对话协议
"沟通的质量决定了结果的质量。"
— 彼得·德鲁克 (Peter Drucker)
对话协议简介
对话协议是指导您与AI系统交互的结构化模板。它们将不可预测、漫无目的的对话转变为高效、有目的且结果一致的交流。
┌─────────────────────────────────────────────────────┐
│ │
│ 对话协议的优势 │
│ │
│ • 跨交互的一致结果 │
│ • 人类和AI都有清晰的期望 │
│ • 高效使用上下文窗口 │
│ • 降低人类的认知负担 │
│ • 可追踪复杂讨论中的进度 │
│ • 跨不同AI系统的可移植模板 │
│ │
└─────────────────────────────────────────────────────┘本指南为常见场景提供实用的、可立即使用的对话协议,以及实施指导和性能指标。每个协议都遵循我们的NOCODE原则:导航(Navigate)、编排(Orchestrate)、控制(Control)、优化(Optimize)、部署(Deploy)和演化(Evolve)。
如何使用本指南
- 从下面的类别中识别您的对话目标
- 复制最匹配您需求的协议模板
- 用您的具体信息自定义占位符
- 在对话开始时粘贴完整的协议
- 监控指标以评估有效性
- 基于结果迭代和优化
苏格拉底式提问:在与AI系统交互时,哪些类型的对话最让您感到沮丧?哪些对话最能从结构化方法中受益?
1. 信息提取协议
目的
从非结构化内容或知识领域中提取特定的、结构化的信息。
何时使用
- 分析文档或内容
- 收集特定数据点
- 从非结构化文本创建结构化数据集
- 从复杂来源提炼关键点
协议模板
/extract.information{
intent="从内容中提取特定的、结构化的信息",
input={
content="[粘贴内容或描述领域]",
target_structure={
categories: ["[类别_1]", "[类别_2]", "[类别_3]"],
format: "[格式: 表格/列表/JSON等]",
level_of_detail: "[简要/中等/全面]"
},
special_focus="[要强调的任何特定方面]"
},
process=[
/analyze{action="扫描内容以查找相关信息"},
/categorize{action="将信息组织到指定类别中"},
/structure{action="按目标结构格式化"},
/verify{action="检查完整性和准确性"},
/summarize{action="提供提取信息的概述"}
],
output={
extracted_information="[根据规范的结构化信息]",
coverage_assessment="[信息完整性评估]",
confidence_metrics="[提取信息的可靠性指标]"
}
}
我希望您按照此协议从我提供的内容中提取信息。请确认并开始提取。实施指南
内容规范:
- 对于文档分析:粘贴完整文本或上传文档
- 对于知识提取:清楚地描述领域(例如,"关于可再生能源技术的信息")
目标结构定义:
- 类别:定义3-7个具体类别(例如,"成本"、"好处"、"限制")
- 格式:指定最有用的输出格式(表格、列表、JSON等)
- 详细级别:根据您的需求选择(概述用简要,深入分析用全面)
特殊关注点:
- 突出任何值得特别关注的具体方面
- 可以包括时间范围、地理重点或特定子主题
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 类别覆盖率 | 包含实质性信息的类别百分比 | 100% |
| 信息密度 | 每个类别的相关数据点 | 最少3-5个 |
| 结构完整性 | 对请求格式的遵守 | 100% |
| 置信度得分 | AI对信息可靠性的评估 | >80% |
应用示例
/extract.information{
intent="从内容中提取特定的、结构化的信息",
input={
content="[关于气候变化缓解策略的研究论文]",
target_structure={
categories: ["技术解决方案", "政策方法", "经济影响", "实施挑战", "成功指标"],
format: "markdown表格,以类别为行",
level_of_detail: "中等"
},
special_focus="适用于资源有限的城市环境的解决方案"
},
process=[...],
output={...}
}2. 结构化辩论协议
目的
通过平衡、深思熟虑的分析探索复杂或有争议主题的多个视角。
何时使用
- 评估竞争性方法或解决方案
- 理解有争议的主题
- 进行涉及多个因素的复杂决策
- 测试论点和反论点的力量
协议模板
/debate.structured{
intent="探索复杂主题的多个视角",
input={
topic="[主题或问题]",
perspectives=["[视角_1]", "[视角_2]", "[视角_3_可选]"],
evaluation_criteria=["[标准_1]", "[标准_2]", "[标准_3]"],
constraints="[任何限制或指导原则]"
},
process=[
/establish{action="定义关键术语并建立共同基础"},
/present{action="用最强论据呈现每个视角"},
