AI高效沟通指南

5大核心方法与3大实用框架整理

一、五大核心方法

1. 细节描述法

• 核心要点：提供详细背景信息、具体需求和预期结果，提升AI输出的准确性与相关性。
• 应用场景：若不确定需提供哪些信息，可直接询问AI：
  

  “我想请你帮助我完成XX任务，我应该向你提供哪些信息进行提问呢？”

2. 角色扮演法

• 核心要点：通过设定AI的特定角色（如专家、律师等），使其基于角色特性生成回答。
• 关键技巧：
  • 明确角色限制，例如：
    

    “你只能回答法律相关问题，必须拒绝其他无关问题。”

  • 若回答偏离角色，需重新定义角色属性或补充情境细节。
• 优势：角色设定在对话中持续生效（受限于上下文记忆长度），无需重复声明。

3. 参考示例法

• 核心要点：通过示例引导，让AI快速学习任务模式（模仿格式、风格或逻辑）。
• 适用策略：
  • Zero-shot：无示例直接提问。
  • One-shot：提供1个示例。
  • Few-shot：提供多个示例（适合复杂任务）。
• 局限性：对复杂推理任务效果有限，需结合其他方法。

4. 分隔符格式化

• 核心要点：使用特殊符号（如###、--或Markdown语法）分隔文本，帮助AI识别语义单元。
• 应用建议：
  • 简单任务：分隔符影响较小。
  • 复杂任务：合理分段可显著提升回答质量。
  • 推荐使用Markdown语法（如*加粗**、> 引用）。

5. 复杂问题分解法（Chain of Thought, CoT）

• 核心要点：将复杂问题拆解为多个子任务，引导AI逐步思考。
• 操作步骤：
  1. 明确主目标。
  2. 拆解为可执行的子问题。
  3. 添加引导语（如“让我们一步步来思考”）。
• 适用场景：数学推理、逻辑分析等需深度思考的任务。

二、三大实用框架

1. LangGPT框架

• 核心逻辑：将AI定义为**“角色对象”**，包含属性描述（名称、技能、工作方法）。
• 模板示例：

  角色：法律顾问
  技能：精通民法、刑法
  工作方法：仅回答法律问题，拒绝无关内容
  
  

• 扩展功能：支持命令、记忆器、条件句等语法设置。

2. BROKE框架（基于OKR方法论）

• 五大模块：
  • Background（背景）：提供任务上下文。
  • Role（角色）：定义AI身份。
  • Objectives（目标）：明确任务目的。
  • Key Results（关键结果）：设定可衡量的成果指标。
  • Evolve（演变）：通过迭代优化结果。
• 优势：动态调整，兼顾效率与质量。

3. CRISPE框架

• 五大要素：
  • Capacity and Role（能力与角色）：设定AI身份。
  • Research/Context（背景与洞察）：补充上下文信息。
  • Instruction（指令）：明确任务内容。
  • Style（风格）：定义回答风格（如严谨、幽默）。
  • Experiment（尝试）：要求生成多个备选答案。

三、总结

• 方法选择：根据任务复杂度，灵活组合细节描述、角色扮演、示例引导等方法。
• 框架应用：
  • LangGPT：适合角色驱动型任务。
  • BROKE：适合目标导向型任务。
  • CRISPE：适合需要多风格答案的任务。

提示：合理使用分隔符、结构化框架和分步引导，可显著提升AI输出质量！