导图社区 AI 模型使用决策树
基于著名的“DeepSeek从入门到精通”,提取其中“如何使用”部分,做成决策树结构,按照决策树的顺序清单,帮到各位同学快速提升使用AI大模型的水平。
编辑于2025-03-16 21:04:33想用顶尖咨询公司的思维武器秒杀职场难题?麦肯锡百年方法论提炼的高效工具,帮助你快速拆解问题、做出精准决策——从此告别无效内卷,用思维杠杆撬动10倍生产力! 导图是基于《麦肯锡思考工具》这本书,系统梳理了麦肯锡咨询顾问的核心思维框架与实战工具,涵盖问题分析、逻辑拆解、高效沟通等关键场景,通过SCQA故事法、MECE原则、空雨伞决策模型等工具,帮助读者构建结构化思维体系,将复杂问题转化为可执行方案。 推荐理由: ① 即学即用的工具箱:每个工具配有企业级案例 操作模板,新手也能快速上手; ② 思维底层升级:打破碎片化思考惯性,培养一眼看透本质的洞察力; ③ 职场全场景覆盖:从数据汇报到跨部门协作,从战略制定到个人效率提升,适配各阶段职场人痛点。
基于著名的“DeepSeek从入门到精通”,提取其中“如何使用”部分,做成决策树结构,按照决策树的顺序清单,帮到各位同学快速提升使用AI大模型的水平。
RISC V 是指令集架构(ISA)的一种,通过对ISA主流架构的梳理,帮助你快速理解RISC V所处的行业地位,同时附上相关上市公司名单及其在RISC V领域的布局。
社区模板帮助中心,点此进入>>
想用顶尖咨询公司的思维武器秒杀职场难题?麦肯锡百年方法论提炼的高效工具,帮助你快速拆解问题、做出精准决策——从此告别无效内卷,用思维杠杆撬动10倍生产力! 导图是基于《麦肯锡思考工具》这本书,系统梳理了麦肯锡咨询顾问的核心思维框架与实战工具,涵盖问题分析、逻辑拆解、高效沟通等关键场景,通过SCQA故事法、MECE原则、空雨伞决策模型等工具,帮助读者构建结构化思维体系,将复杂问题转化为可执行方案。 推荐理由: ① 即学即用的工具箱:每个工具配有企业级案例 操作模板,新手也能快速上手; ② 思维底层升级:打破碎片化思考惯性,培养一眼看透本质的洞察力; ③ 职场全场景覆盖:从数据汇报到跨部门协作,从战略制定到个人效率提升,适配各阶段职场人痛点。
基于著名的“DeepSeek从入门到精通”,提取其中“如何使用”部分,做成决策树结构,按照决策树的顺序清单,帮到各位同学快速提升使用AI大模型的水平。
RISC V 是指令集架构(ISA)的一种,通过对ISA主流架构的梳理,帮助你快速理解RISC V所处的行业地位,同时附上相关上市公司名单及其在RISC V领域的布局。
AI 模型的 选择与使用
模型选择
原则:优先根据任务类型,而非模型热度选择 例如:数学任务选推理模型,创意任务选通用模型
选择
推理模型:在传统的大语言模型基础上,强化推理、逻辑分析和决策能力
优势:数学推导、逻辑分析、代码生成、复杂问题拆解
缺点:发散性任务(如诗歌创作)
通用模型:侧重语言生成、上下文理解和自然语言处理,不强调深度推理能力
优势:文本生成、创意写作、多轮对话、开放性问答
缺点:需要严格逻辑链的任务(如数学证明)
提示语 设计的原则
原则:推理模型直来直去,通用模型分步引导
原则
推理模型:要什么直接说,简洁指令,聚焦目标
举例
数学证明
原则:直接提问,无需分步引导 示例:证明勾股定理 避免:冗余拆解,如“先画图,再列公式”
创意写作
原则:鼓励发散性,设定角色/风格 示例:“以海明威的风格写一个冒险故事” 避免:过度约束逻辑(如“按时间顺序列出”)
代码生成
原则:简洁需求,信任模型逻辑 示例:“用Python实现快速排序” 避免:分步指导(如“先写递归函数”)
多轮对话
原则:自然交互,无需结构化指令 示例:“你觉得人工智能的未来会怎样?” 避免:强制逻辑链条(如“分三点回答”)
逻辑分析
原则:直接抛出复杂问题 示例:“分析‘电车难题’中的功利主义与道德主义冲突” 避免:添加主观引导(如“你认为哪种对?”)
