ChatGPT 与软件架构 (4) - 架构师提示工程指南

简介: ChatGPT 与软件架构 (4) - 架构师提示工程指南

架构师可以通过各种类型的对话提示,提升驱动 ChatGPT 对话输出的质量,更好的利用 AI 能力辅助架构设计。原文: Software Architects’ Guide to Enhancing ChatGPT Interactions With Prompt Types


Robert Stump @Unsplash

前言

随着 ChatGPT 等人工智能语言模型的发展,不同类型的提示有助于优化交互并针对特定上下文生成对应的响应。本文将探讨不同类型的提示及其历史和应用,重点关注与软件架构师相关案例,参考关键领域研究,并提供可供实际项目验证的提示示例。

人物/角色提示

人物/角色提示是一种用于为 AI 分配特定人物或角色的技术,指导 AI 提供更相关、特定于领域和上下文的响应。通过赋予 AI 角色或专业知识,用户可以更好的定制互动关系,聚焦对话内容。当寻求特定领域(如软件架构、市场营销或财务)建议或见解时,这种方法非常有用。当你想让 AI 承担特定角色或专业知识以提供更有针对性和更明智的回应时,可以使用人物/角色提示。


人物/角色提示源于人机交互和用户体验设计,在这些设计中,设计师创建用户角色从而与目标受众共情。这种方法同样适用于 AI,特别是在会话代理和 NLP 中,并与 GPT 等模型一起发展。Li, Galley, Brockett, Gao 和 Dolan 撰写过一篇相关论文<A Persona-Based Neural Conversation Model>,该模型提出了基于角色的神经对话模型,用于生成更有吸引力和多样化的响应。


下面是一些例子:


  1. 假设你是微服务架构方面的专家,提供在大规模应用程序中设计和实现微服务的最佳实践。
  2. 假设你是安全专家,提供保护基于云的应用程序和保护敏感数据的建议。
  3. 假设你的角色是 DevOps 顾问,提供实现 CI/CD 流水线和改进部署流程的策略建议。
  4. 把自己想象成软件性能工程师,提供优化应用程序性能和减少延迟的技术建议。
  5. 想象一下数据库架构师的样子,解释不同数据库技术之间的利弊,并指导如何为特定用例选择最佳解决方案。

思维链(CoT,Chain of Thought)提示

思维链(CoT,Chain of Thought)提示是一种引导 AI 解释其反应背后的原因,从而提高决策过程透明度的技术。通过让 AI 描述影响其结论的因素,用户可以深入了解其思维过程,从而更好的评估和信任 AI 的建议。在复杂的决策场景中,理解 AI 的基本原理至关重要,当你需要 AI 澄清思维过程,或者当你想要更深入了解其决策所考虑的因素时,使用 CoT 提示。


CoT 提示与可解释人工智能(Explainable AI, XAI)领域密切相关,XAI 旨在使 AI 模型更加透明和可理解。Gunning 的论文<Explainable Artificial Intelligence(XAI)>讨论了 XAI 项目的发展和目标,Miller 的论文<Explanation in artificial intelligence: Insights from the social sciences>从多学科角度探讨了 AI 中的解释概念。


  1. 解释你为这个项目推荐特定云供应商的过程,以及考虑因素。
  2. 介绍一下你是如何为这个应用程序评估不同编程语言,以及选择最合适语言的标准。
  3. 详细介绍为这个高流量 web 应用确定最有效的负载均衡策略所采取的步骤。
  4. 概述选择特定容器编排平台来管理和扩展应用程序的原因。
  5. 阐明如何确定最合适的 API 设计方法以及在决策过程中考虑的利弊。

逐步/指令提示

逐步/指令提示是一种将复杂任务或过程分解成更小、更易于管理的步骤的方法。通过要求 AI 提供分步指令或指导,用户可以更好的理解并遵循所需步骤以实现特定目标。这种方法在处理复杂任务时很有帮助,例如在软件开发中采用新技术、配置系统或实现特定功能。当你需要详细指导或系统方法来完成复杂任务时,使用逐步/指令提示。


