AI写作进阶 运用思维链CoT让AI写出来的东西更有“人味儿“

news2024/11/6 7:35:14

嗨,大家好,我是大象。

AI 写作今年可谓是大放光芒,从年初的 AI 自动摘要生成工具到年中的 AI 情感分析引擎,再到现在备受推崇的 AI 故事创作助手,一次次让 AI 写作成为众人热议的焦点。

大家惊叹 AI 写作的神奇能力,也或多或少开始担忧它是否会对传统写作造成冲击。

实际上目前阶段 AI 写作完全可以和我们的传统写作融合,我们要善于利用它为我们写作方面带来的优势。 特别是需求比较大的朋友圈文案创作。

但很多朋友要么写作思路混乱,要么不懂如何吸引读者,甚至没有耐心去琢磨,想要写出一个吸引人的朋友圈文案简直是痴人说梦。

AI 能够通过对大量优质朋友圈文案的学习与领悟。我们只需明确主题、阐述关键元素,它就能快速创作出契合需求、充满“人味儿”的文案内容。

今天为大家带来 AI 写作进阶秘籍——运用思维链 CoT 让 AI 写出有“人味儿”的朋友圈文案。

一)什么是思维链 CoT ?

比如,你正教一个聪明但没啥经验的学生解一道挺复杂的数学题。

你会怎么做?

你会带着他一步步思考,把计算和推理过程写在本子上,一点点推理。

这就是思维链的关键想法,简单说,就是让 AI 学着跟人一样,一步一步去想问题。

思维链,听名字就知道,是一连串相互连着的思考步骤,它讲的是我们解决问题时,大脑里那一串推理的过程。

在 AI 领域,思维链指的是通过提示,让大型语言模型不光给答案,还把得出答案的思考过程展示出来。

和以前那种提示词模式(问题、答案)不一样,思维链的提示词模式是(输入问题—思维链—输出结论)

alt

二)思维链 CoT 从哪儿来?

思维链这个概念来自 2022 年的一篇学术论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》。

这篇论文是谷歌研究员 Jason Wei 他们发表的,在学术界引起了好多关注。

alt

论文说,在提示里让模型“展示工作”,就是把完整的推理过程列出来,能明显让模型在复杂推理任务上表现更好。

论文虽然写了好多页,但核心办法就像我下面说的“罗杰”这个例子。

就是我们让 AI 解题前,给它一个解题的思路过程,让大模型按这个思路大声说出一步步的逻辑推理过程。

下面左边是一般(标准)的提示方法,给大模型输入一个解题的例子,然后直接让 AI 输出答案,碰到复杂推理就容易出错。

alt

右边是思维链提示词,和左边不一样的是,在给的例子(红框)里,加了推理步骤,一直到得出最后答案。

这时候大模型也会用类似的方式(紫框)给出推理过程和答案。实验证明,这种方式能大大提高大模型在复杂推理时的准确率。

三)咋用思维链 CoT ?

懂了思维链的概念和好处后,你可能急着想在实际中用它了。但是,咋才能设计出有用的思维链提示呢?

1、技巧一:零样本提示(Zero-shot)

零样本提示就是直接问 AI 问题,让 AI 在没任何例子的情况下回答。

对一些相对简单的任务,你可以直接让 AI 展示推理过程,不用给例子。

这种“直接下命令”的方式,就是零样本提示。你只要在提示词最后加上这些要求:

“Let's think step by step”

“请展示你的思考步骤”

“请列出你的推理过程”

“请一步一步解释你是咋得出这个答案的”

这种“直接下命令”的方式,就是典型的零样本提示(Zero-shot)。

我们没给 AI 任何例子,就让它自己发挥,适合简单的任务。

案例解析一:简单的数学题 假设我们让 AI 解这么一道题:

小明有 25 个苹果,吃了 5 个,又买了 3 袋,每袋有 8 个苹果,现在小明有几个?

