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。

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。