GPT LLM_More Than a Dialogue system

摘要： 本文探讨了大型语言模型（LLM）如GPT系列在当代技术领域的地位和作用，强调了这些模型超越传统对话系统的多维能力。文章分析了Prompt工程在激发模型潜能中的关键作用，并讨论了在使用这些模型时，我们应更注重提升自身的思维模式和决策能力。同时，本文提出一种轮询式的模拟推演，可供决策，意在扩充更多的大模型使用策略。

正文：

一、大型语言模型的混沌特性与知识蕴含

当今时代，大型语言模型（LLM），如GPT系列，已经成为技术进步的代表。这些模型不仅仅是简单的对话系统，它们更像是一种混沌模型，理论上蕴含了互联网上的所有知识。随着技术的不断进步，这些模型能够通过多模态（视觉、听觉、语言等）与人类进行更深层次的交流，但这些模型并不能自己主动进行思考，发掘知识价值。
所以：大语言模型是一个具有无穷知识的“上帝”，但它却不懂如何思考。

二、Prompt工程：激活知识宝库的钥匙

Prompt工程在使用大型语言模型中扮演着至关重要的角色。Prompt（提示词）是我们与这些模型交流的方式。通过精心设计的Prompt，我们可以引导模型以更加准确和深入的方式回应我们的需求。因此，如何有效使用Prompt，实际上是告诉大模型应当以一种什么样的思维方式去解决某类实际问题，对于个人，在未来提升自己的综合竞争能力，就是要懂得”思考“本身，而非仅仅思考掌握一个技能。

三、思维模式与决策方法论的提升

在大型语言模型的背景下，我们自身的思维模式和推理方法论的提升显得尤为重要。模型的进化不仅仅要求我们拥有简单的某一项技能，更重要的是要学会如何去使用这些模型。在此过程中，“元能力”——背后的思维逻辑和判断、决策、逻辑等方法论，成为了未来能力的关键部分。这种能力的提升，将使我们能够更有效地利用这些先进的工具。

四、使用示例

1、CoT，思维链提示，https://arxiv.org/abs/2205.10625，将思考过程打印出来或者提供 one-shot/few-shot，输出的准确性会更高；例如你可以在提示词后追加：“Let’s think step by step”
2、Self-Consistency，自洽性，https://arxiv.org/abs/2203.11171，在多次输出中找到投票最高的那条，例如你可以这么跟 ChatGPT 说：
“Let’s think step by step,对于每一个问题，你会思考 5 种不同的思路，然后将它们结合起来，输出最佳的措辞、最全面和最准确的答案。”
3、Least to Most prompting，本质是规划+逐步执行，https://arxiv.org/abs/2205.10625，对于复杂的任务，单纯使用 CoT + SC 效果依然不会太好，可以让 ChatGPT 先自己去拆解问题再回答： "对于每一个问题，你首先需要回答是否将问题分解为子问题，若否，直接给出答案；若是，则将问题拆解为子问题，然后将它们结合起来，输出最佳的措辞、最全面和最准确的答案。
4、Multi-Persona Self-Collaboration，多角色扮演，https://arxiv.org/abs/2307.05300，这个有点类似之前提到的 AutoGen，让多个代理相互对话来解决问题，只不过 AutoGen 是从工程层面真正做到了多 Agents 交互，而这里提到的，是让 ChatGPT 扮演多重人格/角色，例如：“你可以扮演任何角色，针对我给出的问题，请提供三个最相关的角色，对问题进行两轮讨论，然后你综合讨论结果总结最佳方案。请打印三个角色的讨论过程以及最后的方案。”

五、场景推演

方法论：

• 互动模拟：描述与ChatGPT进行的沙盘模拟的过程，包括角色设置（政府、粮食厂商、农户）和市场环境的变化。
• 数据和分析：说明模拟过程中使用的数据、假设和分析方法（未定义）。

结果：

• 模拟过程：详细记录每轮模拟的市场环境变化、政策调整和角色反应。
• 决策分析：分析在不同情境下角色的决策过程和结果。

示例：

场景部署：我希望我们开始进行粮食方面的商业沙盘模拟，一共三个角色，第一角色A：政府，政府的职责是负责政策制定，控制粮食价格，需要根据市场和气候等多因素来做出预判，核心目的在于为民众控制住粮食价格，保障粮食安全。第二角色B：粮食厂商，负责从农户的手里收购粮食，然后参与粮食竞标，由政府进行粮食收购，核心目的是为了赚更多的钱。第三角色C：农户，农户种粮食，会根据价格走势、政策等因素来决定是否出售粮食。我希望无限制推演下去，每一轮你需要来询问我环境变化、国际形势等各种要素，然后根据各类要素来指出三类角色的变化趋势，听明白了吗，下面我会给你一个初始环境。

