Documentation
  • GET STARTED
    • 介紹
    • 快速入门
    • 模型
      • 模型更新
    • Afs-turbo 和 Afs-1
    • Afs-turbo
    • 达尔·E 系统概述
    • TTS系统
    • 耳语
    • 嵌入
    • 适度
    • AFS基础
    • 我们如何使用您的数据
    • 终结点与兼容性
  • 教程
  • 更改日志
  • 能力
    • 文本生成
    • 聊天完成
    • JSON 模式
    • 可重复的输出
    • 管理令牌
    • 参数详细信息
    • 完成API(旧版)
    • 常见问题
  • 函数调用
  • 嵌入
    • 概述
    • 模型
    • 使用案例
    • 常见问题
  • 微调
    • 何时使用微调
    • 常见用例
    • 准备数据集
    • 创建微调模型
    • 使用微调模型
    • 微调示例
  • 图像生成
    • 介绍
    • 用法
    • 特定语言提示
  • 视觉
  • 文字转语音
  • 语音转文本
    • 概述
    • 快速入门
    • 支持的语言
    • 时间戳
    • 更长的输入
    • 促使
    • 提高可靠性
  • 适度
    • 概述
    • 快速入门
  • 助理
  • 概述
  • Google助理的工作原理
    • Objects
    • Creating Assistants
    • Managing Threads and Messages
    • Runs and Run Steps
    • 局限性
  • 工具
    • Code Interpreter
    • Knowledge Retrieval
    • Function calling
    • Supported files
  • 指南
  • 提示工程
    • Six strategies for getting better results
    • Write clear instructions
    • Provide reference text
    • Split complex tasks into simpler subtasks
    • Give models time to "think"
    • Use external tools
    • Test changes systematically
    • Other resources
  • 生产最佳实践
    • Setting up your organization
    • Scaling your solution
    • Managing rate limits
    • Improving latencies
    • Managing costs
    • MLOps strategy
    • Security and compliance
  • 安全最佳实践
  • 速率限制
    • 概述
    • Usage tiers
    • Error Mitigation
  • 错误代码
    • API errors
    • Python library error types
  • 图书馆
    • Python library
    • 图书馆
    • Azure OpenAI 库
    • 社区图书馆
  • 弃用
  • 政策
  • 行动
    • 介绍
    • 开始
    • 认证
    • 生产
    • 数据检索
    • 政策
  • 发行说明
  • Page 2
由 GitBook 提供支持
在本页
  1. 提示工程

Split complex tasks into simpler subtasks

文档优化策略

文档优化策略

分解复杂任务为更简单的子任务

通过将复杂任务分解为易于管理的子任务,可以提高处理效率和准确性。这种方法有助于清晰地定义任务的每个阶段,确保每一步都得到适当的关注和执行。

使用意图分类简化任务处理

对于需要多个独立指令集来处理不同情况的任务,使用意图分类来确定查询的类型,然后根据该分类来选择适当的指令集非常有效。这种方法不仅能减少错误率,还能降低成本。

对话管理策略

在需要长时间对话的应用中,使用总结或过滤之前对话的技巧来管理对话长度,确保对话的连贯性和可管理性。

长文档的递归总结

对于超出模型上下文长度限制的长文档,采用分段总结和递归构建完整总结的方法,以实现对长文档的有效处理。

具体实施技巧

意图分类

在接收到用户查询时,首先将其分类为主要和次要类别,以便根据查询的具体内容提供最相关的指示和帮助。

对话管理

通过总结或选择对当前查询最相关的对话部分,以动态地管理对话长度和上下文,提高对话的效率和相关性。

长文档总结

使用分段和递归方法来总结长文档,确保即使是超长文档也能被有效地处理和理解。

应用实例

客户服务应用程序中的意图分类

在处理客户服务查询时,首先根据查询的内容将其分类为“账单”、“技术支持”、“账户管理”或“一般查询”等主要类别,然后进一步细分为更具体的次要类别,以便提供最合适的支持和指导。

技术支持中的故障排除

在技术支持背景下,根据用户的具体问题(如互联网连接问题),提供按步骤的故障排除指导,包括检查线缆连接、设备重启等,直至问题解决或转接至IT支持。

总结

通过上述策略和技巧,可以有效地优化文档的结构和内容,提高信息的清晰度和可读性。利用意图分类、对话管理和长文档总结等方法,可以在各种应用场景中提高效率和用户满意度。

上一页Provide reference text下一页Give models time to "think"

最后更新于1年前