引荐的后续提示能够向用户展现如何扩展他们的问题以取得有意义的答案

Bing无法在第一次回复就回答“谁在独立竞选总统”，但是用户能够经过逐渐扩展Prompt，“谁是 2024 年总统选举的潜在提名人”？来取得想要的回复。

在运用 AI 扩展对话的上下文中，引荐的后续提示能够向用户展现如何扩展他们的问题以取得有意义的答案。

给规划师的建议：

当AI无法为用户的查询供给答案时，请供给引荐的后续prompt，协助用户扩展初始Prompt中的某些条件信息后给予用户需求的结果。

07 几种对话类型的组合

有些AI对话会从一种对话类型开始，然后演变成另一种类型。例如，雕琢式对话也或许根据AI所输出的内容变成探究式对话。

结合雕琢式和探究式的对话：

对话时长不是成功的指标

研讨发现：均匀对话次序在3.6次的对话，才能够达到95%置信度区间的回复；

关于 AI 对话，时刻较长的对话并不一定代表从AI那里获取信息更吃力。现实上，从研讨中收集到的对话时长与其协助度或可信度评级之间没有相关性。关于某些类型的对话（如漏斗和精确定位），长度表示初始提示的明晰程度。长时刻的漏斗式谈天从需求更多细节的含糊Prompt开始。简短的精确谈天从具体的Prompt开始，这些Prompt已经列出了可接受答案的一切要求。

关于探究和雕琢式对话，长度是对话性质的一部分，能够满足用户不太明确的信息需求。探究对话需求在AI和人类之间来回沟通，人类从AI那里学习，后续对话建立在AI的回复之上。雕琢式对话也很长，因为对话目的是取得主题的广度，因此需求用户就给定主题的不同方面提出多个视点的问题。在这两种类型的对话中，目标是了解一个主题，而对话次序是用于界说用户的需求。

用户很喜欢用Bard进行查找查询式对话，查找查询在 Bard 中很常见;这或许便是为什么与 Bard 的对话比较，与 ChatGPT （p <0.001） 或 Bing （p<0.001） 的对话短的原因。Bard 的用户或许被Google 作为查找引擎的突出地位所招引，所以倾向于运用 Bard 作为 Google 查找的代理。

许多 Bard的对话都是查找查询类对话。

按信息需求分类各种所需的AI对话类型：

界说明确的信息需求：漏斗式 / 精准定位 / 探究 / 查找查询。

未明确界说的信息需求：探究对话：取得常识深度 / 雕琢式对话：取得常识的广度。

根据文本的生成式 AI 对话机器人规划Tips：

一切对话都没有理想的长度。假如用户有一个明晰、明确的信息需求，那么一个好的、具体的、精确的Prompt将很快得到他们需求的东西。

假如用户的目标很广泛且界说不明确，那么一次对话不行。用户能够运用AI的响应来学习 — 无论是广度仍是深度。

• 特定信息需求：具体、精确的Prompt。
• 在用户Prompt的末尾增加话术，例如“假如您需求其他信息，请向我发问”，能够让AI协助说明用户所需信息的不同约束。
• 关于现实查询，或许（目前）最好运用查找引擎而不是生成式AI对话机器人。