/challenge{action="识别每个视角的弱点"},
/evaluate{action="根据标准评估每个视角"},
/synthesize{action="识别潜在的整合或解决方案"},
/conclude{action="总结关键见解和影响"}
],
output={
perspective_analysis="[每个视角的结构化分析]",
comparative_evaluation="[使用标准的并排评估]",
synthesis_insights="[潜在的整合或新方法]",
key_takeaways="[辩论中最重要的见解]"
}
}
我想使用我提供的视角和标准通过结构化辩论探索这个主题。请确认并开始辩论。实施指南
主题定义:
- 框定为清晰的问题或陈述
- 确保范围可管理但有实质内容
视角选择:
- 包括2-3个不同的观点(更多会变得难以管理)
- 选择在方法或价值观上真正不同的视角
- 可以包括传统与非传统、理论与实践等
评估标准:
- 选择3-5个相关的评估标准
- 包括实践和原则考虑的组合
- 示例:成本效益、伦理影响、实施可行性
约束:
- 指定范围的任何限制
- 注意应保持不变的任何假设
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 钢铁侠论证 | 每个视角的论证力度 | 提出最好的可能情况 |
| 平衡性 | 视角间的深度和慈善的平等 | <10%变化 |
| 标准应用 | 所有标准的全面应用 | 100%覆盖 |
| 整合质量 | 通过综合增加的价值 | 识别新颖见解 |
应用示例
/debate.structured{
intent="探索复杂主题的多个视角",
input={
topic="城市应该优先发展公共交通还是自动驾驶汽车以实现未来出行?",
perspectives=["公共交通优先", "自动驾驶汽车优先", "混合方法"],
evaluation_criteria=["环境影响", "社会公平", "经济效率", "实施时间线"],
constraints="关注发达经济体的中等规模城市地区"
},
process=[...],
output={...}
}3. 渐进式反馈协议
目的
通过结构化、多阶段的反馈迭代改进工作产品。
何时使用
- 完善书面内容草稿
- 改进设计概念
- 增强问题解决方案
- 通过迭代发展想法
协议模板
/feedback.progressive{
intent="通过结构化反馈阶段迭代改进工作",
input={
work_product="[要改进的内容]",
improvement_focus=["[焦点区域_1]", "[焦点区域_2]", "[焦点区域_3]"],
iteration_count="[反馈循环次数]",
constraints="[任何限制或指导原则]"
},
process=[
/baseline{action="建立当前版本的优势和劣势"},
/prioritize{action="识别影响最大的改进机会"},
/iterate{
action="对每个焦点区域:",
substeps=[
/analyze{action="识别具体的改进机会"},
/suggest{action="提供具体的增强建议"},
/implement{action="应用推荐的更改"},
/review{action="评估改进并识别下一步"}
]
},
/synthesize{action="整合所有焦点区域的改进"},
/compare{action="对比最终版本与原始基线"}
],
output={
improved_work="[原始工作的增强版本]",
improvement_summary="[更改和增强的概述]",
future_directions="[进一步发展的建议]",
version_comparison="[显示进度的前后分析]"
}
}
我想通过渐进式反馈循环改进这项工作。请确认并开始反馈过程。实施指南
工作产品规范:
- 提供要改进的完整工作
- 对于较长的作品,考虑指定需要重点关注的部分
改进焦点区域:
- 定义2-4个具体的增强方面
- 写作示例:清晰度、结构、证据、说服力
- 设计示例:可用性、美学、功能性、连贯性
迭代次数:
- 指定要执行多少个反馈循环(通常2-3个最佳)
- 对于复杂的作品,考虑在每个循环中关注不同的方面
约束:
- 注意应保持不变的任何元素
- 指定要保持的任何风格或内容指南
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 改进增量 | 从基线的可测量增强 | 显著的积极变化 |
| 焦点区域覆盖 | 对所有指定焦点区域的关注 | 100%覆盖 |
| 实施质量 | 应用反馈的彻底性 | 所有高优先级建议 |
| 连贯性 | 跨区域改进的整合 | 统一的,而非拼凑的 |
应用示例
/feedback.progressive{
intent="通过结构化反馈阶段迭代改进工作",
input={
work_product="[新生产力软件的营销电子邮件草稿]",
improvement_focus=["说服力", "清晰度", "行动号召有效性"],
iteration_count="3",
constraints="必须保持专业语调,字数保持在300字以内"
},
process=[...],
output={...}
}4. 决策分析协议
目的
系统地分析选项并为复杂决策提供建议。
