Day 21 | #41 CoT + Few-shot 组合 + #42 角色 + 约束组合
> 每天 2 个技巧，持续构建稳定可复用的提示词方法
📌 技巧 #41：CoT + Few-shot 组合 (Chain of Thought + Few-Shot Combination)
核心概念
CoT + Few-shot 组合是将"思维链"和"少样本"两种技巧融合使用的高级策略。单独使用 CoT 时，AI 知道要逐步推理，但不知道你期望什么样的推理格式和深度；单独使用 Few-shot 时，AI 有了参考范例，但面对复杂问题可能跳步或推理不够深入。两者的组合恰好互补：**Few-shot 提供范例定格式，CoT 确保推理有深度**。
这个组合的核心价值在于——你不仅告诉 AI "要怎么想"（CoT），还告诉它"想出来的结果长什么样"（Few-shot）。对于多步推理、数学计算、逻辑分析等任务，这种组合的效果远超单独使用任一技巧。
使用场景
**数学与逻辑推理** → 推荐：CoT + Few-shot 组合 → 原因：范例展示推理格式，CoT 保证不跳步
**代码调试分析** → 推荐：CoT + Few-shot 组合 → 原因：范例定义排查流程，CoT 确保每步排查到位
**法律条款解读** → 推荐：CoT + Few-shot 组合 + 角色设定 → 原因：律师角色 + 条款分析范例 + 逐步推理，三层叠加效果最强
**多条件筛选决策** → 推荐：CoT + Few-shot 组合 → 原因：范例展示筛选维度，CoT 保证每个条件都逐一检查
基础示例
**提示**：
我会给你几个计算总成本的例子，请按照相同的推理方式计算新的问题。
例子 1：
问题：一个项目有 3 名开发者，每人月薪 8000 元，项目持续 4 个月，服务器费用每月 2000 元。
思考：
1. 先算人力成本：3 人 × 8000 元/月 × 4 月 = 96000 元
2. 再算服务器成本：2000 元/月 × 4 月 = 8000 元
3. 总成本 = 96000 + 8000 = 104000 元
答案：104000 元
例子 2：
问题：一个项目有 2 名设计师，每人月薪 10000 元，项目持续 3 个月，软件许可费每月 5000 元，外包测试一次性 15000 元。
思考：
1. 先算人力成本：2 人 × 10000 元/月 × 3 月 = 60000 元
2. 再算软件许可：5000 元/月 × 3 月 = 15000 元
3. 再算外包测试：15000 元（一次性）
4. 总成本 = 60000 + 15000 + 15000 = 90000 元
答案：90000 元
现在请计算：
问题：一个项目有 4 名开发者，每人月薪 9000 元，项目持续 6 个月，服务器费用每月 3000 元，设计外包一次性 20000 元，项目经理 1 人月薪 12000 元。
请逐步思考后给出答案。
|
**输出**：
思考：
1. 先算开发人力成本：4 人 × 9000 元/月 × 6 月 = 216000 元
2. 再算项目经理成本：1 人 × 12000 元/月 × 6 月 = 72000 元
3. 再算服务器成本：3000 元/月 × 6 月 = 18000 元
4. 再算设计外包：20000 元（一次性）
5. 总成本 = 216000 + 72000 + 18000 + 20000 = 326000 元
答案：326000 元
|
进阶示例：多维度决策分析
**提示**：
你是一个技术选型顾问。我会给你几个技术选型的分析案例，请按照相同的推理方式分析新的选型问题。
例子 1：
问题：创业公司需要选择前端框架，团队 5 人，预算有限，需要快速上线 MVP。
思考：
1. 先看团队能力：5 人小团队，需要学习成本低的框架
