單一提示詞已不夠用，企業如何透過提示鏈讓 AI 輸出真正可信賴？
隨著 ChatGPT 等 AI 工具逐漸融入一般人的日常生活，所謂的「提示詞工程（prompt engineering）」技巧自然也快速崛起，並且成為了 AI 時代下，最具有實用價值的技能之一。
簡單來說，提示詞工程就是一項為大型語言模型設計輸入內容，同時引導 AI 產生預期中理想輸出的技巧，有點像是記者必須把握機會，向受訪者提出切中核心的問題一樣。如何讓輸入的提示詞足夠精簡、扼要與有效，是高效操作 AI 工具的重要關鍵。
如今，大多數生成式 AI 工具變得越來越有「對話性」，而且高度依賴使用者的自然語言輸入，進而使「提示鏈（prompt chaining）」的概念浮上了檯面。
在提示鏈的架構下，透過將任務明確分解成多個「階段」或「步驟」，就能夠讓 AI 獲得更理想的輸出。若同樣以記者進行採訪作為比喻，就是先提出數個邏輯連貫的問題，逐步從受訪者身上獲取相關資訊後，接著再深入問題核心，取得自己想要的最終答案。
提升 AI 推理思考的透明度
no-code 工具平台 Jotform 創辦人 Aytekin Tank 近日發表文章指出，他十分鼓勵員工在使用 ChatGPT 等生成式 AI 工具時，熟練掌握提示鏈的應用技巧。
畢竟，儘管生成式 AI 的技術能力不斷提升，然而人類卻始終無法得知，大型語言模型究竟是如何產生回應，亦無法窺見 AI的實際推理過程。
Aytekin Tank 舉例，假如使用者曾經對 ChatGPT 的回答抱有疑慮，並且進一步追問或質疑 AI，那結果通常只會收到 LLM 所輸出的一句「抱歉」，接著依然沒有更進一步或更正確的解答。
在前述情境下，人工智慧的透明度就顯得至關重要，即便如 ChatGPT 等工具已經有所進步，但 AI 產生「幻覺」的機率，至今依舊處在偏高水準。
降低錯誤率，減少細節遺漏
同時根據 OpenAI 的研究，當使用者主動要求 AI 模型逐步解釋其思考過程，與給出答案的理由時，人類將可以更輕鬆理解 AI 正在做什麼，以及為什麼要這麼做。
Aytekin Tank 強調，提示鏈的基礎運作原理正是如此。透過將任務分解為多個明確的步驟階段，AI 就可以反過來引導人類跟進任務，同時讓使用者發起必要的思考，人類甚至還可以藉此評估 AI 推理過程的合理性與正確性。
當 AI 給出的每一次回應，都可以建立在前一次輸出的基礎上，使用者自然就能指揮 AI 循著邏輯、順序，逐步輸出更為精確的答案，進而降低錯誤率、排除缺乏根據的論點，甚至是減少遺漏細節的機會。
Aytekin Tank 認為，對於企業來說，在操作 AI 工具時應用提示鏈技巧，將能夠有效提升決策信心，並且增加 AI 協作流程的可靠性。
提出問題的「漏斗式結構」
既然好處繁多，那麼想要運用提示鏈技巧，實際上究竟應該怎麼做呢？對此 Aytekin Tank 提出一份簡單的入門指南。
首先，使用者可以考慮採用新聞界常見的「漏斗式結構」，意思是在採訪特定人物的過程中，先從廣泛、輕鬆的問題開始，再逐步過渡到更具體、更有挑戰性的問題。
舉例來說，假如要採訪一位流行歌手，記者肯定不會一開口就問，歌手對於自己曾經的失敗作品有何感想，而是會從輕鬆的問題開始，比方歌手小時候常聽哪些音樂，接著隨著對話逐步展開，使問題領域逐漸收窄。
Aytekin Tank 指出，提示鏈遵循著相同的漏斗式結構，使用者應該先從廣泛且高層次的提示詞開始，並逐步將其具體化，藉此確保生成式 AI 工具在著手處理更複雜的任務前，已經掌握運算所需要的背景資訊。
一旦 AI 擁有足夠的背景資訊，自然就能夠把偏離主題的輸出回應，或者產生錯誤幻覺的風險降到最低。
拆解任務，一次一步
Aytekin Tank 提醒，想要於操作 AI 工具時應用提示鏈技巧，最關鍵的一點在於「釐清自己的目標」，也就是「希望 AI 工具達成什麼任務」，然後再將任務拆解成多個步驟，同時確保每個步驟都建立在前一個步驟的基礎上。
Aytekin Tank 直言，使用者要學會「一次」只向 AI 工具提出「一個步驟」的指令，並且利用前一個步驟的輸出結果，引導 AI 進行下一個步驟的工作；同時問答過程中，使用者也要積極鼓勵生成式 AI 解釋自己的推理過程。
如此一來，使用者就可以在 AI 輸出錯誤的最終結果之前，透過提示鏈提早發現問題，要求 AI 進行及時改正，藉此提高任務處理效率。
運用「邏輯條件」引導推理
除了「漏斗式結構」與「一次一個步驟」的基本原則外，Aytekin Tank 還提供了另一種強化技巧，即適當運用「邏輯條件」來引導 AI 進行推理。
舉例來說，假如使用者正在籌備一場行銷活動，並且希望聽取 AI 的規劃建議，那麼就可以透過提示詞對 AI 說：
假如計算出來的總預算低於 10,000 元，請給我成本效益最高的行銷策略；否則，請提出涵蓋多個平台的最優質行銷方法。
另一個例子是針對不同年齡世代的行銷活動，在運用邏輯條件的情況下，使用者可以對 AI 說：
若經過分析後，廣告受眾主要為 Z 世代，請推薦能引起他們共鳴的創意形式與行銷管道；若受眾主要為千禧或 X 世代，請建議符合客群偏好的行銷策略。
Aytekin Tank 指出，額外的背景資訊和決策提示，將能確保使用者跟 AI 之間的互動，更加具備動態性、變化性與洞察力。
記憶加上提示鏈，提升答案品質
最後，生成式 AI 發展至今最重要的進步，就是大多數 LLM 都擁有了記憶功能，即便是免費版本的 ChatGPT，也能記住使用者過往的互動紀錄，使回應內容變得更加切題且具有針對性。
Aytekin Tank 表示，在實地操作提示鏈之前，使用者不妨先參考過往的對話內容，避免下達重複指令，進一步簡化工作流程；尤其若能延續先前的工作成果，還可以使每次互動變得更為高效，提高 AI 最終輸出的答案品質。
總歸來說，雖然生成式 AI 可以徹底改變使用者與企業的日常工作流程，然而若是想要獲得準確且有用的輸出結果，已經不能夠再依靠單一指令。
Aytekin Tank 強調，只要適當運用提示鏈技術，就算是普通人也可以有效引導 AI 模型的推理與輸出，充分發揮人類與 AI 之間的協作潛力。
【推薦閱讀】
◆ Google「AI 摘要」終結 SEO？內容新鮮度需要大升級，行銷可以怎麼做
◆ 拒絕「幾乎有用」的 AI 資訊噪音，高效團隊的 3 種 AI 成熟協作模式
◆ AI 工具不是越多越好：BCG 與加州大學研究發現生產力「效率甜蜜點」
＊本文開放合作夥伴轉載，參考資料：Forbes、Cybernews，首圖來源：Nano Banana 2
（責任編輯：鄒家彥）