
此图表说明了计算机科学领域中静态提示生成和动态提示生成之间的区别。图中的例子如下: 1. 静态提示示例(多跳问答任务场景):对于多跳知识问答任务“简述唐朝科举制度与宋朝科举制度的核心差异及历史影响”,静态提示采用人工预设的固定模板。内容为“请回答以下问题:{问题}。请分点阐述,语言简洁。” 此提示模板不区分问题所涉及历史知识的深度或推理步骤的复杂性(此问题至少需要两步推理:首先梳理唐/宋科举制度的核心内容,然后对比差异并分析影响)。它也不适应所使用的大语言模型的能力水平(例如,它不会为基础级模型补充基本概念解释,也不会为高级模型添加深入分析指导)。它始终以统一的表达方式作用于模型,这很容易导致基础模型因缺乏概念基础而无法完成推理,而高级模型因缺乏足够的指导而输出肤浅的内容。 2. 动态提示示例(相同多跳问答任务场景):对于上述相同的问题,动态提示生成过程需要经过四个自适应阶段:“任务分析 - 知识检索 - 模型适配 - 提示生成”。首先,任务分析模块识别出该问题属于历史领域的多跳推理任务,需要2-3步的逻辑链。其次,RAG机制检索唐朝科举制度(如进士科的地位和不实行糊名制)和宋朝科举制度(如实行誊录糊名制和殿试制度化)的核心知识点。然后,结合所使用模型的特点(假设为中级模型),确定需要补充基本概念过渡,但不必过度简化。最后,生成动态提示:“请基于以下历史知识完成问题分析,并分三步推理作答:1. 首先,明确唐朝科举制度的核心特征(参考:进士科为核心,无糊名制,录取人数少);2. 然后,梳理宋朝科举制度的关键变化(参考:实行誊录糊名制,殿试常态化,扩大录取规模);3. 比较两者的核心差异,并阐述其对当时社会阶层流动和官僚体系构建的历史影响。问题:简述唐朝科举制度与宋朝科举制度的核心差异及历史影响。” 此提示可以根据问题的复杂性、检索到的知识细节以及模型的能力动态调整表达方式和推理指导逻辑。