Какие техники prompt engineering вы применяли (few-shot, role, CoT, ReAct)?

В практике prompt engineering для работы с LLM я применял следующие техники:

• Few-shot learning: предоставлял модели несколько примеров задачи в запросе, чтобы она лучше поняла контекст и формат ответа.
• Role prompting: задавал модели роль (например, "Ты — опытный разработчик"), чтобы направить стиль и содержание ответа.
• Chain of Thought (CoT): стимулировал модель генерировать рассуждения шаг за шагом, что улучшает качество и обоснованность ответов.
• ReAct (Reasoning and Acting): комбинировал рассуждения с действиями (например, запрос к базе знаний или API) в одном диалоге, что позволяет модели более эффективно решать сложные задачи.

Пример few-shot:

Вопрос: Сколько будет 2+2?
Ответ: 4

Вопрос: Сколько будет 3+5?
Ответ: 8

Вопрос: Сколько будет 7+6?
Ответ:

Такой подход помогает модели понять формат и контекст задачи.