國內外API平臺對比：RapidAPI、聚合數據API、API云市場、冪簡集成
怎么保證自動化生產的提示詞的質量呢？答案是標準化。
首先是內容結構的標準化。整體采用基于角色的框架。為 agent 角色編寫簡歷，它的名字，背景，介紹，技能，需要遵守的規則，工作流程，初始化行為等幾個部分。
為規范各個部分的編寫同時借鑒編程思想，設計了輕量的語法，包含變量，作用域，邏輯流控制等。通過復用 Markdown， json，yaml 等成熟格式直接實現。
為了進一步確保提示詞質量，還設計了模板。模板層級結構清晰，可采用不同的格式。
LangGPT框架很好的幫助我們搭了一個框架，省去了我們思考結構化的時間，更可貴的是，這個框架直接幫我們封裝了提示詞的技巧方法論，更進一步提高了提示詞的質量。
更重要的方面是方法論封裝融合，LangGPT 進一步將技巧和框架融合，形成高質量的模板。
封裝的技巧包括角色扮演，CoT 思維鏈，格式法，屬性詞法，同時內置了提示詞經典句，正是這些基礎性的方法的封裝，確保了生產的初版提示詞的質量。
LangGPT 的這種模板的思想，方法論封裝的思想影響了一大批提示詞編寫者，國內許多公司都直接或間接的應用著 LangGPT 的這種結構化范式。
這里寫了很多的方法論，我們就只說兩個吧，角色扮演和CoT思維鏈
角色扮演法：通過設定AI的角色或身份（如專家、助手、律師等等），它可以更準確地根據該角色的特性來生成回答。
角色通常與某種情境或背景相關，這為模型提供了更多上下文，幫助它更好地理解問題的意圖。
大模型生成的內容會更符合我們角色的情境，例如角色的專業能力、背景、人格特征等。
然后說說CoT思維鏈，大模型執行的步驟就是COT，全稱“Chain of Thought”，中文可以叫做“思維鏈”。
這個方法論的核心是讓AI模型在給出答案之前，先展示出它的思考過程。
就好比是在解數學題時，先把每一步的計算過程寫出來，而不是直接跳到答案那樣。
最簡單有效就是添加”讓我們一步步來思考“這句話。
在實際應用中，這些方法論并不是單一去使用的，而是融合在一起配合去使用的。
寫到這里，你應該明白了什么是高質量COZEprompt，但是僅僅有高質量COZEprompt就夠了嗎？
很明顯并不是這樣，高質量COZEprompt只能保證我們有了一個趁手的工具。
我們還需要知道怎么使用這個工具。就需要我們對我們自己提出的需求或問題，有深入的理解，并能夠有效地指導模型的思考過程。
說白了，你是AI的主人、領導，它沒辦法輸出連你都不明白的內容。
coze 培訓的方式主要包括以下幾種：
我們就用【復雜問題解決專家】這個COZEprompt的實際例子來講解一下，這里主要用到的是CoT思維鏈方法。
# Role：復雜問題解決專家
## Background：
– 這個角色旨在通過一個結構化和逐步的方法來解決復雜問題，確保問題的每個方面都被詳盡地探索和評估。
## Attention：
– 采用清晰、邏輯性強的方式回答問題，使用費曼學習法和第一性原理。
– 如果對答案不確定，需先提出警告，然后再回答。
## Skills:
– 采用清晰、邏輯性強的方式回答問題，使用費曼學習法和第一性原理。
– 使用Markdown格式清晰地展示信息。
– 能夠提出關鍵問題，引導用戶思考并獲取更多信息。
– 能夠生成多角度的解決方案，并評估其成功可能性。
– 能夠擴展思考過程，考慮實施策略和潛在障礙。
– 能夠使用KPI方法來定量分析和執行解決方案。
## Goals:
– 清晰定義問題。
– 構建思想之樹，提供至少五個解決方案。
– 對每個解決方案進行詳細的評估。
– 擴展每個解決方案，考慮實施細節和潛在障礙。
– 根據評估結果，制定決策并優化解決方案。
– 使用表格和KPI框架來清晰展示最優選擇。
## Constraints:
– 保持對原始問題的忠實，不偏離用戶的核心目標。
– 確保解決方案的實際可行性。
– 在提供解決方案時，需考慮其可執行性和量化指標。
– 使用Markdown格式加粗標題，清晰界定信息。
## Workflows:
** 完成每個步驟后，都要詢問用戶是否有其他內容補充，等待用戶回答后才能進行下一步**
### 第一步: 獲取問題
跟我進行溝通，獲取我當前遇到的問題。
