DeepSeek提示语链设计规则

以下是关于 DeepSeek提示语链设计的详细介绍：

提示语链的设计原则

  1. 目标明确性：每个提示语环节紧密围绕既定目标，使 AI 清晰知晓任务方向，避免生成偏离主题内容。
  2. 逻辑连贯性：提示语间存在清晰逻辑关系，自然引导形成连贯思维链条，可设计成模块化结构，提高灵活性和效率。
  3. 渐进复杂性：遵循从简单到复杂的顺序，先基础后深入，逐步增加复杂度，引导 AI 深入思考。
  4. 灵活适应性：根据不同任务类型、应用场景及 AI 特点，灵活调整和优化提示语链。
  5. 多样性思考：设置不同视角、方法引导 AI，拓宽其思维边界，使生成内容更丰富多元。
  6. 反馈整合机制：建立反馈收集和分析模块，及时将反馈信息融入提示语链优化过程中。

 提示语链的设计模型

可采用 CIRS 模型，概括了提示语链设计的四个关键环节：

  Context（上下文） ：提供背景信息和任务概述。
  Instruction（指令） ：给出具体指示。
  Refinement（优化） ：对初步输出进行修改和完善。
  Synthesis（综合） ：整合所有输出，形成最终成果。

任务分解的提示语链设计步骤

任务分解的概念源于问题解决理论和系统工程学，基于分而治之原则、层级结构理论以及认知负荷理论。

设计基于任务分解的提示语链涉及以下步骤：

  1. 明确总体目标 ：确定使用提示语链要达成的最终目的。
  2. 识别主要任务 ：围绕总体目标梳理出实现该目标需要完成的关键任务。
  3. 细化子任务 ：将每个主要任务进一步细分为更小、更易管理的子任务。
  4. 定义微任务 ：把每个子任务再拆解成具体的、最小单元的微任务。
  5. 设计对应提示语 ：针对每个微任务，设计出能够引导 AI 执行该任务的提示语，提示语应清晰、明确且具有可操作性。
  6. 建立任务间联系 ：确定各个任务之间的逻辑关系和先后顺序，使提示语链能够按照合理的流程引导 AI 完成工作。
  7. 加入反馈调整机制 ：设置一种机制，以便根据 AI 的输出结果和实际需求，对提示语链中的提示语或任务安排进行调整和优化，确保最终能够实现总体目标。

SPECTRA 任务分解模型

为了更有效地进行任务分解，可以采用 SPECTRA 模型：

  Segmentation（分割） ：将大任务分为独立但相关的部分。
  Prioritization（优先级） ：确定子任务的重要性和执行顺序。
  Elaboration（细化） ：深入探讨每个子任务的细节。
  Connection（连接）：建立子任务之间的逻辑关联。
  Temporal Arrangement（时序安排） ：考虑任务的时间维度。
  Resource Allocation（资源分配） ：为每个子任务分配适当的注意力资源。
  Adaptation（适应） ：根据 AI 反馈动态调整任务结构。

基于 SPECTRA 模型的提示语链设计技巧：

  1. 分割提示 ：将总任务描述分解为 3 - 5 个主要组成部分，确保每个部分相对独立且与整体目标相关。
  2. 优先级提示 ：对分解的任务进行优先级排序，考虑它们对总体目标的重要性和逻辑顺序。
  3. 细化提示 ：选择优先级最高的子任务，将其进一步细化为 2 - 3 个具体的行动项或小目标。
  4. 连接提示 ：分析各个子任务之间的关系，确定它们如何相互支持和影响，以及如何共同推进总体目标的实现。
  5. 时序提示 ：为每个子任务制定粗略时间表，考虑依赖关系和相对完成时间。
  6. 资源分配提示 ：评估子任务复杂度，分配 1 - 10 的注意力分数，指导计算资源分配。
  7. 适应提示 ：执行子任务后，评估输出质量和对总体目标的贡献，必要时调整后续任务优先级或内容。

模块化提示语链设计

模块化提示语链设计包括以下模块：

  1. 主题定义模块：明确主题，为后续模块提供方向。
  2. 研究背景模块：提供背景信息，帮助理解问题起源和发展。
  3. 方法论模块：介绍解决问题的方法和步骤。
  4. 结果分析模块：分析结果，展示关键发现和意义。
  5. 创意拓展模块：激发创意，探索新思路。
  6. 总结反思模块：总结要点，反思过程和结果。
  7. 质量控制模块：确保内容准确性和一致性。