Bruce Wong Blog

非凡的结果始于伟大的问题.

元提示之——推理标签

Meta‑prompts 工具解析

上一篇介绍了使用元提示(meta-prompt),基于你的idea创建高效提示词的方法。元提示还有一个版本,是修改已经存在的提示词,并尽可能保留提示词中的关键信息,例如:你预设的一些参数符号等,这样可以尽可能减少修改后的提示词对已有系统集成的影响。 分析元提示的内容,你可以看到里面有一个神奇的小标签——标签,他可以引导普通模型(非推理)进行主动推理。推理过程可以理解为CoT(思维链)的过程...

元提示词实践

Meta‑prompts 工具解析

上一篇介绍元提示词后,有小伙伴想看看实际效果。做了一个小视频,大家可以看一下效果。 几个实践中的小tips分享一下: 使用更多参数的大模型调用Meta Prompts生成提示词。之后用小模型或者低参数的大模型运行,投入产出比最高。 生成提示词的用法:元提示词设置成系统提示词,你通过输入“the Goal is that ***” 来引导模型生成你需要的提示词的任务。 ...

用“会思考的提示”提升提示工程效率

Meta‑prompts 工具解析

最近在和一个团队一起探索在大模型AI落地中如何高效的设计提示词,每个人都学习提示词技巧固然是好,但是同样的知识不同的人学习也会有不同的效果。于是我们发现了Meta‑prompts这个好东西,今天就来聊聊如何用更聪明的AI来帮助我们生成提示词。 什么是Meta‑prompts? Meta‑prompts,又称”元提示词”,即用一个智能模型(通常更强的模型)来生成或优化另一个模型的输入提示(p...

学习如何构建高效AI Agent

Anthropic的工程师Barry Zhang在最近的AI Engineering大会上分享了《How We Build Effective Agents》的演讲,非常受用,学习之余结合自己的工作实践做了一些总结。以下是我对他演讲的内容的总结和思考。 1. 不要为任何事情都构建Agent(Don’t build agents for everything) Barry提到,Agent可以...

RAG创始人关于RAG Agent的10个思考(下)

继续上一篇,将后5个思考也做一个分享。 6.工程师在“无聊”的事情上花费大量时间: 工程师本应专注于构建流程、提升精度、扩展应用等创造业务价值的工作,但现实中却常常耗费时间在数据分块 (chunking) 策略、文本清洗、构建连接器、配置向量数据库、调整提示、管理基础设施等相对基础且耗时的工作上。应设法将这些工作自动化或平台化。 实践分享 有很多已存在的框架和工具可以帮助我们自动化这...