### 第二步：拆解問題
針對我提出的問題，你首先要深呼吸，好好思考該問題如何拆解成一個個小問題，還需要哪些最關鍵的信息，采用提問的方式告訴我，要求我考慮各種因素獲得更清晰的信息，比如目標受眾等相關信息，基于此來拆解問題。
### 第三步: 構建思想之樹
結合我的回答和多角度分析請為我生成不低于五個的解決方案。
### 第四步: 評估階段
對于每個提出的解決方案，評估其潛在的成功可能性。請考慮優點和缺點，需要的初始努力、實施的難度、可能的挑戰以及預期的結果。根據這些因素，為每個選項分配一個成功的概率。
### 第五步: 擴展階段
對于每個解決方案，深入思考過程，生成潛在的場暑、實施策略，需要的合作伙伴或資源，以及如何克服可能的障礙。同時，考慮任何可能的意外結果，以及如何處理它們，同時進一步優化所有方法，目的提高成功概率。
### 第六步: 決策決斷
根據評估和場景，按照成功概率高低的順序排列解決方案。為每個排名提供理由，并提供每個解決方案的最后思考或考慮因素。最終，提醒我，下一步將輸出最終結果，當我回復后為我輸出一個最初提出問題后的最優選擇。輸出最優選擇的結論必須使用必須使用表格的方式清晰的呈現并展示其名稱、關鍵任務、對應的目的。
使用表格和**KPI框架**清晰展示最優選擇，描述可量化的部分，方便我進一步落地和執行。
### 第七步: 最后一步
回顧最初我提出的問題，結合你所有分析結果和規劃建議后，給出精準的解決答案。
## KPI：
– KPI是用于衡量工作人員工作績效表現的量化指標。
– KPI法符合一個重要的管理原理：二八原理，是對重點經營活動的衡量，而不是對所有操作過程的反映；
– 可量化：KPI應該是可以量化的，能夠用數字來衡量。
– 相關性：KPI應該與組織的目標和戰略緊密相關。
– 可比較：KPI應該允許在不同時間段或不同部門之間進行比較。
– 可追蹤：KPI應該能夠定期跟蹤和評估。
– 可操作：KPI應該能夠指導行動，幫助組織識別需要改進的領域。
## Suggestion：
– 在提供解決方案時，考慮不同文化背景、受眾群體和使用場景。
– 定期更新和優化解決方案，確保它們的有效性和實用性。
## Initialization:
您好, 接下來, 讓我們一步一步思考, 努力工作, 請根作為一個擁有專業知識與技能(Skills)的角色(Role)，嚴格遵循步驟（Workflow）step-by-step, 遵守限制(Constraints), 完成目標（Goals）。** 完成每個步驟后，都要詢問我是否有其他內容補充，我回答后再進行下一步 **，這對我來說非常重要,請你幫幫我，謝謝！讓我們開始吧。【復雜問題解決專家】這個COZEprompt，當然就是為了解決“復雜問題”而準備的。
比如說開店做生意，在以前這是一個“簡單問題”，你只要重點抓住兩三件事情（比如選址、產品、宣傳），大概率就能賺錢。
但是現在就成了一個“復雜問題”，重點的兩三件事情可能變成了七八件事情，而每件事情的背后又可以被拆分為很多事情，事情變多了，層級變多了，自然就變復雜了。
比如剛才說的開店，重要的事情可能就是：品牌定位、選址、設計裝修、產品、服務、營銷、人員、系統等。
而產品又可以拆分為：研發、采購、收貨、倉儲、運輸、制作、呈現等環節。
我們上面說的CoT思維鏈，就是幫助我們拆解復雜問題，將大問題拆解為若干個小問題，然后再一步一步的解決這些小問題。最終做到全面、無遺漏、有深度的解決這個復雜問題。
下面我們就用【復雜問題解決專家】這個prompt演示一個案例，特別提醒，這里重點不是結果，重點是思考的過程。這里我使用的是kimi。
1、進入第一步，kimi要求我們提供問題的背景信息，我的回答如下：
品牌名稱：王氏餐飲
面臨的問題：客戶到店體驗不佳，表現為對于服務和環境不是很滿意，對于菜品味道感覺還可以
品牌信息：王氏餐飲是一家4線城市的連鎖中餐品牌，總共有6家中大型連鎖中餐餐飲門店，品牌創立10年，主打中高端家庭宴請，也有一部分輕商務宴請，客單價80元-90元，開業頭幾年深受當地人的喜愛。
目前問題：
1、近年來該品牌并沒有去研究中餐餐飲趨勢和消費者的調研，更沒有進行改進和創新；
2、管理層的意識也一直沒有改變，仍然沿用開業以來的菜品體系和服務方法；
3、導致顧客滿意度持續下降；
4、營業額也跟著持續下滑；
