第23天:提示連鎖 (Chaining Prompts) 與協同提示 (Collaborative Prompts)
-
當我一看到這兩個技巧,就感到很熟悉,才發現它們與之前學過的CoT、MAS是相類似的概念,只是在不同層面的運作。*提示連鎖 (Chaining Prompts):以一種線性、順序性的流程制定Prompt,意即:第一個 Prompt 的輸出會作為下一個 Prompt 的輸入,依序完成最終生成內容。
*協同提示 (Collaborative Prompts):同時以多個 Prompt設定多個專家的角色扮演,讓這些專家就同一個任務進行協作、辯論和審核的過程,最終生成內容。
還記得CoT (chain-of-thought),是指:思維鏈,意即,讓LLM進行思考推理、按步就班生成內容。
而MSA (Multi-Agent System) 則是:多個AI代理人的系統,透過多個LLM 代理人,具有不同的persona及相應專業技能,實現終極「角色扮演」。
這兩者,與今天的「Chaining Prompts (提示連鎖)」&「Collaborative Prompts (協同提示)」的概念可以說是直接相互呼應、不謀而合:「提示連鎖」’類對應’ 於 CoT;「協同提示」’類對應’** 於 MAS。
(**註:這裡我使用 ‘類對應’ 指「像是對應,但不完全是對應」。其中道理,會在後面有更明確的說明。)
在這樣的對照下,我們便可進一步來了解它們在 類應用層面的對照。
▶︎應用層面的 ‘類對應’
顯而易見的, Chaining Prompts (提示連鎖) 與 Collaborative Prompts (協同提示) ,都有Prompt,所以可知這兩個是在Prompt層面的應用。CoT &MAS則是在LLM模型層面的應用。
而 Prompt 層面又包含了兩部分:
1. 用戶端:用戶自行設計、手動輸入 prompt
2. 應用程式:透過 Prompt Engineering,設定在軟體架構面
所以總共是有三層,Prompt層面有兩層,第三層是在LLM模型層面。

應用層面圖示
應用層面的 ‘類對應’ 如下:
*Chaining Prompts (提示連鎖)
Chaining Prompts 應用在Prompt層面的「用戶端」、「應用程式」
vs.
CoT應用在LLM 模型層面
‘類對應’ 說明:
兩者皆屬於按步驟(by step)思考推理執行,但兩者仍有些微差異,Chaining Prompts 是透過外部流程控制「多個」prompt之間的輸出入串連,而CoT 則是LLM 在回應「單次」Prompt 時展現出內在思考歷程。就此而言,所以以 ‘類對應’ 指涉。
*Collaborative Prompts (協同提示)
Collaborative Prompts 應用在Prompt層面的「用戶端」、「應用程式」
vs.
MAS 應用在LLM 模型層面...
... 雖然我想直接這樣說,但這並不完全正確...
‘類對應’ 說明:
前面已經溫習說到「MAS是『多個』LLM Agent的『系統』」,但我們這裡所提到的 LLM 其實都是單一個 LLM 實體,所以換言之,MAS 無法應用在單一個LLM 模型上。在這種情況下,若想要在系統端實現「類 MAS」概念,就只有透過「Collaborative Prompts 應用在Prompt層面的『應用程式』」。
這就是一個小小細微、但不可以忽略或輕易帶過的差異。
不過終究來看,Collaborative Prompts 的做法-提出多個角色扮演的prompt指令-確實是運用prompt 實現MAS 概念無誤。