思維提示鏈如何改善您的 ChatGPT 輸出

谷歌正在打擊大規模的內容濫用行為。 但這並不意味著您必須停止擴展內容引擎。 這甚至並不意味著您必須停止使用人工智慧來支援擴充功能。 這只是意味著你不能依靠垃圾、空洞的內容​​來競爭。

那麼，如何擁抱人工智慧來增加內容量而不受到懲罰呢？

很簡單：將人工智慧作為增強工具，而不是人類創造者的替代品。

增強內容創建工作的一種方法是使用新的人工智慧策略，例如思維鏈提示，以更快地創建更高品質的內容。

讓我們深入了解 CoT 的世界以及它如何幫助您改進內容引擎。

什麼是思維鏈提示？

思維鏈提示（CoT）是一種用於提高大型語言模型（LLM）推理能力的技術。 核心思想是鼓勵模型將複雜問題分解為更小、更易於管理的步驟，提供明確的推理鏈以得出最終答案。

這類似於您在學校學習如何解決數學或推理問題的方式。 這是其工作原理的快速（高度簡化）版本：

• 問題轉化：不是簡單地向法學碩士提出任務或問題，而是一系列思維提示重組輸入以包含短語“讓我們一步一步思考”。此提示指示模型產生中間推理步驟。
• 中級推理：鼓勵模型逐步明確地展現其思考過程，從而得出解決方案。這可能涉及計算、邏輯推論或回憶相關資訊。
• 最終答案：模型得出最終答案，理想情況下得到其產生的透明推理鏈的支持。

這種類型的提示可以在單一提示中提供，如下例所示，或者您可以將步驟分解為多個相互建構的連續提示（稍後將詳細介紹）。

此方法最初由Jason Wei和 Google Research Brain 團隊的專家團隊在 2022 年的一篇論文中首次提出。 下面的例子來自介紹CoT的論文：

• 標準提示包含範例問題和解決方案，以及人工智慧需要回答的問題。
• CoT 提示包括相同的問題解決方案集、概述如何達成該解決方案的一系列步驟，以及供 AI 回答的新問題。

正如您所看到的，該模型未能正確回答第一個問題，但當提示遍歷「思想鏈」以到達目標時，該模型成功了。

本文指出了這種快速工程策略為許多不同推理問題帶來的一些關鍵好處：

• 循序漸進的過程迫使人工智慧進行更徹底的思考，避免邏輯跳躍，有助於改善結果。
• CoT 提供了一個了解人工智慧決策過程的窗口，使用戶和模型設計者能夠更深入地了解這些模型的工作原理。
• 透過要求解釋人工智慧為何選擇特定輸出，CoT 可以潛在地減輕法學碩士容易出現的一些偏見。
• 人工智慧使用者只需加入「讓我們一步一步來」或「解釋你的推理」等語句即可提高輸出，類似於情緒提示策略。

最重要的是，這種策略有可能改善您向ChatGPT 、Gemini、 Jasper或其他基於 LLM 的 AI提供的任何基於語言的任務的結果。 事實上，Google自 2022 年以來一直在使用 CoT 訓練其模型：

Pathways 語言模型 (PaLM) 是一種新的高階人工智慧模型，它使用一種稱為思維鏈提示的技術來完成複雜的任務，例如解決數學應用問題，甚至可以逐步解釋其推理過程。 #GoogleIO pic.twitter.com/YHLsnqNemv

——Google (@Google) 2022 年 5 月 13 日

好的，既然您對思維提示鏈有了更多的了解，那麼讓我們來看看如何使用它來提高內容創建的效率。

思維提示鏈如何幫助內容創作

使用思維鏈提示來提高寫作任務的輸出比簡單的數學或常識推理更複雜。 數學和文字問題有特定的規則，可以引導您得出單一的正確答案，但有許多不同的方法來實現策略或內容創建。

SEO 文案寫作、內容行銷和分發是一門藝術。 也就是說，這些任務也涉及許多推理，尤其是在企業規模上。

谷歌最初的 CoT 研究強調，這種提示風格透過提供模仿人類解決問題過程的循序漸進的結構化方法，顯著增強了法學碩士的推理能力。

它適用於寫作任務的基本原理在於寫作的本質是一個過程，需要多步驟推理、計劃、組織思想以及以連貫和邏輯的方式發展思想。

寫作任務，尤其是那些涉及創作敘事、議論文或技術報告的任務，可以從 CoT 方法中受益，該方法概述了導致最終作品開發的思考過程。

以下是思維鏈提示的基本原則——建立思考過程、分解複雜問題和指導邏輯進展——如何與有效寫作的要求很好地結合。

1）課題研究

B2B SaaS 領域充滿了高科技領域——從雲端基礎設施到功能管理，再到人工智慧。

無論您是自由工作者、代理商，還是擁有大量 API 整合的大品牌，快速消化新主題可能都是工作的核心。

思想鏈提示對於這項任務可能是有益的。 當試圖理解一個新主題時，將學習過程分解為一系列問題和答案，每個問題和答案都建立在最後一個主題的基礎上，可以幫助逐漸建立對主題的全面理解。

CoT 可以引導模型依次探索主題的不同方面，使複雜的資訊更容易消化和理解。

假設您在一家機構工作，剛剛被分配到Hashicorp 的 Terraform等雲端基礎設施產品。 為了給您一個範例來說明您正在處理的複雜性，以下是維基百科對該產品的解釋：

基礎設施即代碼 (IaC)。 聲明性配置語言。 JSON。 馬上，這就是三個高度複雜的主題。

讓我們看看是否可以讓 ChatGPT 透過識別與這三個關鍵字最相關的概念來加快學習過程。

透過添加“解釋您選擇的概念背後的基本原理”，我（理論上）以一種指導 ChatGPT 提供更深思熟慮的答案的方式提示它。

如下所示，IaC 的每個關鍵概念都附有對其重要性的解釋。

透過這種方法，您會了解到了解 Terraform 和 Ansible 等工具不僅很重要，而且了解這些工具也很重要。 同樣重要的是要知道前者與提供者無關，而後者提供無代理配置管理。

這種上下文可以幫助您更快地分解和消化複雜的上下文 - 對於像我這樣的雲端基礎設施新手非常有用。

現在讓我們看看如果你只是給出一個正常的提示而不指示人工智能解釋它的“思維過程”，你會得到什麼方向：

當然，這裡每個編號項目符號下包含的資訊很重要，但它們不具有相同等級的上下文。

因此，只需添加“解釋您的推理”或“逐步完成此操作”之類的語句，您就可以提高從與人工智慧的每次互動中獲得的價值。

2) 簡要和草稿生成

作為一個主要專注於創造長篇書面內容的人，我深諳創作過程的複雜性（和瘋狂性）。 從想法到成品的旅程會經歷相同的檢查點——主題規劃、研究、簡報、起草——但對某些人來說，這些點之間的路徑比其他人更曲折。

到目前為止，我從生成人工智慧中獲得的最大好處之一是簡化了創意工作流程的各個方面。 人工智慧有助於推動創意簡報和草稿的順利進行，而 CoT 提示則有可能提供更多幫助。