要是直接让 AI 回答,它可能随便蒙个答案,大概率错。但用了思维链,就不一样了。我们可以这样提示 AI :

请解这道数学题,并且展示完整的思考过程: 如果一个苹果重 150 克,一个橙子重 200 克,那么 3 个苹果和 2 个橙子一共重多少克? 请一步步解释计算过程。

这时候,AI 会这么回答:

好呀,咱们一步步来解决这个问题:

  1. 首先,咱们知道:
  • 一个苹果重 150 克
  • 一个橙子重 200 克
  1. 算 3 个苹果的重量:

    3 × 150 克 = 450 克

  2. 算 2 个橙子的重量:

    2 × 200 克 = 400 克

  3. 把苹果和橙子的重量加起来:

    450 克 + 400 克 = 850 克

所以,3 个苹果和 2 个橙子一共重 850 克。

案例解析二:文本情感分析

再比如说,我们想让 AI 判断一段文本的情感是正面还是负面。用思维链,我们可以这样提示:

请分析下面这段文本的情感倾向(正面/负面),并且详细解释判断过程:

“今天的天气真是糟糕透了!阴沉沉的天空,冷飕飕的风,还下着绵绵细雨。不过,这样的天气正好给了我一个理由,可以窝在家里看我最喜欢的电影,喝着热腾腾的咖啡。其实想想,也没那么糟。”

请一步步分析你的判断理由。

AI 会这样回答:

我们一步步来分析这段文本的情感倾向: 1. 开头部分

“今天的天气真是糟糕透了!阴沉沉的天空,冷飕飕的风,还下着绵绵细雨。”

  • 这部分表现出对天气的特别不满,用了“糟糕透了”这样的负面词。
  • 情感倾向:明显负面

2. 转折部分

“不过,这样的天气正好给了我一个理由,”

  • “不过”表示话有转折,暗示后面可能有积极内容。

  • 情感倾向:中性,带着积极期待

3. 后半部分: “可以窝在家里看我最喜欢的电影,喝着热腾腾的咖啡。其实想想,也没那么糟。”

  • 描述在家做喜欢的事,用词温暖积极。

  • “其实想想,也没那么糟”表示对情况重新评估,态度更积极。

  • 情感倾向:正面

4. 整体分析

虽然开头对天气不满,但文本后半部分变积极了。作者在不好的天气里找到积极因素,对整体情况有了正面重新评估。

结论:

综合来看,尽管开头有明显负面情绪,但文本整体情感倾向是正面的。作者展现出积极应对不利环境的态度,最后得出“也没那么糟”的结论。所以,我判断这段文本整体情感倾向是正面的。

可以看到,通过思维链,AI 不光给出正确的情感判断,还清楚解释了判断依据和推理过程。

但对于复杂任务,零样本示例可能不管用,所以得用 Few-shots。

2、技巧二:少样本提示(Few-shots)

在少样本提示里,我们得给一个或两个例子,帮 AI 明白怎么一步步解决问题。

不过,对于更复杂的任务,零样本提示可能就不行了。这时候,我们可以给 AI 一些例子,也就是提前“定好推理模板”,让它参考例子里的推理过程。这就是少样本提示。

案例解析一:计算复杂数学题

请解下面的数学题,展示详细解题步骤。参考下面的例子:

例子问题:一个长方形的长是宽的 1.5 倍,面积是 24 平方米,求这个长方形的周长。

解题步骤:
1. 设长方形的宽是 x 米,那长就是 1.5x 米
2. 根据面积公式:长×宽=面积
1.5x×x = 24
3. 简化方程:1.5x² = 24
4. 求解 x:x² = 24÷1.5 = 16,x = 4
5. 算长:1.5×4 = 6 米
6. 算周长:(6 + 4)×2 = 20 米

所以,长方形的周长是 20 米。

现在,请解这个问题:
一个圆的面积是 78.5 平方厘米,求这个圆的周长。请详细展示解题步骤。

AI 的回答:

