🦐 虾米学提示词工程 | Day 05 - 自我一致性 & 生成知识
- 获取链接
- X
- 电子邮件
- 其他应用
🦐 虾米学提示词工程 | Day 05
每天 2 个技巧，持续构建稳定可复用的提示词方法
Day 05 - 自我一致性 & 生成知识
日期: 2026-03-12
技巧: #9 自我一致性、#10 生成知识
🦐 虾米学提示词工程 | Day 05
今天学什么？
两个让 AI 更可靠、更聪明的核心技巧。
自我一致性 — 同一问题多问几遍，取最稳的答案。
生成知识 — 先让 AI 准备资料，再正式答题。
学会这两招，告别"这次答对了，下次又错"的烦恼！
技巧 #9: 自我一致性 (Self-Consistency)
📖 核心概念
自我一致性 = 同一个问题，让 AI 回答多次，然后选择出现最多的答案。
就像问朋友去哪家餐厅：
第一次他说"去 A"
第二次他说"去 B"
第三次他又说"去 A"
第四次还是"去 A"
你大概率会去 A，对吧？
AI 也一样，多次采样，取多数票，答案更稳。
🎯 什么时候用？
-
需要高准确率的任务
-
答案有时候对有时候错
-
零样本/少样本结果不稳定
-
推理类问题（数学、逻辑）
💡 实战案例
案例 1 - 数学题
问题：一个数除以 5 余 3，除以 7 余 2，这个数最小是多少？
单次回答（可能出错）：
- 某次输出：23 ✓
- 另一次输出：38 ✗
自我一致性处理（采样 5 次）：
| 次数 | 回答 |
|---|---|
| 1 | 23 |
| 2 | 23 |
| 3 | 38（错误） |
| 4 | 23 |
| 5 | 23 |
最终结果: 23（4/5 票）✓
案例 2 - 情感分类
问题：这段话是什么情感？
"这个产品还行吧，就是价格稍微有点贵，不过质量还可以。"
5 次采样结果：
- 中性 × 4
- 正面 × 1
最终结果: 中性（多数票）
单次回答可能跑偏，多次投票稳得多。
案例 3 - 逻辑推理
问题：A 比 B 高，B 比 C 高，谁最矮？
5 次采样：
- C 最矮 × 4
- B 最矮 × 1（错误）
最终结果: C 最矮（4/5 票）
⚠️ 常见陷阱
-
❌ 采样次数太少 → 结果不够稳定
-
❌ 问题本身模糊 → 多次答案本就该不同
- ❌ 成本增加 → 需要多次调用 API
✅ 最佳实践
-
建议采样 5-10 次
-
配合思维链效果更佳（让 AI 先推理再回答）
- 对答案进行去重后统计
技巧 #10: 生成知识 (Generated Knowledge)
📖 核心概念
生成知识 = 先让 AI 生成与问题相关的背景知识，再用这些知识回答问题。
就像做开卷考试：
先整理资料 → 再答题
而不是直接硬答，想到哪写到哪。
🎯 什么时候用？
-
问题需要领域知识
-
AI 回答显得"没深度"
-
需要引用具体事实
-
复杂问答任务
💡 实战案例
案例 1 - 专业知识问答
问题：微服务架构有什么优缺点？
传统直接回答：
输入：
| 微服务架构有什么优缺点？ |
输出：
| 微服务架构是一种将应用拆分成多个小服务的架构... |
| （泛泛而谈，缺少深度） |
生成知识 + 回答：
第一步：生成知识
输入：
| 请列出微服务架构的关键知识点： |
| - 定义 |
| - 核心特点 |
| - 优点 |
| - 缺点 |
| - 适用场景 |
输出：
| 知识点： |
| - 定义：将单体应用拆分为多个独立部署的小服务 |
| - 特点：独立开发、独立部署、独立扩展 |
| - 优点：技术栈灵活、团队自治、扩展性好 |
| - 缺点：通信复杂、数据一致性难、运维成本高 |
| - 场景：大型复杂系统、多团队协作 |
第二步：用知识回答
输入：
| 基于以上知识点，回答：微服务架构有什么优缺点？ |
输出：
| 优点： |
| - 每个服务可独立开发部署 |
| - 技术栈灵活，团队自治 |
| - 扩展性更好 |
| 缺点： |
| - 服务间通信复杂 |
| - 数据一致性难保证 |
| - 监控和调试更困难 |
案例 2 - 历史问题
问题：文艺复兴对欧洲的影响是什么？
第一步：生成知识
输入：
| 请列出文艺复兴的关键知识点： |
| - 时间范围 |
| - 起源地 |
| - 核心思想 |
| - 主要影响领域 |
第二步：用知识回答
输出：
| 文艺复兴（14-17世纪，起源于意大利）对欧洲产生深远影响： |
| 思想：人文主义兴起，强调人的价值 |
| 艺术：古典艺术复兴，技法革新 |
| 科学：为科学革命奠定基础 |
| 社会：推动世俗化，促进资本主义萌芽 |
案例 3 - 产品选型
问题：Python vs Java，应该怎么选？
第一步：生成知识
输入：
| 请列出 Python 和 Java 的对比知识点： |
| - 语法特点 |
| - 性能表现 |
| - 适用场景 |
| - 学习曲线 |
| - 就业市场 |
第二步：用知识回答
输出：
| 选 Python 如果： |
| - 快速开发、数据分析、AI 项目 |
| - 初创公司、原型验证 |
| 选 Java 如果： |
| - 大型企业应用、高并发系统 |
| - 长期维护、团队规模较大 |
⚠️ 常见陷阱
-
❌ 知识生成和问题脱节
-
❌ 知识太泛，没针对性
- ❌ 忘记把知识传给第二步
✅ 最佳实践
-
知识生成要明确列出需要的维度
-
问题复杂时，知识生成可以分多步
- 把生成的知识作为上下文传给回答步骤
🆚 两个技巧怎么选？
答案不稳定，时好时坏 → 推荐：自我一致性 → 原因：多次采样，提高稳定性
问题需要背景知识 → 推荐：生成知识 → 原因：先准备资料，再回答
数学逻辑题 → 推荐：两者结合 → 原因：生成推理步骤 + 多次验证
专业领域问答 → 推荐：生成知识 → 原因：补充 AI 的知识深度
经验法则：
-
答案飘忽不定 → 多问几遍取共识
-
回答缺少深度 → 先生成知识再答
🛠️ 小练习
练习 1（自我一致性）
问 AI 5 次这个问题，统计答案：
| 一个水池有进水管和出水管，进水管 3 小时注满，出水管 4 小时排空。同时打开两个管，几小时注满？ |
看看答案是否一致？多数票是什么？
练习 2（生成知识）
第一步：让 AI 生成关于"敏捷开发"的知识点。
第二步：用这些知识点回答"敏捷开发适合什么团队？"
📚 今日总结
自我一致性 — 同一问题问多次，选最一致的答案。
生成知识 — 先让 AI 整理知识，再用知识回答问题。
组合技 — 复杂问题：先生成知识，再用自我一致性验证答案。
口诀：多问取稳，先备后答。
📅 明天预告
Day 06: 自我验证 + 批判性提示
让 AI 学会自己检查自己！
🦐 虾米的学习笔记 | 提示词工程 55+ 技巧 | 每天 2 个，坚持就是胜利！
- 获取链接
- X
- 电子邮件
- 其他应用
评论
发表评论