何时使用
- 评估具有权衡的多个选项
- 做出高风险决策
- 分解复杂的选择场景
- 为重复性选择创建决策框架
协议模板
/decision.analyze{
intent="系统地分析选项并提供决策支持",
input={
decision_context="[决策情况描述]",
options=["[选项_1]", "[选项_2]", "[选项_3_可选]"],
criteria={
"[标准_1]": {"weight": [1-10], "description": "[描述]"},
"[标准_2]": {"weight": [1-10], "description": "[描述]"},
"[标准_3]": {"weight": [1-10], "description": "[描述]"}
},
constraints="[任何限制或要求]",
decision_maker_profile="[相关偏好或背景]"
},
process=[
/frame{action="阐明决策背景和目标"},
/evaluate{
action="对每个选项:",
substeps=[
/assess{action="根据每个加权标准评估"},
/identify{action="确定关键优势和劣势"},
/quantify{action="基于标准表现分配分数"}
]
},
/compare{action="跨选项进行比较分析"},
/analyze{action="检查对假设变化的敏感性"},
/recommend{action="提供有理由的结构化建议"}
],
output={
option_analysis="[每个选项的详细评估]",
comparative_matrix="[使用标准的并排比较]",
recommendation="[有理由的主要建议]",
sensitivity_notes="[建议如何随不同假设而变化]",
implementation_considerations="[执行决策的关键因素]"
}
}
我想使用我提供的选项和标准分析这个决策。请确认并继续分析。实施指南
决策背景:
- 描述需要做出决策的情况
- 包括相关背景和约束
- 阐明要做出的具体决策
选项定义:
- 列出所有可行的替代方案(通常2-5个)
- 提供足够的细节以进行有意义的比较
- 确保选项真正不同
标准规范:
- 定义3-7个评估标准
- 分配权重以反映相对重要性(1-10比例)
- 包括描述以确保一致应用
决策者资料:
- 包括相关偏好、风险承受能力、价值观
- 注意任何特定的优先事项或约束
- 提及时间线或资源限制
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 标准覆盖 | 所有标准的全面应用 | 100%覆盖 |
| 分析深度 | 每个选项的实质性评估 | 选项间可比深度 |
| 量化质量 | 有理由的有意义评分 | 所有分数的清晰理由 |
| 建议清晰度 | 有理由的明确指导 | 具体、可操作的建议 |
应用示例
/decision.analyze{
intent="系统地分析选项并提供决策支持",
input={
decision_context="为新的电子商务平台选择技术堆栈",
options=["MERN堆栈(MongoDB、Express、React、Node.js)", "Python/Django配PostgreSQL和React", "Ruby on Rails配React和PostgreSQL"],
criteria={
"开发速度": {"weight": 8, "description": "构建和迭代的速度"},
"可扩展性": {"weight": 9, "description": "处理不断增长的用户群和流量的能力"},
"维护复杂性": {"weight": 7, "description": "持续维护和更新的便利性"},
"人才可用性": {"weight": 6, "description": "找到开发人员的便利性"}
},
constraints="必须能够与现有支付处理系统集成",
decision_maker_profile="中等规模公司,内部开发团队有限,对技术债务的厌恶程度中等,6个月的发布时间线"
},
process=[...],
output={...}
}5. 对齐协议
目的
确保相互理解并建立共同的目标、术语和方法。
何时使用
- 开始复杂项目
- 建立协作框架
- 阐明期望和交付成果
- 就问题定义和成功标准达成一致
协议模板
/align.mutual{
intent="建立共同理解和一致的期望",
input={
topic="[主题或项目描述]",
key_terms=["[术语_1]", "[术语_2]", "[术语_3_可选]"],
goals=["[目标_1]", "[目标_2]", "[目标_3_可选]"],
constraints="[任何限制或边界]",
success_criteria="[如何衡量成功]"
},
process=[
/define{action="为关键术语建立清晰定义"},
/clarify{action="确保对目标和成功标准的相互理解"},
/explore{action="识别潜在的不一致或模糊性"},
/resolve{action="处理和澄清任何已识别的不一致"},
/confirm{action="明确建立共同理解"},