好的,咱们一步步来解决这个问题:

1. 回顾公式:
   圆的面积公式:A = πr²,这里 A 是面积,r 是半径
   圆的周长公式:C = 2πr,这里 C 是周长,r 是半径
π(pi)大概是 3.14159
2. 已知条件:
   圆的面积 A = 78.5 平方厘米
3. 求半径 r:
   78.5 = πr²
   78.5 = 3.14159r²
   r² = 78.5÷3.14159
   r² 大概是 25
   r = √25 = 5 厘米
4. 算周长:
   C = 2πr
   C = 2×3.14159×5
   C 大概是 31.4159 厘米
5. 四舍五入到小数点后两位:
   C 大概是 31.42 厘米

所以,这个圆的周长大概是 31.42 厘米。

案例解析二:AI 辅助精读文章

请按照下面例子的步骤,精读给定的文章,展示你的思考过程:

例子步骤:
1. 通读全文,了解主旨大意。
2. 把文章分段,梳理脉络结构。
3. 找出关键信息,像论点、论据、结论这些。
4. 分析作者在文章里的观点倾向。
5. 评估文章逻辑是不是严谨,论证充不充分。
6. 总结文章的核心观点和价值。

文章内容:
(此处省略一篇示例文章)

通过这个例子,AI 能学会有条有理地分析文章,输出详细的阅读报告。

案例解析三:AI 写有“人味儿”的朋友圈文案

例题:“请写一个关于‘我要减肥’的口语化朋友圈,带着‘人味儿’。”

执行步骤:
1. 确定主题:明确要写的主题是“我要减肥”。

2. 分析例子:仔细读下面的例子,分析并提取口语化表达、情感和个性化语言、重点语气词。
   例子 1:“老子真的受够了!每天吃这破东西,体重一点不掉!去你妈的脂肪!明天开始只喝水,不瘦个十斤老子不罢休!”
   例子 2:“真他妈见鬼了!节食、运动全都试了,结果还是个胖子!老娘气死了!这次一定要减肥成功,否则真要疯了!”
   例子 3:“靠!谁再说减肥简单我跟谁急!老子已经饿得头昏眼花了,这肥还不掉!天杀的脂肪,给我滚蛋!”
   例子 4:“他妈的,体重秤是不是坏了?怎么老是这数字!再这么下去我就把自己关起来,不瘦不出门!破减肥!”

3. 模仿写作:根据例子,模仿口语化表达,写出自己的朋友圈内容。

4. 加入情感和个性:保证内容有个人情感和独特的个性化语言,可以加些表情符号和幽默元素。

请根据上面例子的<执行步骤>,以‘我失恋了’为主题写一个朋友圈文案,请展示你的思考步骤。

以上就是构建思维链提示的两个重要办法:零样本提示和少样本提示。前者简单直接,适合容易的任务;后者给例子,更适合复杂情况。

当然思维链提示还涉及思维树、后退法等等提示技巧,这里就不多说了。

最后我想说一句

躬身入局者,永远比在岸旁观的人更有感受。

所以,最关键的其实就是:去做,把AI写作做好。

还是那句话:AI 永远只是个工具。

本文由 mdnice 多平台发布

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1991192.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

DockerCompose中使用自定义网络的方式实现部署SpringBoot+Mysql+Redis

场景 Docker中Docker网络-理解Docker0与自定义网络的使用示例&#xff1a; Docker中Docker网络-理解Docker0与自定义网络的使用示例_docker 配置 docker0-CSDN博客 Docker中使用自定义网络方式实现Redis集群部署与测试流程&#xff1a; Docker中使用自定义网络方式实现Redi…

【工具测评】腾讯云 AI 代码助手——你的下一位编码“伙伴”