在 Schank 和 Abelson 的<Scripts, Plans, Goals, and Understanding: An Inquiry into Human Knowledge Structures>一书中探讨了将知识表示为程序的概念,从而影响了 AI 中逐步提示的发展。


  1. 提供在云供应商上设置 Kubernetes 集群的分步说明。
  2. 描述使用 Jenkins 或 GitLab CI/CD 等流行工具配置 CI/CD 流水线的过程。
  3. 概述在 web 应用中实现 OAuth 2.0 身份验证的步骤。
  4. 解释如何使用 AWS Lambda 和 API 网关创建和部署无服务功能。
  5. 详细介绍将现有单体应用迁移为微服务架构的过程。

目标导向提示

目标导向提示是一种专注于引导 AI 实现特定目标或解决特定问题的技术。通过在提示中说明期望的结果或目标,AI 被鼓励生成解决方案或策略来帮助用户实现目标。在用户需要解决挑战、克服障碍或确定实现目标的有效方法的情况下,目标导向提示非常有用。当你希望 AI 专注于解决问题或提供策略以达到特定结果时,可以使用目标导向的提示。


Russell 和 Norvig 在<Artificial Intelligence: A Modern Approach>一书中概述了基于目标的代理及其解决问题的能力。Laird、Newell 和 Rosenbloom 的论文<Soar: An Architecture for General Intelligence>讨论了智能代理的 Soar 架构,强调了目标驱动的行为。


  1. 确定在数据库迁移期间最小化停机时间的最有效方法。
  2. 确定扩展 web 应用以处理用户流量激增的最佳方法。
  3. 找到降低分布式系统管理多个微服务的复杂性的解决方案。
  4. 制定将遗留系统与现代基于云的服务集成的策略。

探索性/问题驱动提示

探索性/问题驱动型提示向 AI 提出开放式问题,以鼓励对特定主题进行更深入的理解或探索。通过向 AI 提出问题,用户可以进行更具互动性的苏格拉底式对话,发现见解,并从 AI 的回答中学习。当用户想要探索不同视角、收集更多信息或分析各种方法之间的利弊时,这种方法非常有用。当你想让 AI 提供全面见解,探索不同领域时,可以使用探索性/问题驱动的提示。


Graesser, Person 和 Harter 的论文<[Teaching tactics and dialogue in AutoTutor]>介绍了一种基于问题驱动方法来增强学习效果的 AI 辅助系统。


  1. 将本地应用迁移到云环境的主要挑战是什么?如何解决这些挑战?
  2. Istio 或 Linkerd 这样的服务网格对基于微服务的应用有何好处?
  3. 在为分布式系统选择消息代理时应该考虑哪些因素?为什么考虑这些因素?
  4. 如何有效管理 API 版本以最小化中断并保持向后兼容?
  5. 哪些场景使用 NoSQL 数据库比传统关系数据库更有利?有什么潜在缺点?

提示示例

一个非常常见的例子是在开发电商网站的整个项目生命周期中,可以使用不同类型的提示来解决各种挑战并实现特定目标。以下是在开发电商网站时,何时及如何使用这些提示的例子:

1. 人物/角色提示

在计划和设计阶段,可以通过人物/角色提示收集不同专家视角的见解。例如:


  • UI/UX 设计师:


作为一名拥有 10 年经验的 UX/UI 设计师,在设计电商网站的布局和用户流程时,需要考虑哪些关键原则?


  • 安全专家:


假设你是安全专家,在电商平台上保护用户数据和支付交易的最佳实践是什么?

2. 思维链(CoT)提示

在做出技术或设计选择时,可以使用 CoT 提示来理解 AI 建议背后的原因。例如:


对于构建电子商务网站,你会推荐哪些编程语言和框架,为什么?你能解释一下电商网站使用单页应用程序(SPA)架构的优缺点吗?