通用模型:缺什么补什么,结构化、补偿性引导
举例
数学证明
原则:分步思考,提供示例 示例:请分三步推导勾股定理,参考:1. 画直角三角形…. 避免:直接提问(易跳过关键步骤)
创意写作
原则:需明确约束目标,避免自由发挥 示例:“写一个包含‘量子’和‘沙漠’的短篇小说,不超过200字 避免:开放式指令(如“自由创作”)
代码生成
原则:细化步骤,明确输入输出格式 示例:“先解释快速排序原理,再写出代码并测试示例” 避免:模糊需求(如“写个排序代码”)
多轮对话
原则:需明确对话目标,避免开放发散 示例:“从技术、伦理、经济三方面分析AI的未来” 避免:情感化提问(如“你害怕AI吗?”)
逻辑分析
原则:需拆分问题,逐步追问 示例:“先解释电车难题的定义,再对比两种伦理观的差异” 避免:一次性提问复杂逻辑
基于需求的 提示语设计
原则:基于自身需求,设计提示语
设计
决策需求:目标 + 选项 + 评估标准
举例
1 选项: 为降低物流成本,现有两种方案:①自建区域仓库(初期投入高,长期成本低);②与第三方合作(按需付费,灵活性高) 2 评估标准:请根据ROI计算模型 3 目标:对比5年内的总成本并推荐最优解
分析需求:问题 + 数据/信息 + 分析方法
举例
1 数据/信息: 分析近三年新能源汽车销量数据(附CSV) 2 问题: 说明:①增长趋势与政策关联性;②预测2025年市占率 3 分析方法: 需使用ARIMA模型并解释参数选择依据
创造性需求:主题 + 风格/约束 + 创新方向
举例
1 主题: 设计一款智能家居产品, 2 风格/约束 + 创新方向: 要求:① 解决独居老人安全问题;② 结合传感器网络和AI预警;③ 提供三种不同技术路线的原型草图说明
验证需求:结论/方案 + 验证方法 + 风险点
举例
1 结论/方案: 以下是某论文结论:'神经网络模型A优于传统方法B 2 验证方法 + 风险点: 请验证:① 实验数据是否支持该结论;② 检查对照组设置是否存在偏差;③ 重新计算p值并判断显著性
执行需求:任务 + 步骤约束 + 输出格式
举例
1 任务: 将以下C语言代码转换为Python 2 步骤约束 + 输出格式 要求:① 保持时间复杂度不变;② 使用numpy优化数组操作;③ 输出带时间测试案例的完整代码
提示语:4项组成部分
上下文:提供背景信息,帮助AI更准确地理解和执行任务
输入:给出具体数据
指令(核心):明确告诉AI希望它执行什么任务
输出格式:表达对AI输出的要求,期望的结果与形式
优化:对初步输出进行修改和完善
设计的核心逻辑
提示语的 增强效果
增效
策略一:精准定义任务,减少模糊性
明确的核心问题、具体化的生成指令、去除多余信息
策略二:适当分解复杂任务
分段生成、逐层深入、设置逻辑结构
策略三:引入引导性问题
设置多个层次的问题、促使AI对比或论证、引导思维的多样性
策略四:控制提示语长度
避免嵌套复杂的指令、保持简洁性、使用分步提示
策略五:灵活运用开放式与封闭式提示
开放式提示:提出开放性问题,允许AI根据多个角度进行生成 封闭式提示:提出具体问题或设定明确限制,要求AI给出精准回答
提示语链
原则:用于引导AI生成内容的连续性提示语序列。通过将复 杂任务分解成多个可操作的子任务,确保生成的内容逻辑清晰、主题连贯
高阶
7种 作用机制
1 任务分解与整合
1.将这个复杂的主题分解为几个主要部分,逐一讨论每个部分。 2.对每个子任务设定具体目标和预期成果。 3.在每个子任务完成后,总结其关键点并与整体主题关联。 4.通过层次结构图或思维导图展示分解后的各部分及其关系。 5.结合各部分的结果,撰写一段总结性内容,确保整体连贯
2 知识激活与联想