文章目录 引言一、VS Code下安装腾讯云 AI 代码助手插件二、腾讯云AI代码助手使用实例2.1 通过对话生成代码2.2 通过注释生成代码2.3 规范、修复代码错误2.4 人工智能技术对话&#xff0c;有求必应2.5 智能代码分析&#xff0c;快速上手历史代码 三、获得的帮助与提升四、建议五…

nvidia系列教程-AGX-Orin系统启动异常解决(eeprom: Failed to read I2C slave device)

目录 前言 一、问题描述 二、问题解决 总结 前言 在使用 NVIDIA Jetson 系列开发板时&#xff0c;可能会遇到启动时的错误提示&#xff0c;例如 eeprom: Failed to read I2C slave device。这个错误通常出现在设备启动日志中&#xff0c;可能会导致设备无法正常启动或功能受限…

vue3 input加一个回车,直接进行查询的事件,然后提示v-on event ‘@pressEnter‘ must be hyphenated.

1、加个回车的事件&#xff0c;直接就有个提示&#xff0c;没有报错 2、v-on事件“pressEnter”必须连字符这个是中文意思&#xff0c;也就是说不要写成个驼峰的形式&#xff0c;要改为-的形式。 3、稍改下&#xff0c;就可以解决&#xff1a; 4、其实不改也没有事的&#xff…

星际牛仔1998年SUNRISE制作的原创电视动画

《星际牛仔》是日本SUNRISE动画公司制作的原创电视动画。于1998年4月3日-1999年4月23日在东京电视台和WOWOW播出&#xff0c;同年夺得第三回神户动画奖的年度最佳电视动画奖&#xff0c;2000年获得日本科幻大会星云奖。 动画剧场版《星际牛仔&#xff1a;天国之扉》2001年9月1…

Vue快速入门(二)——选项式 API介绍

当前 Vue 的最新稳定版本是 v3.4.35&#xff0c;而Vue 2 已于 2023 年 12 月 31 日停止维护。 Vue2的书写风格是选项式 API &#xff0c;而Vue3的书写风格同时支持选项式API和组合式 API。那我们选哪一种风格的API来学习呢&#xff1f;我建议先学习选项式API&#xff0c;然后再…

yolov5更换MobileNetV3的主干网络

目录 1.定义网络 2.将test_MobileNetV3.py上面的代码复制粘贴到如下文件里面 2.1复制需要更改的原来的网络如何改结构 3.更改yolo.py注册网络 1.定义网络 1. 宽度为0.5的mobilenetv2网络的结构图 在主干网络上面可以重新定义成三层&#xff0c;编号从0开始 如图是MobileNet…

如何在不同阶段选择合适的项目管理软件?

作为一个资深的产品经理&#xff0c;我有幸在过去的20多年里&#xff0c;接触过很多不同行业&#xff0c;从互联网行业、软件行业&#xff0c;到金融行业、制造行业&#xff0c;所积累的丰富经验让我对项目管理软件的选择有了更深入的了解和认识。 不同行业的项目管理痛点 每个…

如果要做一个重要的决定, 有什么好的方法可以让我做出正确的选择

做出重要决定时&#xff0c;以下方法可以帮助你做出更正确的选择&#xff1a; 文章目录 1. 收集信息和数据2. 制定明确的目标和标准3. 分析和评估选项4. 考虑长远利益5. 制定备选方案和应急计划6. 寻求意见和建议7. 直觉和情感的平衡8. 制定决策计划并执行 分析和评估选项1. 决…

【JavaEE】初步认识多线程

​ &#x1f525;个人主页&#xff1a; 中草药 &#x1f525;专栏&#xff1a;【Java】登神长阶 史诗般的Java成神之路 &#x1f3b7; 一.线程 1.概念 线程&#xff08;Thread&#xff09;是在计算机科学中&#xff0c;特别是操作系统领域里的一个关键概念。它是操作系统能够进…

极狐GitLab 走进合肥,受邀参与合肥市政府举办的“开源聚力,合创未来”第一期活动

极狐GitLab 是 GitLab 在中国的发行版&#xff0c;专门面向中国程序员和企业提供企业级一体化 DevOps 平台&#xff0c;用来帮助用户实现需求管理、源代码托管、CI/CD、安全合规&#xff0c;而且所有的操作都是在一个平台上进行&#xff0c;省事省心省钱。可以一键安装极狐GitL…

惊爆!英伟达那神秘的视频基础模型「Cosmos」竟然浮出水面,然而其数据居然是靠窃取得来!

