ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 链式提示

在本视频中，我们将学习如何通过将多个提示链接在一起，将复杂的任务拆分为一系列更简单的子任务。你可能会想，为什么要将一个任务拆分为多个提示，而你可以像我们在上一个视频中学到的那样，通过一个提示和思维推理链来实现它？我们已经证明，语言模型非常善于遵循复杂的结构，尤其是像GPT 4这样更先进的模型。所以让我解释一下为什么我们要用两个类比来做这件事——比较思维链、推理和链接多个提示。

比较这两者的第一个类比是一次性烹饪一顿复杂的饭和分阶段烹饪之间的区别，

• 复杂的指导可能就像试图同时烹饪一顿复杂的饭菜，而你必须同时管理多种食材、烹饪技术和时间。跟踪每一种食材并确保每一种成分都完美烹饪可能是一项挑战。

• 另一方面，训练提示就像分阶段烹饪，一次只关注一种成分，确保在进入下一个之前正确烹饪每个部分。这种方法降低了任务的复杂性，使其更容易管理，并降低了出错的可能性。

对于一个非常简单的配方来说，这种方法可能是不必要的，而且过于复杂。对于同一件事，一个稍微好一点的类比是在一个长文件中读取所有内容的意大利面条代码和一个简单的模块化程序之间的区别。使意大利面条代码变得糟糕和难以调试的原因是逻辑的不同部分之间的模糊性和复杂的依赖性，复杂的单步任务提交给语言模型。

链 是一种强大的策略。当你有一个工作流，你可以在任何给定点维护系统的状态，并对当前状态采取不同的操作。因此，当前状态的一个例子是在你对传入的客户