学到了一个魔法 prompt.
让 AI 先对问题先进行复述和展开，然后再作出回答，可以得到更好的结果。尤其是和 CoT (Chain-of-Thought) 结合使用。
这种策略被称为 RaR，也就是 Rephrase and Respond.
就像「让我们一步步思考」（Let's think step by step）这样神奇的技巧一样，应用起来非常简单，有两种方法：
1. 在原始 prompt 后面增加一句话，「Rephrase and expand the question, and respond.」见图一；
2. 分两步进行。第一步，仅重述和展开问题，不回答。第二步，提示 AI 基于已重述的问题进行回答，然后用该答案来解答原始问题。Prompt 见图二。
更有意思的是，一个模型的能力越强，这种技巧的有效性也就越高。
另外，用能力强的模型对提示词做复述和展开以后，把这个提示词放到其他能力相对弱一些的模型里使用，效果可能同样有提升。
我之前写过一个提示词，希望模型通过阅读理解、回忆上下文及逻辑分析等方面对我的提示词进行评估，并给出修改建议。我会根据这些建议去优化提示词中的一些关键词。
原来只要提示模型进行复述和展开就行了。
可以用来优化自己常用的提示词，尤其是常用的那些几句话的提示词。或者，当我们觉得自己对某个意图的表述不够明确时，也可以用这种方法寻找灵感。
图四、图五是我使用的例子，我认为重述得非常好。可以看到，基于我的原始提示词的意图，增加了更多的相关上下文和具体的指令要求。这些是明显能提升模型回复效果的基本策略。
我们甚至可以用中文描述意图，让 AI 用英文进行复述和展开，这样我们还可以得到一个优质的英文提示词。
论文：
https://arxiv.org/abs/2311.04205