&#x1f431; 个人主页&#xff1a;TechCodeAI启航&#xff0c;公众号&#xff1a;TechCodeAI &#x1f64b;‍♂️ 作者简介&#xff1a;2020参加工作&#xff0c;专注于前端各领域技术&#xff0c;共同学习共同进步&#xff0c;一起加油呀&#xff01; &#x1f4ab; 优质专…

本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——5Webscoket节点的使用

本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——5Webscoket节点的使用 ​ 有了前面几篇文章的铺垫&#xff0c;现在已经可以实现我到手测试那一步的 1.解读usb_websocket_display.launch.py ​ 首先进入这个目录/root/dev_ws/src/origincar/originca…

WPF-MVVM架构

在WPF&#xff08;Windows Presentation Foundation&#xff09;开发中&#xff0c;MVVM&#xff08;Model-View-ViewModel&#xff09;是一种非常流行的设计模式&#xff0c;它旨在将应用程序的UI逻辑与业务逻辑和数据模型分离&#xff0c;从而提高代码的可维护性、可测试性和…

4.12.束搜索

束搜索 ​ 为了量化解码器的计算代价&#xff0c;用 y y y表示输出词表&#xff0c;其中包含 < e o s > <eos> <eos>&#xff0c;词表大小则为 ∣ y ∣ |y| ∣y∣&#xff0c;指定输出序列的最大词元数为 T ′ T T′&#xff0c;则我们的目标是从所有 O ( ∣…

同态加密和SEAL库的介绍(三)BFV - Batch Encoder

写在前面&#xff1a; 在上一篇中展示了如何使用 BFV 方案执行一个非常简单的计算。该计算在 plain_modulus 参数下进行&#xff0c;并且仅使用了 BFV 明文多项式中的一个系数。这种方法有两个显著的问题&#xff1a; 实际应用通常使用整数或实数运算&#xff0c;而不是模运算…

解决postGis无法打开的问题

问题 无法打开PostGIS PostGIS Bundle 3 for PostgreSQL x64 12 Shapefile and DBF Loader Exporter 弹出窗口 找不到libcrypto-1 postgis libcrypto libssl-1-x64等问题 解决方法 打开PostgreSQL安装目录下的Bin文件夹 查找缺少的文件 将其复制到 postgisgui 下 复制后即可…

网站建设网络公司如何选择

在选择网站建设网络公司时&#xff0c;需要考虑多个因素&#xff0c;以确保您的网站能够满足业务需求并取得成功。以下是一些建议&#xff0c;帮助您在选择网站建设网络公司时做出明智的决策。 首先&#xff0c;您应该考虑公司的经验和专业知识。选择一家有丰富经验的公司&…

实战从零开始实现Raft|得物技术

一、前言 Raft算法是一种分布式一致性算法&#xff0c;由Diego Ongaro和John Ousterhout在2013年提出。它主要用于分布式系统中&#xff0c;保证系统中的数据在多个节点间保持一致性。 Raft算法被广泛应用于众多分布式系统中&#xff0c;尤其是在需要强一致性保证的场景中&am…

【C++】-----多态及原理

目录 前言 一、是什么&#xff1f; 二、怎么样&#xff1f; Ⅰ、构成条件 Ⅱ、虚函数 Ⅲ、虚函数的重写 1.常规情况下 2.虚函数重写的三个例外 ①返回值的类型可以不同 ②析构函数的重写 ③子类虚函数可以不加virtual关键字(不建议) 3.override和final关键字 Ⅳ、重…