2. 再看时间约束：快速上线 MVP → 生态成熟、组件库丰富
3. 再看预算：预算有限 → 开源免费
4. 再看长期维护：创业公司未来可能扩展 → 社区活跃度重要
5. 综合评估：
- React：生态最丰富，社区最大，但学习曲线中等
- Vue：学习成本最低，中文社区强，生态够用
- Svelte：最轻量，但生态还不成熟
6. 推荐 Vue：学习成本低 + 生态足够 + 中文文档完善 + 上手最快
答案：Vue 3 + Vite，理由：小团队快速上线的最佳平衡点
例子 2：
问题：大型企业需要选择消息队列，日处理量 1000 万条，要求零消息丢失，需要支持多语言客户端。
思考：
1. 先看吞吐量要求：1000 万/天 ≈ 115 条/秒（均值），但峰值可能是 5-10 倍 → 需要高吞吐
2. 再看可靠性：零消息丢失 → 需要持久化 + 确认机制
3. 再看客户端支持：多语言 → 需要 Java/Python/Go/Node 都有成熟 SDK
4. 再看运维复杂度：大型企业有专职运维 → 可以接受一定复杂度
5. 综合评估：
- RabbitMQ：可靠性好，但吞吐量上限约 5 万/秒，可能不够
- Kafka：吞吐量极高，零丢失（副本 + 确认），多语言客户端成熟
- Pulsar：功能最全，但运维复杂度最高
6. 推荐 Kafka：吞吐量 + 可靠性 + 多语言支持的最佳组合
答案：Apache Kafka，理由：满足高吞吐、零丢失、多语言三大核心需求
现在请分析：
问题：中型电商平台需要选择搜索引擎，商品 SKU 50 万，日搜索量 200 万次，需要支持中文分词和实时库存过滤，团队 3 人，无专职搜索工程师。
请逐步思考后给出推荐。
|
**输出**：
思考：
1. 先看数据规模：50 万 SKU，不算大，不需要分布式架构的搜索引擎
2. 再看查询量：200 万次/天 ≈ 23 次/秒（均值），峰值约 200-300 次/秒 → 单节点可承受
3. 再看语言需求：中文分词 → 需要内置中文分词器或易集成中文分词插件
4. 再看实时性：实时库存过滤 → 需要支持近实时索引更新（秒级）
5. 再看团队能力：3 人无专职搜索工程师 → 运维简单、学习曲线低是关键
6. 综合评估：
- Elasticsearch：功能最强，中文分词（IK 插件）成熟，实时索引好，但运维复杂（JVM 调优、集群管理）
- Meilisearch：极简运维，开箱即用，中文分词支持好，但 50 万 SKU + 实时过滤能力需验证
- Typesense：类似 Meilisearch，更轻量，但中文分词支持较弱
- MySQL 全文索引：最简单，但中文分词差，50 万 SKU 性能堪忧
7. 推荐 Meilisearch：
- 开箱即用，3 人团队不需要专职运维
- 中文分词内置，配置简单
- 50 万 SKU 在单节点能力范围内
- 实时索引更新延迟约 1 秒，库存过滤够用
- 如果未来 SKU 突破 500 万，再迁移到 Elasticsearch
答案：Meilisearch，理由：3 人无专职搜索团队的中文电商平台最优解；50 万 SKU + 实时库存过滤在能力范围内，运维成本极低。预留 Elasticsearch 作为长期扩展路径。
|
组合拆解：为什么 1+1 > 2？
**单独 CoT 的问题**：
请逐步分析这个技术选型问题。
→ AI 会推理，但推理格式和维度不可控
→ 可能遗漏关键评估维度
→ 不同次对话的输出结构不一致
|
**单独 Few-shot 的问题**：
以下是两个技术选型案例...
请用相同方式分析新问题。
→ AI 会模仿格式，但面对复杂推理可能跳步
→ 可能在第 4 步直接跳到结论
→ 推理深度不够，"看起来对"但逻辑链断裂
|
**CoT + Few-shot 组合**：
以下是两个案例（含完整推理过程）...
