熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣,引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁

Cody Schneider
只是為了讓我爸爸擺脫賭債
以 JSON 或 XML 格式提示可以使 LLM 的輸出增加 10 倍
為什麼
因為結構化格式為模型提供了明確的邊界和期望
當你要求非結構化文本時,LLM 必須猜測:
這應該有多長?
我需要哪些部分?
我什麼時候算完成?
需要什麼程度的細節?
但使用 JSON/XML 時,你實際上是在提供一個模板:
json{
"summary": "",
"key_points": [],
"analysis": "",
"recommendations": []
}
現在模型知道該填寫什麼,以及每個部分大約需要多少內容
這就像 "寫一些關於汽車的內容" 與 "填寫這個汽車評論表格,包含這 12 個特定字段" 之間的區別
結構消除了決策癱瘓,並給予模型全面性的許可
此外,JSON/XML 自然鼓勵模型以有組織的塊進行思考,而不是僅僅流式文本直到它感覺 "完成"
[這裡是元黑客]
甚至不要嘗試從頭開始編寫結構化提示
相反:
1. 語音轉文本,將你想要分析/研究/撰寫的所有內容腦力激盪出來
2. 將那段雜亂的文字粘貼到 AI 中
3. 要求它 "根據這個腦力激盪創建一個 JSON 提示結構,以獲得最佳輸出"
4. 獲取生成的 JSON 模板
5. 將其作為你的實際提示發送回去
你可以獲得結構化提示的所有好處,而不必自己思考結構
AI 知道哪些字段會更有用,甚至比你更清楚
在 30 秒內將你的意識流轉化為專業級提示
自己試試 - 要求以段落形式與結構化格式進行相同的分析
結構化版本每次都會長 3-5 倍,並且詳細得多

17.1K
熱門
排行
收藏
鏈上熱點
X 熱門榜
近期融資
最受認可