AI說書 - Prompt Engineering - 132 | 自動 Prompt 最佳化架構

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

Automated Prompt Optimization (APO) 的本質在於其結構化互動框架，它引導使用者意圖和人工智慧解釋之間的複雜景觀，這種由提示組成的和諧芭蕾不僅確保了準確性，而且確保了無縫體驗，從而使用戶和人工智慧模型之間建立了共生關係：

1. 提示優化指令：我們的旅程始於使用者透過引入提示優化指令播下意圖的種子，這不僅僅是一個開始，它類似於設置舞台，聚光燈投射在即將到來的表演上，它為人工智慧模型提供了一個指南針，表明這不僅僅是回答，而是導航用戶查詢的複雜性，以挖掘其真正的本質

2. 提示輸入：在這裡，使用者揭示他們最初的想法，將他們的問題或請求投射到人工智慧模型的龐大知識庫中，這個提示雖然可能是普遍的或新生的，但卻抓住了使用者好奇或困境的核心，這是使用者希望行走的方向的耳語

3. AI 優化：這個階段是 AI 真正魔力展現的階段，人工智慧模型憑藉對語言和上下文的廣泛理解，精心設計和完善了最初的提示，這不僅僅是文字，而是捕捉細微差別、辨別歧義，並添加初始查詢可能缺乏的關鍵上下文或特異性，就像雕塑家鑿開，露出裡面的傑作

4. 使用者確認：經過這種藝術改進後，大師作品（現在是優化的提示）將返回給其創造者 - 用戶，這不是單方面的決定，而是夥伴關係，人工智慧尋求肯定，確保用戶的聲音至關重要，並且優化的提示與他們的原始意圖產生共鳴

5. 響應生成或進一步細化：

• 如果用戶點頭同意，人工智慧模型將繼續使用經過改進的提示作為信標，產生更符合用戶真實查詢的回應
• 另一方面，如果精煉的提示沒有達到目標，那麼就又要從頭開始了，人工智慧模型，永遠是耐心的藝術家，回到優化畫布，嘗試另一種演繹。這個以回饋為基礎的迭代過程將持續下去，直到使用者看到他們的意圖反映在精緻的提示中