    
    回應格式：
    問候：[個性化問候]
    回答：[對查詢的直接回應]
    結束語：[友好的結束語和后續服務提示]
    """
    
    return ai_model.generate(prompt)

def code_review_assistant(code_snippet, language):
    prompt = f"""
    你是一位經驗豐富的{language}開發專家，專注于代碼質量和最佳實踐。請對以下代碼進行全面審查：
    
    ```{language}
    {code_snippet}
    ```
    
    請從以下幾個方面進行分析：
    1. 代碼功能：這段代碼的主要功能是什么？
    2. 代碼質量：評估代碼的可讀性、可維護性和效率
    3. 潛在問題：識別可能的bug、安全漏洞或性能瓶頸
    4. 改進建議：提供具體的改進代碼的建議，包括代碼示例
    
    輸出格式：
    ## 代碼功能
    [詳細說明]
    
    ## 代碼質量評估
    [詳細評估]
    
    ## 潛在問題
    - [問題1]
    - [問題2]
    ...
    
    ## 改進建議
    ```{language}
    [改進后的代碼示例]
    ```
    [解釋改進理由]
    """
    
    return ai_model.generate(prompt)

# 提示詞迭代優化示例
initial_prompt = "解釋什么是Docker"
response = ai_model.generate(initial_prompt)

# 評估響應后，優化提示
improved_prompt = """
你是一位DevOps專家，請用簡單的比喻解釋Docker的概念，使得完全沒有技術背景的人也能理解。
解釋應包含：
1. Docker的基本概念
2. 它解決的主要問題
3. 與傳統虛擬化技術的區別
4. 一個生活中的類比

限制在300字以內，使用通俗易懂的語言。
"""
improved_response = ai_model.generate(improved_prompt)

背景信息：{詳細背景}
目標受眾：{受眾描述}
預期用途：{用途說明}
限制條件：{時間/長度/格式等限制}

請基于以上信息，{具體任務}。

# 低溫度設置 - 更確定性的回答，適合事實性任務
factual_response = ai_model.generate(prompt, temperature=0.2)

# 高溫度設置 - 更創造性的回答，適合創意任務
creative_response = ai_model.generate(prompt, temperature=0.8)