在很短的时间内，人工智能已成为软件开发过程的重要组成部分，增强了各个级别和阶段的决策和分析。它也已成为一个主要的绊脚石，并且围绕其使用存在很多争议。人们普遍认为人工智能提供的结果过于通用或过于模糊，或者无法提供所需水平的深度和精度。我想说这可能是真的，因为今天的人工智能工具很大程度上依赖于人类的输入。这就是为什么人工智能提示设计成为使用人工智能工具进行有效工作的首要因素。 在本文中，我想重点讨论一种特定类型的 AI 提示 - 表格驱动提示。当正确组合并牢记明确定义的目标时，这些提示可以使所有软件开发过程中的工作流程和价值流受益。它们可以大大减少适当研究的时间和精力，让您能够做出经过良好教育的、数据驱动的决策和预测，从而使您的软件开发周期更加结构化、可预测和防错。 什么是表格驱动提示：优点和挑战 在自然语言处理（NLP）中，表格驱动提示是基于提示的人工智能学习范式之一，它使用具有行和列的表格作为信息呈现的结构基础。它的特点是结构设计更简单，但需要更复杂的定义输出。在此定义中，每一列代表一个特定的输入，每一行代表一个特定的输出。它与基于规则或基于公式的提示（输出完全依赖于预定义的规则）最大的区别在于它依赖于关键字和术语，并且输入和输出之间的依赖关系更加灵活。这种灵活性带来了许多重要的好处。 适应性 由于表生成提示的输入输出依赖性并不是那么严格，因此您可以微调输入以获得更精确或特定于条件的输出。这意味着，我们可以通过扩展查询来调整表输出，同时保持表公式不变。  允许使用不同格式的文件，例如 CSV 和 base64 这些下一级工具可以极大地提高常规 NLP 任务的准确性和效率 持续精益求精 与其他类型的提示相比，表格驱动的提示提供了足够的细化空间，当您继续测试新的输入输出组合时，可以产生更好、更准确和更可靠的结果。  然而，表格驱动的提示需要一种受过教育的设计方法。优秀的手工制作的表格驱动提示需要深厚的领域专业知识以及 NLP 工具的丰富知识。因此，模型对表驱动提示中的微小输入变化的高敏感性不仅是一个很大的优势，也是一个很大的挑战。  了解表格驱动的即时工程如何提高开发过程中的决策制定和效率 让我们从一个说明性的例子开始。例如，您需要在一个领域决定技术堆栈，该领域有大量可用工具乍一看同样足以满足任务，但选择很大程度上取决于项目的细节和具体情况。如果您手动进行这项研究，可能需要花费大量时间和宝贵的人力来收集所有数据并计算可能的场景。也就是说，前提是您对这些工具以及您正在寻找的内容有足够的知识和理解。但是，您还拥有未来系统的非常详细的非功能性需求列表，例如并发用户数、给定时间段内的事务数等，以及系统必须满足的标准列表见面。有了这个，您可以编写一个表格驱动的提示，或者将其分解为单一标准表格以获得更高的准确性，并要求人工智能提供可用技术的最佳选择来实现这一点。让人工智能填写各种条件集的单元格将为您提供详细的决策矩阵。  有很多方法可以进一步增强这项任务，并使最终结果对输入更加敏感和具体。例如，您可以要求人工智能将某些标准优先于其他标准。您还可以添加非直接影响的条件，例如您可以使用的某些专家的可用性、他们使用特定工具的愿望或准备情况或掌握某些技术所需的学习曲线，以及需要考虑的各种限制。您还可以要求 AI 从常规表格和图表开始对输出进行多种演示，或将其转换为决策树，以根据输出和任意数量的其他因素（例如统计数据、团队偏好、资源分配）创建建议和别的。当您需要在利益相关者面前做出决定或捍卫您的选择时，像这样进行和组织的研究将成为一个重要的杠杆。  然而，还有一个关键问题。 我们如何知道人工智能生成的对表格驱动提示的响应是有效的？ 表生成提示提供了多种可以轻松验证的特性，并返回特定于案例且来源透明的数据。当然，这在很大程度上取决于您设计提示的程度。在使用表驱动提示的情况下，提示质量和响应质量之间的依赖性是容易处理的。以下是表格驱动提示的一些品质，它们使输出成为非常可靠的信息源和决策的坚实基础。 结构化数据收集 表驱动的提示适用于以简单集群结构的数据，并且每个数据源都易于跟踪和验证。数据是在软件开发过程中的各种任务、角色和工作流程中系统收集的，这使得数据高度可靠和一致。 测试驱动的方法促进工程设计 使用表格驱动的提示可以进行大量的实验，并为微调和测试变量及其值的各种组合留出很大的空间，以使结果更加针对具体情况，并且提示过程经过广泛的测试。 