/document{action="记录一致的定义、目标和标准"}
],
output={
term_definitions="[关键术语的明确定义]",
goal_clarifications="[对每个目标的详细理解]",
boundary_conditions="[约束和限制的清晰阐述]",
success_metrics="[具体的、可测量的成功指标]",
alignment_summary="[相互理解的确认]"
}
}
我想使用我提供的术语、目标和标准在这个主题上建立一致。请确认并继续对齐过程。实施指南
主题规范:
- 清楚地定义对齐的主题
- 对于项目,包括范围和总体目的
- 对于概念,建立领域和重要性
关键术语选择:
- 识别3-7个需要明确定义的术语
- 专注于可能存在歧义的术语
- 包括需要澄清的领域特定术语
目标阐述:
- 列出2-5个具体目标
- 确保目标足够具体以便可操作
- 在相关时包括过程和结果目标
成功标准:
- 定义如何衡量成就
- 包括定性和定量指标
- 在适用时指定时间框架
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 定义清晰度 | 术语定义的精确性和有用性 | 明确的、可操作的定义 |
| 目标具体性 | 目标的具体性和可操作性 | 具体、可测量、可实现 |
| 边界清晰度 | 约束定义的精确性 | 清晰的限制参数 |
| 对齐确认 | 相互理解的程度 | 共同理解的明确确认 |
应用示例
/align.mutual{
intent="建立共同理解和一致的期望",
input={
topic="客户反馈分析系统的开发",
key_terms=["客户情绪", "可操作的见解", "实施优先级", "成功指标"],
goals=["创建自动化情绪分析", "识别客户主要痛点", "开发处理反馈的优先级框架"],
constraints="必须与现有CRM系统配合使用并尊重客户隐私法规",
success_criteria="系统应识别90%的可操作反馈并将人工分析时间减少70%"
},
process=[...],
output={...}
}6. 问题定义协议
目的
精确定义和框定问题以确保有效的解决方案开发。
何时使用
- 面对复杂或模糊的问题时
- 在开始解决方案开发之前
- 当利益相关者对问题有不同理解时
- 重新框定看似棘手的问题
协议模板
/problem.define{
intent="清楚地定义和框定问题以进行有效的解决方案开发",
input={
initial_problem_statement="[当前问题描述]",
context="[相关背景信息]",
stakeholders=["[利益相关者_1]", "[利益相关者_2]", "[利益相关者_3_可选]"],
attempted_solutions="[如果有以前的方法]",
constraints="[任何限制或边界]"
},
process=[
/analyze{action="检查初始问题陈述的清晰度和准确性"},
/deconstruct{action="将问题分解为组件和维度"},
/reframe{action="考虑替代的问题框架和视角"},
/validate{action="针对利益相关者需求测试问题定义"},
/synthesize{action="制定全面的问题定义"},
/scope{action="建立清晰的边界和成功标准"}
],
output={
refined_problem_statement="[清晰、精确的问题定义]",
root_causes="[已识别的根本因素]",
success_criteria="[如何识别成功的解决方案]",
constraints_and_boundaries="[明确的限制和范围]",
reframing_insights="[提供新方法的替代视角]",
solution_directions="[基于问题定义的潜在解决方案路径]"
}
}
我想使用我提供的信息清楚地定义这个问题。请确认并继续问题定义过程。实施指南
初始问题陈述:
- 陈述当前理解的问题
- 包括症状和明显挑战
- 注意当前理解中嵌入的任何假设
背景提供:
- 提供相关背景信息
- 包括组织、历史或技术背景
- 注意任何最近的变化或发展
利益相关者识别:
- 列出受问题影响或对问题感兴趣的主要方
- 如果已知,包括他们的视角和优先事项
- 注意任何冲突的利益相关者利益
尝试的解决方案:
- 描述以前的方法及其结果
- 注意特定的限制或失败
- 包括部分成功和学习
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 清晰度 | 问题定义的精确性和可理解性 | 明确、简洁的陈述 |
| 根本原因深度 | 对根本因素的识别 | 超越症状到基本原因 |
| 利益相关者验证 | 与利益相关者视角的一致 | 解决所有关键利益相关者关注 |
| 可操作性 | 定义如何直接促进解决方案开发 | 解决方案方法的清晰路径 |
应用示例
/problem.define{
intent="清楚地定义和框定问题以进行有效的解决方案开发",
input={
initial_problem_statement="客户流失率在过去一个季度增加了15%",
context="具有订阅模式的SaaS业务,最近进行了UI重新设计,价格上涨了10%",
stakeholders=["产品团队", "客户成功团队", "执行领导", "客户"],
