基本策略
思维链意味着
多步推理能力
嘉宾分享
嘉宾：罗杰 Jieer Luo
agent：由无数组prompt写好的各种角色
建议：关注各大院校、工作坊·黑客松
零样本思维链 Zero-shot Chain of Thought
—— 思维链意味着多步推理能力。
目录
⇨ 何为「清晰表达」：用「特征」描述你的需求
⇨ 让GPT做「角色扮演」：为什么会管用？
⇨ 使用结构化的方式组织提示词
何为「清晰表达」：
用「特征」描述你的需求
● 特征（feature）：「越讲细节」，实际上是添加额外的特征
○ eg.「我有一只会后空翻的，胖胖的大橘猫」
○ 逻辑：prompt的作用是在概率的海洋中大海捞针 →
💡 prompt 的作用：
● 告诉chatgpt一些它不知道的东西，比如「你想要什么」
● 减少不确定性
○ eg. 思考题：让chatgpt写一篇文章
▪ 在 prompt 描述清楚足够的要求，例如：主题和目的，目标读者，文章结构，内容详细要求，风格和语调，长度要求，关键词和短语等
让GPT做「角色扮演」：
为什么会管用？
●「角色扮演」的流行：
○ awesome-chatgpt-prompts
○ openai官方gpts内置的prompt
●why it works？
○ 一个角色可以映射到多维度的各种不同的特征
○ eg.一个人是「好爸爸」
▪ 生理/社会/性格/行为/语言的特征
○ eg.思考题：一个「好作家」拥有哪些特征？
▪ 作业：再问一遍 gpt，作调整「世界一流的顶尖好作家可能会拥有哪些特征」，观察其中的细微差别
▪ gpt ——人类各种知识的总和
使用结构化的方式
组织提示词
●理论：如何定义一个问题？
○ Herbert. a. simon的问题空间理论
○ 问题的正式定义需要抓住这三个要素：初始状态+目标状态+操作
○ 初始状态：B，目标状态：O+K，操作（步骤可以让gpt自己列出）
●实践：利用BROKE框架设计chatgpt prompt【Task Base】
💡 利用BROKE框架设计chatgpt prompt
●阐述背景B：说明背景，为LLMs提供充足信息
●定义角色R：我们希望LLMs扮演的角色
●定义目标O：我们希望实现什么
●定义关键结构K：我要什么具体效果
●试验并调整，改进E：三种改进方法自由组合
○ 改进输入：从答案的不足之处着手改进背景B，角色R，目标O与关节结果K
○ 改进答案：在后续对话中指正Chatgpt答案缺点
○ 重新生成：尝试在 prompt 不变的情况下多次生成结果，优中选优
○ 每条 BROKE框架写成的 prompt 都描述了一个初始状态与目标状态清晰的任务
●从日常场景转变到生产场景的难题
●结构化提示词LangGPT【Role Base】
○ 云中江树（wx：zephyr_ai）发起，
EmbraceAGI组织托管的开源提示设计方法项目，旨在以构造、模块化的方式编写高质量的ChatGPT提示
○ github.com/EmbraceAGI/LangGPT
💡 结构化提示词LangGPT
#Role
-定义聊天机器人将扮演的角色。这个角色应当具备完成任务所需的特定领域知识。在这部分，您需要描述聊天机器人的专业背景和其在该领域的经验。
##Profile
-作者信息，包括作者名称、版本号和链接。
##Goals
-描述您希望聊天机器人实现的具体目标。这些目标应当明确、具体，以确保聊天机器人能够准确理解您的需求并提供相关的帮助。
##Constraints
-这部分列出了完成任务时需要遵守的规则和限制。这有助于确保聊天机器人的回答不仅准确，还符合特定的要求或标准。
##Workflow
-描述完成目标所需经历的步骤。这部分应当提供一个清晰的指导，帮助聊天机器人理解解决问题的逻辑和顺序。
##Skills
-说明聊天机器人为完成任务所需具备的特定技能和专业知识。这些技能是聊天机器人解决问题和提供帮助的基础。
##Initialization
-这是一个固定的结束语，激励聊天机器人遵循以上提到的步骤和约束，以完成既定的目标。
【#】markdown语言，一级标题，二级标题……
○ 框架，模版只能保证AI回复的下限，真正重要的核心是其中包含的对于问题与流程的抽象
▪ LangGPT是以「角色」/「智能体」为核心构建的
▪ 每条LangGPT Prompt都相当于一个
「agent」
▪ 每个模块都为这个agent提供了详细的描述与限制共同构成了这个智能体
●结构化提示词的核心是对问题与流程的抽象
○ eg.要求GPT「描述心理活动」
——为问题建立清晰的结构
讲师：陈财猫， AN_Universe笔记：豚
排版：惠子
审核：T1NG