主要观点：近期在做“面向 AI 的编程”，总结相关技巧，因未来技巧可能失去价值，此篇文章可提供帮助；程序员追求确定性，有“纯函数”和“不纯函数”，不纯函数在工程上有诸多问题；现要面向 LLM 编程，自然语言沟通虽好但需约定规范，建议用英文写 Prompt 以提高效果和降低成本，还需补全用户输入，防止 Prompt 注入，可通过圈定用户输入和使用 boundary prompt 来干预，同时介绍提升 LLM 能力的“咒语”，如精心准备 Prompt 等。
关键信息：

• 纯函数输出固定，不纯函数因有副作用而输出不固定，如引入数据库值的函数。
• 用 JSON 格式规范 LLM 输出，校验输出是否有效及包含所需信息。
• 大部分可用数据集为英语，OpenAI LLM 按 token 计费，汉字占用 token 多，建议用英文写 Prompt。
• 补全用户输入可改善 LLM 对用户的理解，如读取用户环境等信息。
• Prompt 注入类似 SQL 注入，用户可构造输入突破限制，可通过圈定用户输入和使用 boundary prompt 来防止。
• 提升 LLM 能力可通过精心准备 Prompt，如添加背景故事等。
  重要细节：
• 以 Go 语言代码示例展示纯函数和不纯函数的区别。
• 给出具体的 Prompt 示例，如翻译 Prompt 及防止注入的各种 Prompt 写法。
• 提及 Yann LeCun 出题让 GPT-4 答错，添加特定语句后 GPT-4 能得出正确答案。