attempted_solutions="实施了挽回活动和退出调查,但成功有限",
constraints="解决方案必须在现有技术堆栈内工作并保持当前定价策略"
},
process=[...],
output={...}
}7. 学习促进协议
目的
为有效的知识获取和技能发展构建学习过程。
何时使用
- 学习新主题或技能时
- 向他人教授复杂主题
- 创建教育材料
- 开发学习路径或课程
协议模板
/learning.facilitate{
intent="构建有效的知识获取学习体验",
input={
subject="[要学习的主题或技能]",
current_knowledge="[现有知识水平]",
learning_goals=["[目标_1]", "[目标_2]", "[目标_3_可选]"],
learning_style_preferences="[首选学习方法]",
time_constraints="[可用时间和时间表]"
},
process=[
/assess{action="评估当前知识并识别差距"},
/structure{action="将主题组织成逻辑学习序列"},
/scaffold{action="从基础到高级概念建立渐进式框架"},
/contextualize{action="将抽象概念与实际应用联系起来"},
/reinforce{action="设计练习活动和知识检查"},
/adapt{action="根据进度和反馈调整方法"}
],
output={
learning_path="[主题和技能的结构化序列]",
key_concepts="[要掌握的基本思想和原则]",
learning_resources="[推荐的材料和来源]",
practice_activities="[强化学习的练习]",
progress_indicators="[如何衡量学习进步]",
next_steps="[继续发展的指导]"
}
}
我想根据我提供的信息为这个主题构建学习体验。请确认并继续开发学习促进。实施指南
主题规范:
- 清楚地定义要学习的主题或技能
- 如果适用,包括特定的子领域重点
- 注意任何特定的应用或感兴趣的背景
当前知识评估:
- 诚实评估现有的熟悉程度和能力
- 注意特定的优势或劣势领域
- 识别任何需要解决的误解
学习目标定义:
- 指定2-5个具体的学习成果
- 包括知识和应用目标
- 为可用时间设置适当的雄心水平
学习风格偏好:
- 注意首选方法(视觉、动手、理论等)
- 指定任何特别有效的过去学习经验
- 识别要避免的任何方法
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 排序逻辑 | 概念的适当进展 | 尊重清晰的依赖关系 |
| 参与度 | 与学习偏好的一致 | 包括多种模式 |
| 练习质量 | 强化活动的有效性 | 主动学习机会 |
| 目标一致 | 活动与既定目标之间的联系 | 实现目标的直接路径 |
应用示例
/learning.facilitate{
intent="构建有效的知识获取学习体验",
input={
subject="使用Python进行数据可视化(matplotlib和seaborn)",
current_knowledge="中级Python编程,基础统计,无可视化经验",
learning_goals=["创建出版质量的可视化", "开发交互式仪表板", "实施自动化可视化管道"],
learning_style_preferences="带实际应用的动手项目,视觉示例,迭代构建",
time_constraints="每周10小时,持续4周"
},
process=[...],
output={...}
}8. 情景规划协议
目的
探索可能的未来并为不确定的环境制定稳健策略。
何时使用
- 在不确定环境中进行战略规划
- 风险评估和应急规划
- 创新和未来防护工作
- 具有长期影响的决策
协议模板
/scenario.plan{
intent="探索可能的未来并制定稳健策略",
input={
focal_question="[中心战略问题]",
time_horizon="[规划时间框架]",
key_uncertainties=["[不确定性_1]", "[不确定性_2]", "[不确定性_3_可选]"],
driving_forces=["[力量_1]", "[力量_2]", "[力量_3_可选]"],
current_situation="[相关背景和起点]"
},
process=[
/identify{action="定义关键因素和驱动力"},
/analyze{action="评估因素的影响和不确定性"},
/construct{
action="开发3-4个不同的、可信的情景",
substeps=[
/name{action="创建令人难忘的情景标题"},
/narrate{action="描述情景演变和关键事件"},
/detail{action="探索对利益相关者的影响"}
]
},
/identify{action="提取跨情景的战略见解"},
/develop{action="创建稳健策略和早期指标"}
],
output={
scenarios=[
{name="[情景_1_名称]", description="[详细描述]", implications="[战略影响]"},