3. 逐步/指令提示

在实现和部署阶段,逐步/指令提示可以指导我们完成复杂的任务。例如:


为电商网站建立一个安全支付网关,提供一个循序渐进的指导。解释一下集成 CDN 以优化电商平台性能的过程。

4. 目标导向提示

在整个项目生命周期中,可以使用目标导向提示来处理特定挑战或实现特定目标。例如:


找出改善电子商务网站加载时间和性能的最有效策略。提供确保电子商务平台对残疾用户可访问性的最佳方法。

5. 探索性/问题驱动提示

在计划、设计和评估阶段,探索性/问题驱动提示可以帮助收集见解并探索不同观点。例如:


选择电商平台要考虑的关键因素是什么?与 Shopify、Magento 和 WooCommerce 等流行解决方案相比如何?如何利用社交媒体增强用户体验并推动电商销售?


通过在电商网站项目生命周期的不同阶段使用这些不同类型的提示,可以获取有价值的见解,做出更明智的决策,并有助于提高项目的整体结果。

用于定义服务级别的目标导向提示

要定义项目的服务级别和规范需求,可以结合使用目标导向和探索性/问题驱动的提示。目标导向提示可以帮助概述与服务级别或法规遵从性相关的特定目标,而探索性/问题驱动提示可以帮助收集见解并探索和这一主题相关的不同观点。下面是一些例子:


  1. "确定应追踪的关键表现指标(KPI),以确保电子商务网站的服务达到最佳水平。"
  2. "确定与托管服务商建立服务水平协议(SLA)的最佳方法,以保证正常运行时间和性能。"
  3. "制定计划,监控及维持电商网站的表现,以达到或超越目标服务水平。"
  4. "制定策略,扩展电商平台的基础设施,以应对高峰流量,同时保持所需的服务水平。"
  5. "概述一个定期检讨和更新服务水平目标的流程,以配合电商网站的发展和不断变化的需求。"
用于定义法规需求的探索性/问题驱动提示
  1. "电商网站必须遵守哪些重要的数据保护法规(例如 GDPR 和 CCPA)?如何确保遵守这些法规?"
  2. "不同的支付处理规定(如 PCI DSS),对电商网站有什么影响?应该采取什么措施来满足这些要求?"
  3. "电商网站应遵循哪些主要的易读性指引(例如 WCAG),以确保所有用户都能获得积极的体验?如何实施这些指引?"
  4. "电商网站在跨境销售商品和服务时,应考虑哪些国际贸易和税收法规?如何满足这些要求?"
  5. "如何遵守不断发展的消费者保护条例,并确保电商网站的政策和做法符合这些标准?"


通过目标导向提示定义服务级别,并使用探索性/问题驱动提示来定义法规需求,就可以收集必要信息并制定策略来满足这些目标,并确保整个项目遵从必要的法律法规要求。

提示库

作为软件架构师,在 YAML 中构建提示库并将其存储在 Git 存储库中可以为 AI 项目提供许多好处。组织良好的提示库可以促进团队成员保持一致,重用工作结果,提高协作效率,让我们能够轻松跟踪和维护在 ChatGPT 驱动的应用中使用的提示,简化开发过程并提高 AI 交互的质量。


通过将提示存储在 Git 中,可以利用版本控制特性(例如跟踪更改、版本回滚和分支),确保团队可以在提示库上高效工作并无缝协作。


# chatgpt-prompts.yaml
# This YAML file contains AI prompts for ChatGPT that can be stored in a Git database
# and used within an Obsidian graph. It includes metadata about the prompt type, creator, 
# creation date, usage history, and comments.
prompts:
  - id: 1
    type: question
    category: general
    prompt: "Tell me a joke."
    keywords:
      - joke
      - humor
      - fun
    creator: user1
    created_at: 2023-04-23
    history:
      - date: 2023-04-23
        user: user2
    comments:
      - user: user2
        date: 2023-04-23
        comment: "This prompt generates entertaining results."
  - id: 2
    type: question
    category: general
    prompt: "What are the benefits of exercise?"
    keywords:
      - exercise
      - benefits
      - health
    creator: user3
    created_at: 2023-04-22
    history:
      - date: 2023-04-22
        user: user4
      - date: 2023-04-23
        user: user5
    comments:
      - user: user4
        date: 2023-04-22
        comment: "Great prompt for discussing the importance of physical activity."
  # Add more prompts with corresponding metadata here

