思维提示链如何改善您的 ChatGPT 输出

谷歌正在打击大规模的内容滥用行为。 但这并不意味着您必须停止扩展内容引擎。 这甚至并不意味着您必须停止使用人工智能来支持扩展。 这只是意味着你不能依靠垃圾、空洞的内容来竞争。

那么，如何拥抱人工智能来增加内容量而不受到惩罚呢？

很简单：将人工智能作为一种增强工具，而不是人类创造者的替代品。

增强内容创建工作的一种方法是使用新的人工智能策略，例如思维链提示，以更快地创建更高质量的内容。

让我们深入了解 CoT 的世界以及它如何帮助您改进内容引擎。

什么是思维链提示？

思维链提示（CoT）是一种用于提高大型语言模型（LLM）推理能力的技术。 核心思想是鼓励模型将复杂问题分解为更小、更易于管理的步骤，提供明确的推理链以得出最终答案。

这类似于您在学校学习如何解决数学或推理问题的方式。 这是其工作原理的快速（高度简化）版本：

• 问题转化：不是简单地向法学硕士提出任务或问题，而是一系列思维提示重组输入以包含短语“让我们一步一步思考”。该提示指示模型生成中间推理步骤。
• 中级推理：鼓励模型逐步明确地展示其思维过程，从而得出解决方案。这可能涉及计算、逻辑推论或回忆相关信息。
• 最终答案：模型得出最终答案，理想情况下得到其产生的透明推理链的支持。

这种类型的提示可以在单个提示中提供，如下例所示，或者您可以将步骤分解为多个相互构建的连续提示（稍后将详细介绍）。

该方法最初由Jason Wei和 Google Research Brain 团队的专家团队在 2022 年的一篇论文中首次提出。 下面的例子来自介绍CoT的论文：

• 标准提示包含示例问题和解决方案，以及人工智能需要回答的问题。
• CoT 提示包括相同的问题解决方案集、概述如何达成该解决方案的一系列步骤，以及供 AI 回答的新问题。

正如您所看到的，该模型未能正确回答第一个问题，但当提示遍历“思想链”以到达目标时，该模型成功了。

本文指出了这种快速工程策略给许多不同推理问题带来的一些关键好处：

• 循序渐进的过程迫使人工智能进行更彻底的思考，避免逻辑跳跃，这有助于改善结果。
• CoT 提供了了解人工智能决策过程的窗口，使用户和模型设计者能够更深入地了解这些模型的工作原理。
• 通过要求解释人工智能为何选择特定输出，CoT 可以潜在地减轻法学硕士容易出现的一些偏见。
• 人工智能用户只需添加“让我们一步一步来”或“解释你的推理”等语句即可提高输出，类似于情绪提示策略。

最重要的是，这种策略有可能改善您向ChatGPT 、Gemini、 Jasper或其他基于 LLM 的 AI提供的任何基于语言的任务的结果。 事实上，谷歌自 2022 年以来一直在使用 CoT 训练其模型：

Pathways 语言模型 (PaLM) 是一种新的高级人工智能模型，它使用一种称为思维链提示的技术来完成复杂的任务，例如解决数学应用题，甚至可以逐步解释其推理过程。 #GoogleIO pic.twitter.com/YHLsnqNemv

——谷歌 (@Google) 2022 年 5 月 13 日

好的，既然您对思维提示链有了更多的了解，那么让我们来看看如何使用它来提高内容创建的效率。

思维提示链如何帮助内容创作

使用思维链提示来提高写作任务的输出比简单的数学或常识推理更复杂。 数学和文字问题有特定的规则，可以引导您得出单一的正确答案，但有许多不同的方法来实现策略或内容创建。

SEO 文案写作、内容营销和分发是一门艺术。 也就是说，这些任务还涉及很多推理，尤其是在企业规模上。

谷歌最初的 CoT 研究强调，这种提示风格通过提供模仿人类解决问题过程的循序渐进的结构化方法，显着增强了法学硕士的推理能力。

它适用于写作任务的基本原理在于写作的本质是一个过程，需要多步骤推理、计划、组织思想以及以连贯和逻辑的方式发展思想。

写作任务，尤其是那些涉及创作叙事、议论文或技术报告的任务，可以从 CoT 方法中受益，该方法概述了导致最终作品开发的思维过程。

以下是思维链提示的基本原则——构建思维过程、分解复杂问题和指导逻辑进展——如何与有效写作的要求很好地结合起来。

1）课题研究

B2B SaaS 领域充满了高科技领域——从云基础设施到功能管理，再到人工智能。

无论您是自由职业者、代理机构，还是拥有大量 API 集成的大品牌，快速消化新主题可能都是工作的核心。

思想链提示对于这项任务可能是有益的。 当试图理解一个新主题时，将学习过程分解为一系列问题和答案，每个问题和答案都建立在最后一个主题的基础上，可以帮助逐渐建立对该主题的全面理解。

CoT 可以引导模型依次探索主题的不同方面，使复杂的信息更容易消化和理解。

假设您在一家机构工作，刚刚被分配到Hashicorp 的 Terraform等云基础设施产品。 为了给您提供一个示例来说明您正在处理的复杂性，以下是维基百科对该产品的解释：

基础设施即代码 (IaC)。 声明性配置语言。 JSON。 马上，这就是三个高度复杂的主题。

让我们看看是否可以让 ChatGPT 通过识别与这三个关键字最相关的概念来加快学习过程。

通过添加“解释您选择的概念背后的基本原理”，我（理论上）以一种指导 ChatGPT 提供更深思熟虑的答案的方式提示它。

如下所示，IaC 的每个关键概念都附有对其重要性的解释。

通过这种方法，您会了解到了解 Terraform 和 Ansible 等工具不仅很重要，而且了解这些工具也很重要。 同样重要的是要知道前者与提供商无关，而后者提供无代理配置管理。

这种上下文可以帮助您更快地分解和消化复杂的上下文 - 对于像我这样的云基础设施新手非常有用。

现在让我们看看如果你只是给出一个正常的提示而不指示人工智能解释它的“思维过程”，你会得到什么方向：

当然，这里每个编号项目符号下包含的信息很重要，但它们不具有相同级别的上下文。

因此，只需添加“解释您的推理”或“逐步完成此操作”之类的语句，您就可以提高从与人工智能的每次交互中获得的价值。

2) 简要和草稿生成

作为一个主要专注于创建长篇书面内容的人，我深谙创作过程的复杂性（和疯狂性）。 从想法到成品的旅程会经历相同的检查点——主题规划、研究、简报、起草——但对某些人来说，这些点之间的路径比其他人更加曲折。

到目前为止，我从生成人工智能中获得的最大好处之一是简化了创意工作流程的各个方面。 人工智能有助于推动创意简报和草稿的顺利进行，而 CoT 提示则有可能提供更多帮助。