{name="[情景_2_名称]", description="[详细描述]", implications="[战略影响]"},
{name="[情景_3_名称]", description="[详细描述]", implications="[战略影响]"}
],
robust_strategies="[跨情景有效的方法]",
early_indicators="[指示情景出现的迹象]",
key_uncertainties="[要监控的关键因素]",
strategic_recommendations="[即时和长期行动]"
}
}
我想围绕这个焦点问题使用我提供的信息制定情景计划。请确认并继续情景规划过程。实施指南
焦点问题定义:
- 清楚地框定中心战略问题
- 确保适当的范围和相关性
- 专注于决策需求
时间范围选择:
- 选择适当的时间框架(通常3-10年)
- 在可预见的未来和有意义的变化之间取得平衡
- 考虑行业特定的时间因素
关键不确定性识别:
- 选择2-4个具有高影响的关键不确定性
- 专注于真正不确定的因素(而非预定的)
- 包括多样化的类型(技术、社会、经济等)
驱动力分析:
- 识别塑造环境的主要趋势和因素
- 包括外部和内部力量
- 考虑STEEP因素(社会、技术、经济、环境、政治)
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 情景可信度 | 逻辑连贯性和可信性 | 无魔法思维或矛盾 |
| 情景独特性 | 情景之间的有意义差异 | 清晰、对比的未来 |
| 战略效用 | 从情景中得出的可操作见解 | 对决策的具体影响 |
| 指标质量 | 早期预警信号的有用性 | 可观察的、领先的指标 |
应用示例
/scenario.plan{
intent="探索可能的未来并制定稳健策略",
input={
focal_question="我们的零售业务应如何适应未来十年不断变化的消费者行为和技术?",
time_horizon="10年(2025-2035)",
key_uncertainties=["AI/自动化采用的速度和性质", "消费者对实体与数字体验的偏好", "数据和隐私的监管环境"],
driving_forces=["核心市场的人口老龄化", "气候变化对供应链的影响", "经济不平等加剧", "元宇宙和虚拟现实发展"],
current_situation="中等规模零售连锁店,60%的收入来自实体店,电子商务业务不断增长,数据分析能力有限"
},
process=[...],
output={...}
}高级协议集成
为复杂交互组合协议
对于复杂需求,协议可以顺序组合或嵌套:
/sequence{
steps=[
/problem.define{...},
/debate.structured{...},
/decision.analyze{...}
]
}协议适应指南
添加专业化处理步骤:
/extract.information{ ... process=[ ..., /specialize{action="领域特定分析步骤"} ] }扩展输入参数:
/learning.facilitate{ ... input={ ..., accessibility_needs="[特定的可访问性要求]" } }增强输出规范:
/scenario.plan{ ... output={ ..., visual_timeline="[情景的图形表示]" } }
性能优化技巧
Token效率
优先处理输入元素:
- 只包括必要的上下文
- 使用要点列表而非叙述
- 在可能时引用外部信息
流程精简:
- 对于简单任务,减少处理步骤
- 在适当时组合相关步骤
- 删除不增加价值的子步骤
输出焦点:
- 只指定需要的输出元素
- 请求适当的详细级别
- 使用结构化格式以提高效率
协议选择的心智模型
花园模型:
- 哪个协议最能培育我需要的想法?
- 需要什么护理和修剪?
- 如何确保可持续增长?
河流模型:
- 信息流的源头是什么?
- 我希望对话流向哪里?
- 什么障碍可能会转移流向?
预算模型:
- 这次交互的token预算是多少?
- 哪些投资会产生最高回报?
- 如何最小化浪费?
持续改进
协议优化过程
捕获结果:
- 记录协议输出
- 注意任何偏差或挑战
- 跟踪整个交互中的AI行为
评估性能:
- 与指定指标进行比较
- 识别优势和劣势
- 注意意外的好处或限制
优化元素:
- 根据观察到的有效性调整输入参数以提高清晰度和完整性
- 修改处理步骤
- 更新输出规范以更好地匹配需求
测试迭代:
- 将优化后的协议应用于类似场景
- 比较迭代间的性能
- 记录渐进式改进
协议版本控制系统
要跟踪协议演变,使用简单的版本控制符号:
/protocol.name.v1.2{...}其中:
- 第一个数字(1):主要版本(结构更改)
- 第二个数字(2):次要版本(参数或过程优化)
为每个版本包含更改说明:
/extract.information.v1.2{
meta={
version_history=[
{version="1.0", date="2025-02-10", changes="初始发布"},
{version="1.1", date="2025-03-15", changes="向输出添加置信度指标"},
{version="1.2", date="2025-04-22", changes="增强special_focus参数"}
]
},
...
