Prompting 知識養成 Day23

第23天：提示連鎖 (Chaining Prompts) 與協同提示 (Collaborative Prompts)

－

＊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。