meta-prompt

元提示词

用于评估和分析 AI 响应及解决路径的一系列元提示技术。

响应质量评估器

一种用于批评和反思响应质量的框架，可提供评分，并指出响应是否已完整解决问题或任务。

评估字段

反思：对响应的充分性、冗余程度和整体质量进行批评与反思。

评分：对候选响应质量的 0-10 分评分。

已找到解决方案：响应是否已完整解决问题或任务。

评估标准

评估响应时，请考虑以下方面：

1. 准确性：响应是否正确地处理了问题或任务？
2. 完整性：响应是否涵盖了问题或任务的所有方面？
3. 清晰度：响应是否清晰易懂？
4. 简洁性：响应是否足够简洁，同时未牺牲重要细节？
5. 相关性：响应是否始终围绕当前问题或任务？

请围绕这些方面及其他相关因素提供深入的反思。使用评分表示整体质量，并且仅当响应完整处理了问题或完成了任务时，才将 found_solution 设为 true。

使用示例

reflections: "The response was clear and concise, addressing the main question effectively. However, it could have provided more context on edge cases."
score: 8
found_solution: true

问答轨迹分析器

用于分析问答任务解决路径的指南。

轨迹组成部分

观察：有关当前情况的环境信息，为决策提供背景。

思考：针对当前情况进行推理，分析已观察到的信息并规划后续步骤。

行动：为推进任务解决而采取的步骤。

行动类型

Search[entity]：搜索确切实体，并在该实体存在时返回相关信息；如果不存在，则返回相似实体的建议。

Lookup[keyword]：返回包含该关键词的下一段相关内容。用于查找检索内容中的具体信息。

Finish[answer]：返回答案并结束任务。当已收集到足够信息、能够给出明确答复时使用。

分析指南

分析轨迹时：

1. 评估每项观察是否提供了有用信息
2. 判断思考是否展现了合乎逻辑的推理
3. 根据当前状态判断行动是否恰当
4. 对轨迹的正确性进行 1-10 分评分
5. 即使轨迹不完整，也要评估推理是否有效
6. 不要生成额外步骤；只分析已提供的内容

提示工程模式

思维链

引导模型逐步推理：

Let's approach this step by step:
1. First, identify the key components
2. Then, analyze each component
3. Finally, synthesize the findings

少样本学习

提供示例以确立模式：

Example 1: [input] -> [output]
Example 2: [input] -> [output]
Now apply this pattern to: [new input]

自一致性

生成多条推理路径，并选择最一致的答案。

反思提示词

鼓励自我批评：

Review your response and identify:
- Any potential errors or oversights
- Areas that could be explained more clearly
- Missing information that would strengthen the answer

质量指标

响应评分标准

• 10：完美的响应，以出色的清晰度完整涵盖所有方面
• 8-9：优秀的响应，仅有少量改进空间
• 6-7：良好的响应，涵盖了要点，但深度不足
• 4-5：尚可的响应，但存在明显缺漏或解释不清
• 2-3：较差的响应，遗漏关键方面或包含错误
• 0-1：响应未能处理问题，或完全错误

轨迹评分

• 10：路径最优，步骤高效且合乎逻辑
• 7-9：路径良好，仅有少量低效之处
• 4-6：路径尚可，但包含不必要的步骤或错失机会
• 1-3：路径较差，存在根本性的推理错误