1.列出与[主题]相关的所有关键知识点,逐一进行详细解释。 2.从不同领域中寻找与[问题]相关的知识点,并进行创造性联想。 3.通过比喻或类比,将[复杂概念]与日常经验联系起来,便于理解。 4.使用头脑风暴技术,生成多个可能的联想和创新点。 5.将联想到的新观点或概念,整合进现有的知识体系中。
3 思维框架构建
1.明确这个问题的核心要点,然后系统地收集相关信息进行分析。 2.列出与主题相关的所有关键概念和理论,并进行系统梳理。 3.使用逻辑框架图展示信息收集、分析和结论的过程。 4.针对每个关键概念,撰写简要解释并说明其在文章中的作用。 5.通过案例分析或实例应用,验证思维框架的有效性和适用性。
4 创意引导与拓展
1.请从一个全新的角度重新思考[问题/主题],并提出与众不同的见解。 2.请将其他领域中与此不相关的概念结合起来,探索其在[主题]上的应用。 3.请设定一个全新的情境,讨论在此情境下[问题/主题]会有怎样的发展。 4.请挑战现有的常规观点,从反面角度思考[问题/主题],并提出新的可能性。 5.请结合不同学科的理论,提出一个创新的解决方案。 6.请从结果出发,倒推可能的原因和过程,探索新的解决途径。
5 质量控制与优化
1.在每个步骤完成后,进行自我评估和质量检查。 2.使用清单核对每个部分是否满足预期目标和质量标准。 3.设立中期检查点,对任务进度和质量进行评估和调整。 4.请求同行或专家对内容进行审阅并提供反馈。 5.根据反馈意见,逐步优化和完善文章的各个部分。
6 多模态信息处理
1.请将[主题]相关的文本描述与数据结合,生成一个全面的分析报告。 2.请根据[主题]创建一个包含图像和数据可视化的报告,详细描述可视化方法。 3.请设计一个融合文本、图像、音频或视频元素的多媒体内容,增强内容的丰富性。 4.请设计一个互动数据展示方案,使读者可以与数据进行互动,并详细描述设计步骤。 5.请将不同媒体形式的内容进行联动展示,例如将文字内容与图像和数据可视化结合起来。 6.请选用合适的数据可视化工具,并详细描述其使用方法,生成可视化内容。 7.请将具体案例与数据分析相结合,生成一份包含案例分析的多模态报告。
7 反馈整合与动态调整
1.请对当前内容进行评估,列出主要优缺点,并提出具体的改进建议。 2.请根据前一阶段的反馈,逐步修改和完善内容,列出修改的具体步骤。 3.请根据内容生成过程中出现的新问题,动态调整后续提示语,并解释调整原因。 4.请收集多方反馈,综合考虑并调整内容生成方向,列出不同来源的反馈及其对生成内容的影响。 5.请定期对生成的内容进行检查,确保各部分内容协调一致,并列出检查的具体方法和步骤。 6.请将新获取的信息和反馈整合到已有内容中,形成一个有机整体,详细描述整合的步骤和方法
设计原则
主题定义
研究背景
方法论
结果分析
创意拓展
总结反思
质量控制
模块化思维
偏理论,没时间,可略过
设计步骤
任务分解模型
Segmentation(分割): 将大任务分为独立但相关的部分
将[总任务描述]分解为3—5个主要组成部分,确保每个部分都是相对独立但与整体目标相关的
Prioritization(优先级): 确定子任务的重要性和执行顺序
对上述分解的任务进行优先级排序,考虑它们对总体目标的重要性和逻辑顺序
Elaboration(细化): 深入探讨每个子任务的细节
选择优先级最高的子任务,将其进一步细化为2—3个具体的行动项或小目标
Connection(连接): 建立子任务之间的逻辑关联
分析各个子任务之间的关系,确定它们如何相互支持和影响,以及如何共同推进总体目标的实现
Temporal Arrangement(时序安排): 考虑任务的时间维度
为每个子任务制定一个粗略的时间表,考虑它们的依赖关系和完成所需的相对时间
