微信扫码
添加专属顾问
我要投稿
利用XML标签增强AI推理能力,让非推理AI也能轻松上手。 核心内容: 1. 推理模型应用中的常见问题及挑战 2. 通过XML标签优化AI回复内容的方法 3. 提示词技巧的应用示例与实践指南
当下,推理模型的使用门槛越来越低,普通用户也能轻松上手。然而,其应用过程中仍有一些“问题”,像使用成本居高不下,时不时还会遭遇“服务器繁忙,暂无法响应”的状况。
要是打算让原本不具备推理功能的 AI 拥有推理本领,实现途径其实也很简单:
通过利用像<thinking>和<answer>这样的XML标签,把推理的步骤与最后的答案区分开,即可对 AI 的回复内容进行优化。
这个方法,我在之前写的提示词创作指南这篇文章中也有介绍。
以写一篇文章的提示词举例如下:
对以下资料展开剖析,提炼关键要点,并梳理其中的关联:
[需要分析的资料]
接下来,将这些信息整合,围绕以下主题创作出一篇结构严谨、语言流畅的文章:
[文章主题]
先结合上下文仔细思考如何整理这些信息,并将思考过程呈现在`<thinking>`标签内。思考过程应包含以下内容:
- 分析任务目标
- 将任务分解为多个步骤
- 回顾任务内容,补充缺失的信息
随后,在`<article>`标签中撰写最终的文章。
提示词包含两个部分:
对以下资料展开剖析,提炼关键要点,并梳理其中的关联:
[需要分析的资料]
接下来,将这些信息整合,围绕以下主题创作出一篇结构严谨、语言流畅的文章:
[文章主题]
先结合上下文仔细思考如何整理这些信息,并将思考过程呈现在`<thinking>`标签内。思考过程应包含以下内容:
- 分析任务目标
- 将任务分解为多个步骤
- 回顾任务内容,补充缺失的信息
随后,在`<article>`标签中撰写最终的文章。
注意:一定要让 AI 在<thinking>标签内输出思考过程,而不是直接输出最终的文章。以下示例采用 Qwen2.5-Max[1] 模型,关闭了深度思考能力,如果用不了推理模型,不妨试试这个方法。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-10-09
2025-08-25
2025-08-18
2025-10-21
2025-08-24
2025-09-23
2025-08-29
2025-08-16
2025-08-17
2025-09-12