# 1



## GE

为了提高大语言模型（LLM，如GPT-4o, Claude 3.5 Sonnet等）识别数学题照片并输出Markdown的准确率，你需要设计一个**结构化、约束性强且包含特定规则**的提示词（Prompt）。

以下是一个经过优化的提示词模板，以及核心策略的解析。

### 🚀 高效提示词模板 (直接可用)

你可以直接复制下面的内容作为 System Prompt 或 User Message 的第一部分：

```markdown
# Role
你是一个专业的数学排版专家和LaTeX/Markdown转换引擎。你的任务是将用户上传的数学题目图片，精准无误地转换为Markdown格式。

# Constraints & Rules (重要)
1. **精准还原**：必须逐字逐句识别，不要尝试解答题目，不要省略任何文字，也不要添加任何原图中不存在的解释或前言。
2. **LaTeX公式**：
   - 所有的数学公式、变量、数字（包括单独的x, y, 1, 2等）必须使用 LaTeX 语法包裹。
   - 行内公式用 `$ ... $` 包裹。
   - 独立公式块用 `$$ ... $$` 包裹。
   - 分数请使用 `\frac{a}{b}`，上标使用 `^`，下标使用 `_`。
3. **格式排版**：
   - 保持原题的段落结构。
   - 如果有选项（A, B, C, D），请按照列表格式排列。
   - 遇到几何图形或函数图像，请在对应位置插入说明文字：`[此处是图片：描述图片内容]`。
4. **特殊符号处理**：
   - 乘号请用 `\times` 或 `\cdot`，不要用字母 `x`。
   - 根号请用 `\sqrt{}`。
   - 积分、求和、极限等高级符号请使用标准的LaTeX命令。
5. **自我修正**：
   - 如果图片模糊或有手写痕迹，请根据数学逻辑推断最可能的字符（例如，在几何题中，"∠A=90°"比"∠A=900"更合理）。
   - 检查括号是否闭合，分数线是否完整。

# Output Format Example
(不要输出 ```markdown 标记，直接输出内容)

1. 已知函数 $f(x) = x^2 + 2x + 1$，则 $f(1)$ 的值为 (  )
A. $1$
B. $2$
C. $3$
D. $4$

# Your Task
请识别输入的图片内容，并输出Markdown源码。

```

---

### 💡 提升准确率的 5 个关键策略

如果你想进一步微调或理解为什么这么写，以下是核心原理：

#### 1. 明确角色定位 (Persona)
*   **错误写法**：帮我看一下这个题。
*   **正确写法**：你是一个专业的数学排版专家，专门负责OCR识别。
*   **原理**：设定角色可以减少模型“试图解题”的幻觉，强制它专注于“识别”而非“思考答案”。

#### 2. 强制 LaTeX 规范 (Explicit Syntax)
数学公式最容易出错的地方是混用纯文本和公式。
*   **要求**：明确要求所有的变量（哪怕是一个简单的 $x$）都必须用 `$` 包裹。
*   **好处**：这样输出的结果放入 Markdown 编辑器（如 Obsidian, Typora）或网页渲染时，格式会非常漂亮，不会出现排版错乱。

#### 3. 禁止“废话” (Zero-shot Chain of Thought)
模型很喜欢说“好的，这是你要的题目...”或者在最后加上“这道题选C”。
*   **提示词**：`不要解答`、`不要添加前言后语`、`直接输出Markdown源码`。
*   **好处**：方便你直接复制粘贴，不需要二次清洗数据。

#### 4. 利用上下文修正 (Logical Inference)
OCR 经常把 $0$ 识别成 $O$，把 $1$ 识别成 $l$。
*   **提示词**：`根据数学逻辑推断模糊字符`。
*   **例子**：如果模型看到 $x^z + y^2 = 1$，它可能会识别错，但如果你告诉它这是勾股定理或圆方程，它会自动修正为 $x^2$。

#### 5. 分步处理（针对复杂图片）
如果图片非常复杂（包含大量手写字、表格、图形），单纯的一个 Prompt 可能不够。你可以尝试 **Few-Shot Prompting（少样本提示）**：

**在提示词中给它一个例子：**

> **用户**：[输入一张简单的图片]
> **参考输出**：
> 1. 若 $\triangle ABC$ 为直角三角形，且 $\angle C = 90^\circ$，则...
>
> **用户**：[输入现在的图片]
> **请参照上面的格式进行识别。**

### 🔧 如果LLM还是经常出错，怎么办？

1.  **预处理图片**：在发给 LLM 之前，用手机自带的编辑功能把图片裁剪一下，只保留题目部分，去掉桌子背景、手指阴影，提高对比度。
2.  **更换模型**：
    *   **GPT-4o**：目前数学OCR能力最强。
    *   **Claude 3.5 Sonnet**：在代码和格式化输出上非常精准，很少出错。
    *   **Gemini 1.5 Pro**：处理长上下文和多模态能力也很强。
3.  **分两步走**：
    *   第一步：让 LLM 描述图片中的所有数学元素。
    *   第二步：让 LLM 根据刚才的描述写出 Markdown 代码。

你可以先试用上面的模板，如果发现哪类特定的符号容易错（比如矩阵、化学方程式），可以在 `特殊符号处理` 那一栏专门加一条规则。