自洽性与反思
实施让 LLM 生成多个答案并选择其中最一致答案的策略，或引导其反思自身输出
自洽性与反思 是 CoddyKit 上的免费 AI Prompt Engineering 课时。 这是第 3 节课，共 3 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 AI Prompt Engineering 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Prompt Engineering 课程共包含 3 节课。
超越一次性回答
您是否曾希望 AI 能够再次检查自己的工作？或者在给出答案前尝试几种不同的方法？这正是自洽性和反思所关注的内容。
这些高级技术可以帮助大型语言模型（LLM）生成更可靠、更准确的输出。
LLM 为何需要再次检查
LLM 功能强大，但仍可能犯错、产生“幻觉”事实，或陷入单一的推理思路。这些技术有助于解决 LLM 的常见局限：
- 幻觉：生成虚假或毫无意义的信息。
- 推理错误：在解决复杂问题时出现有缺陷的逻辑。
- 缺乏稳健性：对提示措辞中的细微变化过于敏感。
自洽性和反思可以提升 AI 生成内容的整体质量和可信度。
什么是自洽性？
自洽性是一种提示技术：您要求 LLM 针对同一个问题生成多个不同的答案。生成多个选项后，再从中选择出现频率最高或最一致的答案。
您可以把它想象成向几位聪明的朋友询问一个复杂问题，然后采用多数人的共识。这会显著降低单个错误答案出现的可能性。
自洽性实战
假设您向 LLM 提出一道复杂的数学文字题或逻辑谜题。自洽性不会只让它尝试一次，而是会提示它多次尝试：
- 尝试 1：提供一条推理路径和一个答案。
- 尝试 2：提供略有不同的推理路径和一个答案。
- 尝试 3：提供另一条路径……
如果 5 次尝试中有 3 次得出相同答案，那么这个答案就会被认为更加稳健，也更有可能正确。
为自洽性设计提示
要实现自洽性，您的提示需要明确要求 LLM 生成多个答案。您可以指定尝试次数以及答案的呈现方式。
以下是一个基本结构：
Generate 3 distinct answers to the following question. For each answer, show your step-by-step reasoning.
Question: If a train leaves station A at 9:00 AM traveling at 60 mph, and another train leaves station B at 9:30 AM traveling at 70 mph towards station A, and the stations are 300 miles apart, what time do they meet?
Answer 1:
[LLM's reasoning and answer]
Answer 2:
[LLM's reasoning and answer]
Answer 3:
[LLM's reasoning and answer]什么是反思？
反思是指 LLM 对自己之前的输出进行批判性评估。它会充当一种自我纠正机制，识别缺陷、偏见或需要改进的地方，然后生成经过修改或完善的答案。
这类似于提交作业前检查自己的成果：发现错误、润色思路，从而生成质量更高的最终结果。
反思实战
想象一下，您要求 LLM 写一篇短篇故事。它生成初稿后，您再提示它“检查故事是否存在情节漏洞以及人物是否前后一致”，或者“改进描述性语言”。
随后，LLM 会像自己的编辑一样，以批判性的角色完善最初的创作。这一迭代过程会带来质量高得多的内容。
实现反思提示
反思通常包括一个多步骤的提示过程：
- 第 1 步：初始生成提示（例如，“写一段关于 X 的文字”）。
- 第 2 步：后续提示中包含 LLM 之前的输出，并要求它进行批评或改进。
以下是后续提示的一种组织方式：
Initial Prompt: 'Write a short paragraph describing a futuristic city.'
Follow-up Prompt:
'Here is your previous description:
---
[LLM's initial generated paragraph]
---
Review this description for vividness and suggest 2 specific improvements to make it more engaging. Then, rewrite the paragraph incorporating these improvements.'协同效应：自洽性 + 反思
结合使用这些技术可以获得更加稳健的结果，尤其适用于复杂任务。您可以：
- 使用自洽性生成多个答案。
- 然后对每个答案分别应用反思，对其进行完善。
- 最后，从这些答案中选择最佳、最一致且经过完善的答案。
这样会形成一个强大的反馈循环，显著提升 LLM 的可靠性和准确性。
测试您的理解
请设想这样一种情境：有人要求 LLM 为一篇复杂的研究论文生成事实性摘要。以下哪些好处主要与自洽性技术相关？
回顾：更智能的 LLM 输出
在本课中，我们探讨了两种强大的高级提示技术，可以让 LLM 的输出更可靠、更准确：
- 自洽性：生成多个答案，并选择出现频率最高或最稳健的答案，以减轻单点错误。
- 反思：引导 LLM 通过迭代式自我纠正来评析并改进自身输出。
应用这些策略，您可以显著提升人工智能生成内容的质量、稳健性和可信度。
常见问题解答
「自洽性与反思」课时是免费的吗？
是的 — 「自洽性与反思」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Prompt Engineering 课程的其余内容，请升级到 CoddyKit PRO。 AI Prompt Engineering 课程共包含 3 节课。
「自洽性与反思」这节课中我会学到什么？
实施让 LLM 生成多个答案并选择其中最一致答案的策略，或引导其反思自身输出 你通过在浏览器中直接运行的动手代码来练习 AI Prompt Engineering，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 AI Prompt Engineering 需要有经验吗？
无需任何先前经验。CoddyKit 上的 AI Prompt Engineering 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 3 节。
「自洽性与反思」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 AI Prompt Engineering 课中编写并运行代码吗？
能。每节 AI Prompt Engineering 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。