情境理解 由于精心设计的提示中的信息被分解为简单的表驱动依赖项，因此输入变量的值和优先级的变化使您可以看到输出中最轻微的变化。因此，表格驱动的提示能够考虑开发过程中的许多上下文细微差别和特定要求。这使得收集到的数据具有可操作性。 与业务需求保持一致 当您需要考虑具有不同优先级的许多因素时，表驱动提示的微调功能提供了很大的可能性。表驱动的提示可以轻松适应各种用户角色和业务目标，使输出数据非常相关，并提高其决策和分析的实用性。 受益于使用表格驱动提示的开发相关任务 虽然应用表驱动提示来增强工作流程的位置没有限制，但某些任务可以特别从中受益。 仪表板和分析 表驱动的提示非常适合收集分析数据。例如，如果您需要分析一堆技术的相互交叉兼容性，然后定义一起使用它们时最可能出现的问题。您可以更进一步，将其分解为按优先级列出的可能问题以及各个应用领域，例如负载、销售、学习曲线等。 决策表测试 决策表是用于管理各种类型的需求和高级 QA 任务的极其有效的工具。使用表格驱动的提示，QA 工程师可以快速验证是否涵盖了测试条件和要求的所有可能组合。 文本分类 当您需要快速分析大量文本（例如一篇内容广泛的文章或研究论文）并将主要论文以表格形式呈现时，表格驱动的提示非常有用，特别是当源文章列出了几个重要的观点和观点时一个有问题的主题。 利用特定领域的知识 表格生成提示有助于利用广泛且并不总是容易获取的特定领域知识，而无需使用额外的资源，例如研究和测试时间和精力、学习特定领域语言、术语和行话。  精心设计的提示的要素 尽管表格驱动的提示可以增强决策和工作流程，但这在很大程度上仍然取决于您设计提示的效果。 清晰结构化的格式 定义的列和行以逻辑且一致的相互依赖格式组织输入和输出是至关重要的。您还需要在所有元素之间建立定义的相关性，以便您的输出简洁。 上下文相关性 提示应该与所讨论的任务非常具体，包含所有影响条件、变量，以及重要的约束。它还应包含详细且明确的指令，以指导人工智能做出有效的响应。后续提示，将原来的提示分解成几个，让AI分析之前的输出以及添加额外的查询，都会让输出更加高效。 广泛的即时测试 编写有效的提示通常是多次尝试的结果，因此您应该准备使用多种输入组合来测试最有效的方法，并严格测试提示。 完整的问题覆盖 尽管设计提示并对其进行测试通常是检测提示本身中的空白点的好方法，但覆盖尽可能多的内容以检测原始输入中尽可能多的白点总是有用的。 广泛比较 表格驱动的提示非常适合比较评估，在编写提示时，利用此功能以获得更透明和准确的结果非常重要。使用比较也是测试提示和查找查询中的空白点的好方法。 人工智能细节 了解您正在使用的人工智能模型的行为细节并在设计提示时考虑它们可以极大地提高输出。 我可以列举的一些其他表生成提示工程的最佳实践包括使用思想链推理和少量学习。结合这两种与人工智能交互的技术将帮助您大大提高输出的相关性，并将响应引导到所需的方向。  要点 表格驱动的提示可以通过减少研究、集思广益、讨论和争论来极大地增强开发中的决策过程，因为如果设计得当，它们可以提供组织良好、客观的信息，这些信息既有充分的基础，又没有固执己见。 然而，设计有效的表格驱动提示需要一定的技能，并且通常可以通过反复试验来改进。表格驱动的提示对上下文高度敏感，这是它们的巨大优势，因为它提供了极大的灵活性和微调空间。它还提出了挑战，因为您需要考虑复杂的因素组合才能精确地创建此类上下文。

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Read My Stories

該音頻是用故事的原始語言製作的！

表驱动的提示设计：如何增强软件开发中的分析和决策

About Author

註釋

標籤

这篇文章刊登在

Related Stories

Claude Sonnet 3.5 系统提示泄漏：法医分析

Telegram：加密岛通往大陆的桥梁

从论坛到信息流：社交媒体算法如何塑造数字互动

扬帆起航：利用数据湖开发生产级 RAG 应用程序

Claude Sonnet 3.5 系统提示泄漏：法医分析

Telegram：加密岛通往大陆的桥梁

从论坛到信息流：社交媒体算法如何塑造数字互动

扬帆起航：利用数据湖开发生产级 RAG 应用程序

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps