大家好我是大象，今天跟大家分享的主题是：AI + 分治法搞定复杂任务
接下来分享的内容，提示词 = 指令 = Prompt ，AI = GPT = ChatGPT
大家坐稳，跟着我思路走。
一、分治法
不知道大家有没有这种感觉
用 GPT 处理那些涉及好多步骤和方面的复杂任务时，常常没法一次对话就完成
比如说，让 GPT 写文章，我明明让它写 1200 字，可它就写了 800 字左右
再比如，让 GPT 给我写个完整程序，它就只给我个代码框架示例。
我刚开始用 GPT 那会，也碰到过这样的难题 后来，我发现个挺管用的办法——分治法，这可是个古老又厉害的策略，教咱们“分而治之”。
分治法的关键在于把大问题分成好些个更小、更好管理的部分。
我打个比方，假设我要搞一场大型聚会，如果想一下子把所有事都弄好，我脑袋都大了。
但要是把大任务拆成多个小任务，像安排食物、音乐、场地这些，然后分别解决，事情就简单多了。
为了让大家更好理解分治法，我画了个简单的示意图：
用一句话总结分治法：把大任务拆成一个个小的子任务，一个个子任务完成后，把结果合起来，就得到最终结果
二、Prompt Chain（提示词链）
把分治法这思维用到 GPT 提示词上，咱们就能更好地指挥 GPT 处理复杂任务
这就引出了一个新概念：Prompt Chain
它不是单个工具，而是一种策略
通过把多个有关联的提示词串起来，形成处理复杂问题的连续流程。
就像这样：
大家可能会问，为啥要用这个所谓的 Prompt Chain 呢
1、Token 长度限制
在航海手册第四课里，能看到每个模型的 token 限制：
GPT 输出文字有限制，是因为 token 的限制，咱们每次给 GPT 输入一段内容，所有参与对话的 token 都会算进去，包括咱们输入的和 GPT 的回答。
这就意味着，要是你和 GPT 的交互过程太长、你生产的内容（比如文章）太长，都会导致 token 超了，最后生成的内容质量不行，达不到你的期望。
2、任务流复杂导致稳定性降低
咱们都希望 GPT 能在一次对话里，就满足咱们的最终要求。
但是，可惜得很，如果任务特别复杂，就很可能让任务系统稳定性降低，就是说“GPT 抽风了，开始乱说话”
因为所有提示词内容，都会占一定权重，导致各个子任务相互影响，最后工序乱套，信息混乱
同时，在一段提示词里完成全部任务，调试的时候特别难，生成的内容不符合期望时，很难找到出问题的段落和文字
3、Prompt 不是万能的
有的复杂任务拆成一个个小任务后，其实有不少不是靠提示词+GPT 就能解决的。
比如有人需求是：“GPT 能帮我快速在小红书上起号吗？能帮我直接写出爆款文案吗？”
我就想问：
你的对标账号是啥 GPT 知道吗？不知道！GPT 知道从哪找吗？不知道！只能人类自己去找对标账号。
他的优秀文案有哪些？——GPT 知道吗？不知道！GPT 能帮你提取视频文案吗？不能！得人类用批量提取文案工具去提取。
你的用户群是哪些？——GPT 知道你的用户群吗？不知道！只能人类自己做好粉丝画像分析再告诉 GPT 。
从上面这些问题能看出来：其实 GPT 不能帮咱们把所有事都办好
很多时候，咱们的解决方案里，肯定会有一些 GPT 做不到的事
这些事，得用其他不是 AI 大模型的工具来帮忙
当然，你完全能把这些工具，也穿插在你的 Prompt Chain 工作流里
说了这么多，总结一下，Prompt Chain 本质上要表达的是：
-
你得把你的需求细分得更具体，就是把大任务拆成小任务，小任务再拆得更小
-
你还得给每个小任务选合适的工具或模型来实现
好懂了 Prompt Chain 的原理后，接下来，咱们通过几个例子讲讲怎么在实际的 AI 对话里用 Prompt Chain 。
一）关卡 1
假设我想让 GPT 帮我规划一场周末郊游🏞️，可要是我就问个特别宽泛的问题： “怎么规划一场完美的郊游？”
对 GPT 来说，这种问题太笼统，它就会给些空泛的建议，也就是“正确的废话” 因为它不清楚我具体的情况。
但要是我用 Prompt Chain ，跟 GPT 一步步解决问题
我可能先问：“在网上查一下这周末无锡的天气咋样？”，GPT 就会给我个明确的天气预报。
接着，我再问：“这种天气有啥推荐的户外活动？”
基于天气情况，GPT 会给出几个合适的活动建议
然后我接着问：“我要是选 xxx 活动，要做哪些准备？给我列个清单”
... 通过这么一连串的问题和回答，GPT 就能慢慢帮我规划出完美的周末郊游计划
其中
第一个 Prompt：「在网上查一下这周末无锡的天气咋样？」
第二个 Prompt：「这种天气有啥推荐的户外活动？」
第三个 Prompt：「我要是选 xxx 活动，要做哪些准备？给我列个清单」
每个 Prompt 都是一个小任务，连起来就能顺利完成整个大任务。
就像咱们做饭，先切菜，再炒菜，最后出锅，每一步都为下一步做准备，最后做出一道好吃的菜。
二）关卡 2
咱们通过一个更实际的例子来看看分治法和 Prompt Chain 是咋发挥作用的
几周前，我接到一个代写的任务，要根据《工程经济学课程报告要求》写一份课程报告
这任务挺大的，我又从来没学过工程经济学，一下子都不知道从哪下手
于是，我让 GPT 帮我完成这个任务
先看个错误的例子，把《工程经济学课程报告要求》的所有文字全选复制粘贴到对话框里。
然后说“帮我写一份《工程经济学》课程报告”
GPT 的回答是：
GPT 它就给了个课程报告的简单示例，根本没法直接用！
还记得分治法不？把任务拆成一个个小任务，一个个解决，最后合到一起
所以，正确的做法应当是
步骤一：先把任务拆开
在这，可以用这段提示词：
我要完成 XXX 任务，麻烦你帮我把任务拆解，列出 任务清单，再规划好任务执行者。
任务清单：把复杂任务细分成具体的小任务，明确每个任务的执行办法和执行者。
执行者分成三种：GPT、人机协同或者纯人类
GPT：任务完全能由 GPT 大模型自己完成。 比如：GPT 根据人类输入的文章进行总结整理 + 纯人类：任务只能靠人类来做，GPT 帮不上忙。比如：打印文件（因为 GPT 没法连接真实世界的硬件设备） + 人机协同：任务需要人类和 GPT 通过文字交流共同解决。
为啥要分这三种执行者呢？咱们先看看这样做的效果：
首先得明白，AI 解决任务的方式跟人类不一样。 对人类来说：
任务清单（人类）：
读文章，了解《工程经济学》课程的三大类知识点
依照个人兴趣，在三大类知识点里各选一个知识点深入学习
深入弄懂所选知识点的概念、计算和应用，再根据个人实际生活、工作、见闻，编这个知识点的应用题目
针对编的应用题目给出详细解答
以“《工程经济学》课程报告”作为第一行标题，学院、班级、学号、姓名作为第二行，开始写
考虑用 word 文档或者正规 A4 纸手写，然后打印出来
但是，对 GPT 来说：
任务清单（GPT）：
读文章，辅助人类了解《工程经济学》课程的三大类知识点
辅助人类在三大类知识点里各选一个知识点
创建 word 文件
编这个知识点的应用题目，并详细解释
把题目和解题过程写到 word 里
目前，GPT 的每次决策都依靠人类的反馈、选择，
咱们得清楚 「纯人工解决问题」和「人机协同解决问题」的方式是不一样的。
没意识到这点的人，可能会觉得 GPT 完全能按照纯人工的方式去解决问题。
比如说，我之前看到一段提示词，是有关英语练习的，提示词里有一句是“每天提醒用户学习”
GPT 咋给用户提醒？到点了给用户发个消息提醒他们学英语？现在的 GPT 可做不到这点
好啦，回到正题，刚才咱们已经完成步骤一：拆分任务，现在开始各个击破
选择三个知识点（纯人类）
理解每个知识点的概念、计算与应用（人机协同）
编写应用题目（人机协同）
解答应用题目（人机协同）
撰写报告文档（人机协同）
最终审查（纯人类）🔍
1、选择三个知识点（纯人类）
刚才 GPT 规划的是纯人类，可我只是完成任务，不是为了学习，那肯定让 GPT 帮我选最简单、最好做的知识点
灵活点，不是说非得按照 GPT 规划的计划执行 所以，Prompt1:
考虑所选知识点的概念、计算与应用，并根据个人实际生活、工作、见闻，从这三大类知识点里各选一个最简单、最容易完成、最快完成的知识点，只选出知识点就行
为啥我在结尾写“只选出知识点就行”？因为我怕 GPT 自作主张，选完知识点后就直接开始猛写 这违背了咱们的“一次只完成一个小任务”原则
现在，GPT 帮我选了上面这三个知识点
2、理解每个知识点的概念、计算与应用（人机协同） 我只是完成任务，不是为了学东西，所以这步直接跳过
3、编写、解答应用题目（人机协同）
因为选的知识点比较简单，可以把编写题目和解题这两步放到同一个 Prompt 里解决。
咱们要解决三个知识点，很明显，这又能把任务拆开
先是第一个知识点，输入 Prompt2.1：
我选的第一个知识点是“名义利率 vs 实际利率”。
在深入理解这个知识点的概念、计算与应用的基础上，根据个人实际生活、工作、见闻，编这个知识点的应用题目，并针对题目做出详细解答。
GPT 输出结果：
接着，让 GPT 把第一个知识点的题目和答案加到 word 文档里。
然后是第二个知识点，输入 Prompt2.2：
第二类：经济评价指标
我选 “静态投资回收期计算”。这个指标是最基本的，不用考虑资金的时间价值，只要简单的加减法就能算出来。
在深入理解这个知识点的概念、计算与应用的基础上，根据个人实际生活、工作、见闻，编这个知识点的应用题目，并针对题目做出详细解答。
弄好之后，把题目和解答过程加到 word 里
接着，第三个知识点，Prompt2.3:
下一个：第三类：工程经济评价——财务分析和经济分析
14。 财务分析辅助报表（1）营业收入、税金及附加表 编制：
因为 GPT 已经做了两次同样的任务，它已经学会咋做了。
所以现在咱们就不用把提示词写得那么详细了 GPT 的输出结果跟上面那个差不多，我就不贴图片了。
4、撰写报告文档（人机协同）和最终审查（纯人类） Prompt3:
请给我 word 文档的下载链接
我把更新了第三个知识点之后的 word 文件下载到桌面，打开，检查一下。
嗯，没啥问题，人工调整一下格式，任务就完成啦
以上就是用分治法和 Prompt Chain 解决复杂问题的一个实际例子
咱们回顾一下。
首先：拆分任务
选择三个知识点（纯人类）
理解每个知识点的概念、计算与应用（人机协同）
编写应用题目（人机协同）
解答应用题目（人机协同）
撰写报告文档（人机协同）
最终审查（纯人类）
接着，设计 Prompt Chain
给每个小任务设计一个 Prompt：
Prompt1：「考虑所选知识点的概念、计算与应用，并根据个人实际生活、工作、见闻，从这三大类知识点里各选一个最简单、最容易完成、最快完成的知识点。只选出知识点就行」
Prompt2.1：「我选的第一个知识点是“名义利率 vs 实际利率”。在深入理解这个知识点的概念、计算与应用的基础上，根据个人实际生活、工作、见闻，编这个知识点的应用题目，并针对题目做出详细解答」
Prompt2.2：「第二类：经济评价指标 我选 “静态投资回收期计算”。这个指标是最基本的，不用考虑资金的时间价值，只要简单的加减法就能算出来。在深入理解这个知识点的概念、计算与应用的基础上，根据个人实际生活、工作、见闻，编这个知识点的应用题目，并针对题目做出详细解答。弄好之后，把题目和解答过程加到 word 里」
Prompt2.3：「下一个：第三类：工程经济评价——财务分析和经济分析 14。财务分析辅助报表（1）营业收入、税金及附加表 编制：」
Prompt3：「下一个：请给我 word 文档的下载链接」
最后，执行** Prompt Chain **
通过这样的步骤，GPT 能够更有效地完成每个部分的任务，最后咱们把这些部分组合起来，就能弄出一篇完整、深入的课程报告了
希望这个例子能启发大家在碰到复杂问题时，试试用这种办法找解决方案
咱们再看一个例子。
三）关卡 3
「小红书视频标题生成助手」这套提示词可不是一下子就写出来的。
我也是用分治法把这个复杂任务拆解，拆解成了下面几个小任务：
-
收集高质量的标题示例作为后续分析的基础（纯人类） -
问 GPT 分析标题特点的维度 （人机协同） -
让 GPT 按照这些维度分析标题特点（人机协同） -
编写提示词（纯人类） -
测试提示词（人机协同） -
迭代提示词（人机协同）
接着再给人机协同的任务设计 Prompt Chian
其中，收集高质量标题这一步我用的工具是后羿采集器，跟 AI 没关系。
所以，从广义上讲，Prompt Chain 提示词链，这条链的每个节点不一定是 AI ，可能是其他工具。
因为时间关系，我就不进一步展开讲了，还没看过视频的同学，我强烈推荐你们去看，并且把视频教的方法实践起来
希望今天分享的分治法和 Prompt Chain 能帮大家在以后更好地用 AI 工具提高效率
本文由 mdnice 多平台发布