对话系统设计

设计思路：先给学生们做一个示范，可以如何和AI聊天，然后再让学生自由发挥，实时和AI对话，看AI生成回答。我准备的话题如下：•我想计划一次欧洲之旅，你能帮我规划一下吗？•我在写一篇关于人工智能的论文，你能给我提供一些相关的最新研究吗？•我想写一首关于自然美景的诗，带有一些忧郁的情感。•自由发挥……说明：在学生发挥的时候，小学生很容易问简单问题，比如：2000/50等于多少？王安石是哪里人？stone是什么意思？这里要引导学生，这些问题问百度也是一样可以找到答案的，让学生理解它和搜索引擎的不同，拓宽学生对它能力的理解。

你可以通过提示工程进行更有趣的实验，比如指导大语言模型系统如何表现，指定它的行为意图和身份。如果你正在构建客服聊天机器人之类的对话系统时，这项功能尤其有用。比如，可以通过以下示例创建一个对话系统，该系统能够基于问题给出技术性和科学的回答。你可以关注我们是如何通过指令明确地告诉模型应该如何表现。这种应用场景有时也被称为角色提示（Role Prompting）。提示词输出结果我们的AI助理给出的回答非常技术对吧？下面，我们让它给出更易于理解的答案。提示词输出结果我想我们应该取得了一些进展，你也可以继续改进它。如果你再添加更多的示例，可能会得到更好的结果。[heading2]代码生成[content]大语言模型另外一个有效的应用场景是代码生成。在此方面，Copilot就是一个很好的示例。你可以通过一些有效的提示词执行代码生成任务。让我们来看一下下面的例子。我们先用它写个简单的用户欢迎程序：提示词输出结果你看，我们甚至都不需要指定要使用的编程语言。来，我们再稍微升级一下。下面的例子会向你展示提示词会让大语言模型变得多么强大。提示词输出结果挺厉害的嘛。本例中，我们提供了有关数据库架构并要求它生成有效的MySQL查询。

[title]19.RAG提示工程系列（一）[heading2]六、动手做一个RAG提示词[heading3]6.2过程[heading4]6.2.5 Must To Have：通过多轮对话解决指代消解问题在先前的讨论中，我们主要关注的是单轮问答的情境。然而，在现实世界的对话中，我们往往需要处理连续的多轮对话。在自然的人类语言交流中，多轮对话常常伴随着指代问题的产生，例如使用代词“它”、“他们”、“我们”等。在这种情况下，如果仅仅依据用户的原始提问来检索相关知识片段，可能会导致检索结果的不精确或者无法检索到相关信息。此外，由于我们对模型的回复内容施加了限制，使得模型不再依赖其内部知识库来生成答案，有时这可能会导致多轮对话的流畅性受到影响，甚至出现对话中断的情况。因此，为了提升对话系统的性能和用户体验，我们需要开发提示词来解决多轮对话中的指代消解问题，并确保模型能够在连续的交流中提供准确、连贯的回答。不过，由于“指代消解”需要多轮对话来完成，单次交互是无法达成的（至少目前看来是这样），所以我们需要将测试形式进行转换。首先解决”指代消解“的问题，然后再进行下一轮答复。首先，我们准备指代消解所需的提示词：大家可以看到，这里使用的“指代消解”提示词是使用CoT写出的思维链，我们在这个思维链中列举了不同情况的推理情景，目的就是让模型能够适应并成功推理出需要消解的代词，然后根据消解代词的结果重新组织问题。接着我们开始尝试复现指代消解的步骤：步骤1：进行第一轮对话在第一轮对话中，我们提出问题”尼罗河是什么？“，接着，系统成功召回了关于“尼罗河“的知识片段，并做出了回复。步骤2：开始指代消解