复制代码

总结

总之,理解和利用各种类型的提示,例如人物/角色提示、思维链提示、逐步指导提示、目标导向提示和探索性问题驱动提示,可以极大提高与 ChatGPT 交互的质量和有效性。作为软件架构师,在 YAML 中构建组织良好的提示库并将其存储在 Git 中可以简化开发过程并改善团队内部协作。通过掌握这些技术并将其整合到 AI 驱动项目中,可以释放 ChatGPT 的全部潜力,并创建强大的、特定于上下文的、类似人类的会话体验。




你好,我是俞凡,在 Motorola 做过研发,现在在 Mavenir 做技术工作,对通信、网络、后端架构、云原生、DevOps、CICD、区块链、AI 等技术始终保持着浓厚的兴趣,平时喜欢阅读、思考,相信持续学习、终身成长,欢迎一起交流学习。微信公众号:DeepNoMind

目录
相关文章
|
1月前
|
人工智能
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 27 章:如何避开和绕过所有人工智能内容检测器
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 27 章:如何避开和绕过所有人工智能内容检测器
|
1月前
|
人工智能 数据处理
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 28 章:圣杯 = 专家 + ChatGPT 的协同作用
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 28 章:圣杯 = 专家 + ChatGPT 的协同作用
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 26 章:让 ChatGPT 成为你自己的提示工程师
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 26 章:让 ChatGPT 成为你自己的提示工程师
|
1月前
|
缓存 NoSQL Java
秒杀圣经:10Wqps秒杀,16大架构绝招,一文帮你秒变架构师 (2)
高并发下的秒杀系统设计是一个复杂的挑战,涉及多个关键技术点。40岁老架构师尼恩在其读者交流群中分享了16个关键架构要点,帮助解决高并发下的秒杀问题,如每秒上万次下单请求的处理、超卖问题的解决等。这些要点包括业务架构设计、流量控制、异步处理、缓存策略、限流熔断、分布式锁、消息队列、数据一致性、存储架构等多个方面。尼恩还提供了详细的实战案例和代码示例,帮助读者全面理解和掌握秒杀系统的架构设计。此外,他还分享了《尼恩Java面试宝典》等资源,帮助读者在面试中脱颖而出。如果你对高并发秒杀系统感兴趣,可以关注尼恩的技术自由圈,获取更多详细资料。
秒杀圣经:10Wqps秒杀,16大架构绝招,一文帮你秒变架构师 (2)
|
28天前
|
缓存 前端开发 JavaScript
前端的全栈之路Meteor篇(二):容器化开发环境下的meteor工程架构解析
本文详细介绍了使用Docker创建Meteor项目的准备工作与步骤,解析了容器化Meteor项目的目录结构,包括工程准备、环境配置、容器启动及项目架构分析。提供了最佳实践建议,适合初学者参考学习。项目代码已托管至GitCode,方便读者实践与交流。
|
1月前
|
缓存 NoSQL Java
秒杀圣经:10Wqps高并发秒杀,16大架构杀招,帮你秒变架构师 (1)
高并发下,如何设计秒杀系统?这是一个高频面试题。40岁老架构师尼恩的读者交流群中,近期有小伙伴在面试Shopee时遇到了这个问题,未能很好地回答,导致面试失败。为此,尼恩进行了系统化、体系化的梳理,帮助大家提升“技术肌肉”,让面试官刮目相看。秒杀系统设计涉及16个架构要点,涵盖业务架构、流量架构、异步架构、分层架构、缓存架构、库存扣减、MQ异步处理、限流、熔断、降级、存储架构等多个方面。掌握这些要点,可以有效应对高并发场景下的秒杀系统设计挑战。
秒杀圣经:10Wqps高并发秒杀,16大架构杀招,帮你秒变架构师 (1)
|
1月前
|
自然语言处理
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 22 章:情感分析提示
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 22 章:情感分析提示
|
1月前
|
机器学习/深度学习 自然语言处理
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 20 章:强化学习提示
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 20 章:强化学习提示
|
1月前
|
自然语言处理
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 14 章:受控生成提示
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 14 章:受控生成提示
|
1月前
|
自然语言处理
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 25 章:文本生成提示
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 25 章:文本生成提示