用户：初始环境：气候良好，目前三类角色开始积极参与市场

LLM：初始环境设定：气候良好，各类角色开始积极参与市场。

1. 政府（角色A）：在这种情况下，政府的首要任务可能是监控市场，确保粮食价格稳定。由于气候良好，粮食生产可能会增加，政府可能会考虑制定政策，以平衡市场供需，防止过剩导致价格暴跌。
2. 粮食厂商（角色B）：良好的气候为粮食厂商提供了优越的采购条件。他们可能会增加从农户那里的粮食收购，以备未来价格上涨时销售。同时，他们也会关注政府的政策动向，以便及时调整策略。
3. 农户（角色C）：农户会利用良好的气候增加粮食生产。他们可能会考虑当前市场价格和未来预期来决定是立即出售粮食还是储存等待价格上涨。

接下来，我们需要考虑的因素包括但不限于：国际市场情况、本地市场需求、政府政策变化、天气变化等。请您提供下一步的环境变化或询问某方面的情况，我将继续分析这些角色的可能反应。

用户：市场粮食开始增多，国外的粮食由于技术问题，产量更多并且价格实惠

LLM：当前情境：

• 市场上粮食供应增多。
• 国外技术先进，产量更多，价格更实惠。

政府可能的政策（角色A）及其他角色的反应：

1. 政策：提高进口粮食关税
   • 粮食厂商（角色B）反应：可能会减少进口，转而采购国内粮食，或者寻找其他国家的进口渠道。他们也可能会探索与国外粮食供应商合作的机会，以降低成本。
   • 农户（角色C）反应：提高进口关税可能会提高国内粮食价格，使得农户的产品更具市场竞争力。因此，农户可能会增加产量，或者持续种植当前作物。
2. 政策：提供农业技术支持和补贴
   • 粮食厂商反应：技术支持可能会促使厂商投资于更先进的加工技术，提高粮食产品的质量和附加值。
   • 农户反应：补贴和技术支持将鼓励农户采用更高效的种植方法，增加产量，同时也可能促使他们种植更多利润较高的作物。
3. 政策：促进国内粮食加工和出口
   • 粮食厂商反应：可能会增加对国内粮食的需求，厂商可能会扩大生产规模，同时寻找国际市场的出口机会。
   • 农户反应：这会为农户提供更多的销售渠道，激励他们增加生产，同时也可能会促使他们种植适合出口的作物种类。

请提供下一轮的环境变化或询问特定情况，我将继续进行分析。

六、思维模型示例

六顶思考帽：由爱德华·德·波诺提出，这种方法鼓励从不同的角度思考问题，包括事实（白帽）、情感（红帽）、批判性判断（黑帽）、乐观性预测（黄帽）、创造性思考（绿帽）和组织性思考（蓝帽）。

用户：请根据六顶思考帽方法，来分析“为什么喝茶让人感觉安宁”

LLM：使用爱德华·德·波诺的六顶思考帽方法来分析“为什么喝茶让人感觉安宁”，我们可以从六个不同的角度探讨这个问题：

1. 白帽（事实）:
   • 许多茶叶含有氨基酸L-茶氨酸，它有助于放松大脑和减轻压力。
   • 茶中的咖啡因含量较低，与咖啡相比，其刺激作用较温和。
   • 喝茶的传统文化和仪式本身就倾向于营造一种平静和反思的氛围。
2. 红帽（情感）:
   • 个人可能会觉得喝茶是一种舒缓压力的仪式，为他们提供了一个放松和冥想的时刻。
   • 茶的味道、香气和温度都可能引发舒适和怀旧的情感。
3. 黑帽（批判性思考）:
   • 并非所有人都会觉得喝茶让人感觉安宁，这可能取决于个人的体验和对茶的个人偏好。
   • 某些类型的茶（例如含咖啡因较高的茶）可能会使某些人感到不安或焦虑。
4. 黄帽（乐观）:
   • 喝茶可以被看作是一种简单且易于获得的放松方式，适用于日常生活中的减压。
   • 它还可以促进社交互动，例如茶会，从而增强社区感和幸福感。
5. 绿帽（创造性思考）:
   • 探索不同类型的茶，如草本茶或花茶，可能为寻求安宁的人提供更多选择。
   • 结合音乐、香薰或冥想等元素，可以创造一个全方位的放松体验。
6. 蓝帽（过程控制）:
   • 在这个讨论中，我们考虑了喝茶带来安宁感的多种原因，包括生理、心理和文化因素。
   • 接下来，我们可以进一步探讨如何优化喝茶的环境和选择，以最大限度地提高其安宁效果。

通过这种多角度的思考，我们可以更全面地理解为什么喝茶会让人感到安宁。

结论：

大模型的核心能力：模拟、推演和创造。