Resource Allocation(资源分配): 为每个子任务分配适当的注意力资源
评估每个子任务的复杂度,分配1—10的'注意力分数',指导在执行过程中如何分配计算资源
Adaptation(适应): 根据AI反馈动态调整任务结构
在执行每个子任务后,评估其输出质量和对总体目标的贡献,必要时调整后续任务的优先级或内容
其他模型
发散思维,IDEA 框架
• Imagine(想象):鼓励超越常规的思考 • Diverge(发散):探索多个可能性 • Expand(扩展):深化和拓展初始想法 • Alternate(替代):寻找替代方案
1.使用“假设情景”提示激发想象力 2.应用“多角度”提示探索不同视角 3.使用“深化”提示拓展初始想法 4.设计“反转”提示寻找替代方案
聚合思维,FOCUS 框架
• Filter(筛选):评估和选择最佳想法 • Optimize(优化):改进选定的想法 • Combine(组合):整合多个想法 • Unify(统一):创建一致的叙述或解决方案 • Synthesize(综合):形成最终结论
1.使用“评估矩阵”提示进行系统性筛选 2.应用“优化循环”提示迭代改进想法 3.设计“创意组合”提示融合不同概念 4.使用“叙事架构”提示创建统一的故事线 5.应用“综合提炼”提示形成最终观点
跨界思维,BRIDGE 框架
• Blend(混合):融合不同领域的概念 • Reframe(重构):用新视角看待问题 • Interconnect(互联):建立领域间的联系 • Decontextualize(去情境化):将概念从原始环境中抽离 • Generalize(泛化):寻找普适原则 • Extrapolate(推演):将原理应用到新领域
1.使用“随机输入”提示引入跨领域元素 2.应用“类比映射”提示建立领域间的联系 3.设计“抽象化”提示提取核心原理 4.使用“跨域应用”提示探索新的应用场景
偏理论,没时间,可略过
新手4个误区
误区4:AI幻觉,自信地胡说八道
陷阱症状: ▪ AI提供的具体数据或事实无法验证 ▪ 输出中包含看似专业但实际上不存在的术语或概念 ▪ 对未来或不确定事件做出过于具体的预测
应对策略: ▪ 明确不确定性:鼓励AI在不确定时明确说明。 ▪ 事实核查提示:要求AI区分已知事实和推测。 ▪ 多源验证:要求AI从多个角度或来源验证信息。 ▪ 要求引用:明确要求AI提供信息来源,便于验证。
误区3:指令有偏见,AI只告诉你想听的
陷阱症状: ▪ 提示语中包含明显立场或倾向 ▪ 获得的信息总是支持特定观点 ▪ 缺乏对立或不同观点的呈现
应对策略: ▪ 自我审视:在设计提示语时,反思自己可能存在的偏见。 ▪ 使用中立语言:避免在提示语中包含偏见或预设立场。 ▪ 要求多角度分析:明确要求AI提供不同的观点或论据。 ▪ 批判性思考:对AI的输出保持警惕,交叉验证重要信息。
误区2:指令过度或模糊,细节太多无重点,意图不明
陷阱症状: ▪ 提示语异常冗长或过于简短 ▪ AI输出与期望严重不符 ▪ 频繁需要澄清或重新解释需求
应对策略: ▪ 平衡详细度:提供足够的上下文,但避免过多限制。 ▪ 明确关键点:突出最重要的2-3个要求。 ▪ 使用结构化格式:采用清晰的结构来组织需求。 ▪ 提供示例:如果可能,给出期望输出的简短示例。
误区1:缺乏迭代,期待一次性完美结果
陷阱症状: ▪ 过度复杂的初始提示语 ▪ 对初次输出结果不满意就放弃 ▪ 缺乏对AI输出的分析和反馈
应对策略: ▪ 采用增量方法:从基础提示语开始,逐步添加细节和要求。 ▪ 主动寻求反馈:要求AI对其输出进行自我评估,并提供改进建议。 ▪ 准备多轮对话:设计一系列后续问题,用于澄清和改进初始输出。