请按相同方式逐步分析新问题。
→ Few-shot 锁定格式和评估维度
→ CoT 保证每一步推理都展开
→ 输出既规范又深入
|
关键要点
- Few-shot 提供格式模板，CoT 保证推理深度，缺一不可
- 示例中必须包含完整的推理过程，不能只给输入和最终答案
- 示例数量 2-3 个最佳：太少模式不明确，太多浪费 token
- 组合效果在多步推理任务中最显著，简单问答反而不需要
📌 技巧 #42：角色 + 约束组合 (Role + Constraint Combination)
核心概念
角色 + 约束组合是将"角色设定"和"约束提示"两种技巧融合的策略。单独设定角色，AI 知道"以什么身份说话"，但不知道边界在哪——可能过于专业、可能过于冗长、可能偏离重点。单独设置约束，AI 知道"不能做什么"，但缺乏专业视角的判断力——可能严格遵守了约束但回答浅薄。
组合的核心价值：**角色决定"用什么视角看问题"，约束决定"在什么范围内回答"**。两者叠加，AI 既能输出专业深度的内容，又不会跑偏或超纲。
使用场景
**面向非专业人群的专业解释** → 推荐：角色 + 约束组合 → 原因：专业角色保证准确性，约束限制术语量和篇幅
**合规审查与风险评估** → 推荐：角色 + 约束组合 → 原因：法律角色保证专业判断，约束限定审查范围和输出格式
**时间敏感的快速建议** → 推荐：角色 + 约束组合 → 原因：专家角色保证建议质量，约束强制简短可执行
**跨部门沟通翻译** → 推荐：角色 + 约束组合 → 原因：技术角色理解原文，约束要求用目标部门语言表达
基础示例
**提示**：
你是一位有 15 年经验的儿科医生。
请用不超过 150 字，向一个 6 岁孩子的家长解释：
- 什么是发烧
- 什么时候需要去医院
约束：
1. 不使用任何医学术语
2. 不给出具体药物名称或剂量
3. 必须包含"如有疑问请咨询医生"的安全提示
|
**输出**：
发烧就是身体在和病菌打仗，体温升高是身体在"加热武器"帮助战斗。
大多数时候，孩子精神状态还好、还能玩能吃，就不用太担心，多喝水多休息就行。
但出现以下情况请马上去医院：
- 3 个月以下的婴儿任何发烧
- 发烧超过 3 天不退
- 孩子精神很差，叫不醒或不愿动
- 伴随剧烈头痛、皮疹或持续呕吐
如有疑问请咨询医生。
|
进阶示例：多约束嵌套
**提示**：
你是一位资深网络安全顾问，曾在金融行业工作 10 年。
一家中型电商公司的 CTO 问你："我们的用户数据刚被泄露了，接下来 24 小时我应该做什么？"
约束：
1. 给出恰好 5 个行动项，不多不少
2. 每个行动项不超过 30 字
3. 按紧急程度排序（最紧急的排第一）
4. 不讨论技术实现细节，只说"做什么"
5. 必须包含一个涉及法律/合规的行动
6. 语气：冷静、专业、不说废话
|
**输出**：
1. 立即隔离泄露源头，阻止数据继续外流
2. 通知法务团队，启动数据泄露合规报告流程
3. 48 小时内通知受影响用户（法律要求）
4. 启用所有账户强制密码重置
5. 保留完整日志，不做任何删除操作
|
组合拆解：角色和约束各解决什么问题？
**只有角色，没有约束**：
你是一位资深网络安全顾问...
→ AI 会给出专业回答，但可能：
- 写了 2000 字的长文（没有篇幅限制）
- 从技术原理讲起（没有"只说做什么"的约束）
- 遗漏法律合规（没有"必须包含"的约束）
- 排序混乱（没有"按紧急程度"的约束）
|
**只有约束，没有角色**：
请给出 5 个行动项，每个不超过 30 字，按紧急程度排序...
→ AI 会遵守格式，但可能：
- 建议不专业（"先发个公关稿"而不是"先堵住泄露源"）
- 遗漏行业关键步骤（法律合规通知）
- 语气不当（"别慌别慌，问题不大"）
- 缺乏金融行业安全的专业判断
|
**角色 + 约束组合**：
你是一位资深网络安全顾问... + 约束列表
→ 角色保证专业深度和正确优先级
→ 约束保证格式、篇幅、必要项和语气
→ 输出：专业 + 精准 + 可执行
|
约束类型速查
**篇幅约束**：字数上限、要点数量上限/下限
**内容约束**：必须包含某项 / 禁止包含某项 / 不使用术语
**格式约束**：排序方式、编号格式、分项 vs 段落
**语气约束**：冷静、温暖、幽默、严肃、不说废话
**安全约束**：免责声明、必须咨询专业人士、不提供具体剂量
**视角约束**：只从用户角度 / 只从商业角度 / 只从技术角度
关键要点
- 只有角色 → 专业但可能跑偏；只有约束 → 规范但可能浅薄
- 约束要具体可验证："不超过 150 字"比"简短"有效
- 安全约束（免责声明、咨询医生等）是高风险场景的必选项
🔗 今日组合技巧
**CoT + Few-shot + 角色 + 约束四重组合**：
最高级的提示词往往同时使用多个技巧。例如：
你是一位资深网络安全顾问（角色）
以下两个安全事件的排查案例（Few-shot + CoT 范例）
请按相同推理方式分析新的安全事件（CoT 指令）
每个排查步骤不超过 20 字，共 5 步（约束）
|
角色定视角 → Few-shot 定格式 → CoT 定深度 → 约束定边界。四个维度各司其职，输出既专业又精准又规范。
📝 今日要点总结
**CoT + Few-shot 组合**：
**角色 + 约束组合**：
* |
评论
发表评论