AI說書 - Prompt Engineering - 116 | Reverse Prompting 架構

我們人類和ChatGPT的對話技巧也是需要學習的，有鑑於此，我想要一天分享一點「和ChatGPT對話的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

架構

Reverse Prompting 的結構反映了人工智慧互動模式轉變的典範，這個創新過程透過反轉用戶與人工智慧的交互動態，對傳統人工智慧方法提出了挑戰，以下是對該模式架構的更深入了解：

1. 反轉原理：Reverse Prompting 的核心在於其獨特的反轉，與使用者提供輸入並預期輸出的傳統人工智慧互動不同，這種模式從最終結果開始，旨在識別導致該結果的提示或條件，本質上，這是一個從已知到未知的旅程
2. 人機對話動態：結構不是線性的，它是一個促進互動對話的循環過程

• 啟動：從使用者向人工智慧呈現已知的結果開始
• 人工智慧的演繹過程：利用其廣泛的知識庫和訓練，人工智慧面臨著演繹出導致給定結果的最合理的提示或條件集的挑戰
• 回應：完成循環，人工智慧向使用者呈現推導或重建的 Prompt

3. 流程視覺化：如果將傳統人工智慧互動想像為瀑布，從上到下流動，Reverse Prompting 會反轉此流程，這就像從三角洲追蹤河流的源頭到源頭
4. 迭代細化：認識到第一個推導的 Prompt 可能並不總是符合要求，這種模式本質上允許迭代交互。使用者可以不斷完善他們呈現的結果或提供補充上下文，幫助人工智慧進一步完善和近似原始 Prompt
5. 流動性和適應性：這種模式的美妙之處在於它的流動性，它不會將使用者或人工智慧束縛在嚴格的步驟上，根據所提供結果的複雜性或性質，可以調整流程，確保推斷 Prompt 的最大準確性和相關性
6. 機率：理解該模式按照機率原理運作是至關重要的，人工智慧根據數據模式和已知相關性來評估最有可能的 Prompt，這意味著雖然生成的 Prompt 是有根據的猜測，但它們的核心仍然是基於機率
7. 回饋作為成長工具：回饋機制是結構的組成部分，建設性回饋不僅可以確保使用者更接近他們想要的 Prompt，而且在提高模型的整體功效和準確性方面也發揮關鍵作用

本質上，Reverse Prompting 的結構集中體現了人工智慧互動的適應性和擴展性，它為使用者提供了一種探索和理解起源、流程和背景的創新途徑，從而為更豐富、更明智的見解和決策鋪平了道路。