期望結果：期望通過打造更加專業的餐飲服務體系，來不斷提升客戶滿意度，進而提升整體營業額
2、kimi幫我將和這個問題相關的內容列了出來，并讓我來回答更具體的問題。就是為了進一步了解門店更具體的一些情況，我的回答如下：
客戶反饋的具體內容：店面環境長期沒有變化，審美疲勞了。服務方面很平淡，沒有驚喜；
競爭對手情況：其他品牌有比如說打造客戶管家體系，并且給顧客免費提供比如生日宴布置和儀式，很多人沖著這個去的。
員工情況：由于管理人員是一起創業的老員工，他們并沒有積極的去持續的學習，導致員工的培訓疏于管理，不體系，沒有形成習慣，專業技能很一般。
菜品更新頻率：目前菜品更新頻率不固定，短的一個月2次，長的兩三個月更新一次。有收集反饋，但是并沒有接下來的動作。
營銷策略：目前營銷活只是在節假日或24節氣時會推出一些活動，似乎并沒有有效的吸引新客戶和老客戶。
財務狀況：今年和去年同期比較，下滑大概15%
顧客畫像：以家庭客戶為主，一般都是一家人一起來消費，他們來消費時希望能有一個家的溫馨氛圍和輕松愉快的環境。
3、第三步，構建思想之樹，幫我列出了5個解決方案，如果不滿意，可以和kimi溝通、討論。我直接進入了第四步。
4、這一步，它將每個解決方案的優缺點，所需的準備、實施難度、挑戰、甚至成功概率等都列出來了。
那么我們就可以根據實際情況讓AI進行調整。比如由于人員的問題，有些解決方案的難度可能要加大。
5、這一步我根據實際情況提出了建議，kimi也完成了回答，這里其實可以進一步的提出要求，因為一步是擴展階段，這里越細越好，甚至可以讓AI做出整個方案細節。
下面看看第六步。
6、這一步為每一個方案設置了kpi指標，根據重要程度做了一個排序，做了一個表格，并對kpi進行了說明。
我們來看最后一步。
7、最后是匯總和總結，對以上內容進行了最后的闡述。
AI的整個過程是嚴格按照我們的prompt進行的，表現的還是非常不錯的。
如果是真實的場景的話，如果我們加上更詳細的背景資料，和更多真實的細節反饋。
輸出的質量會更高。
通過這篇文章，我想大家已經清楚了高質量COZEprompt對AI Agent的重要程度。
所以我在我的網站上（https://17ai.site/）專門開了一個高質量prompt專區（鏈接：https://17ai.site/ai-bestpractices/ai-goodprompt）。
目前搜集了90多個prompt（理論上說，每一個prompt都可以做成一個AI Agent），后續將不間斷的更新。
題圖標題：《城市星空》AI算法提供：SDPrompt:
universe,star (sky),scenery,starry sky,sky,outdoors,night,shooting star,night sky,nature,panorama,soft tones,HD,8k octane,super details,HD pictures 8k,Peki,Chinese style,high detail,high resolution,masterpiece,best quality,HD,8K,16K,Atlas upholds Neo-China map,city denizens ukiyo-e universe,Black Mirror circuitries harnessing ancient cosmographical canon,
Boy,space suit,handsome,background,Space,Spaceship,Earth,Earth,Masterpiece,best quality,(ultra detailed, intricate detailed:1.5),(8K:1.5),perfect anatomy,(detailed outlet),vivo colors,high resolution,(1 boy (age 20, bullet body )))),black hair,(disheveled hair:1.5),(scores:1.5),chlotes (black shirt, jacket),why sleeves,background (futuristic city:1.5) and fog,
原文轉自 微信公眾號@王笑東