}对话协议中的场域动力学
"您的场域质量决定了其中出现的内容的性质。"
对话协议创建语义场域,以微妙但强大的方式塑造交互。理解场域动力学可以帮助您设计更有效的协议。
关键场域动力学概念
吸引子:对话自然趋向的稳定模式
- 每个协议创建特定的吸引子盆地
- 精心设计的协议维持所需的吸引子
边界:定义对话空间的限制
- 清晰的边界防止漂移并保持焦点
- 可渗透的边界允许有益的探索
共振:某些主题或模式的放大
- 协议可以创建增强某些品质的共振场
- 有意的共振改善连贯性和深度
残留:持续向前的持久效应
- 有效的协议留下富有成效的残留
- 象征性残留为未来的交互创建基础
应用场域动力学
┌─────────────────────────────────────────────────────┐
│ │
│ 场域动力学增强 │
│ │
│ 添加到任何协议: │
│ │
│ field_dynamics={ │
│ attractors: ["[主要吸引子]", "[次要吸引子]"], │
│ boundaries: { │
│ firm: ["[坚定边界]"], │
│ permeable: ["[可渗透边界]"] │
│ }, │
│ resonance: ["[共振模式]"], │
│ residue: { │
│ target: "[期望的象征性残留]", │
│ persistence: "[高|中|低]" │
│ } │
│ } │
│ │
└─────────────────────────────────────────────────────┘应用示例:
/debate.structured{
...
field_dynamics={
attractors: ["基于证据的推理", "慈善解释"],
boundaries: {
firm: ["人身攻击", "逻辑谬误"],
permeable: ["创意类比", "跨学科联系"]
},
resonance: ["智力好奇心", "细致入微的理解"],
residue: {
target: "多个有效视角可以共存",
persistence: "高"
}
},
...
}协议库管理
随着您开发协议集合,组织它们对于重用和改进变得至关重要。
个人协议库模板
创建个人库markdown文件:
markdown
# 个人协议库
## 对话协议
### 日常使用
- [提取信息 v1.2](#extract-information)
- [结构化辩论 v2.0](#structured-debate)
### 特殊用途
- [情景规划 v1.0](#scenario-planning)
- [问题定义 v1.3](#problem-definition)
## 协议定义
### 提取信息/extract.information.v1.2{ // 完整协议定义 }
### 结构化辩论/debate.structured.v2.0{ // 完整协议定义 }
与笔记系统集成
协议可以与流行的笔记和知识管理系统集成:
Obsidian:
- 创建专门的协议文件夹
- 使用模板插件快速插入
- 将协议链接到相关笔记
Notion:
- 创建协议数据库
- 包括元数据,如用例、有效性评级
- 使用模板快速添加到页面
Roam Research:
- 使用块引用创建协议块
- 为不同用例标记协议
- 构建包含协议的工作流模板
协议开发过程
创建您自己的协议遵循结构化路径:
┌─────────────────────────────────────────────────────┐
│ │
│ 协议开发周期 │
│ │
│ 1. 识别需求 │
│ • 识别重复的对话模式 │
│ • 识别挫折或低效 │
│ • 定义期望结果 │
│ │
│ 2. 设计结构 │
│ • 定义核心组件(输入、过程、输出) │
│ • 概述关键处理步骤 │
│ • 确定所需参数 │
│ │
│ 3. 原型和测试 │
│ • 创建最小可行协议 │
│ • 使用各种AI系统测试 │
│ • 记录性能 │
│ │
│ 4. 优化和完善 │
│ • 基于测试结果增强 │
│ • 优化token效率 │
│ • 提高清晰度和可用性 │
│ │
│ 5. 记录和分享 │
│ • 创建使用指南 │
│ • 定义性能指标 │
│ • 与社区分享 │
│ │
└─────────────────────────────────────────────────────┘协议设计工作表
使用此工作表开发新协议:
## 协议设计工作表
### 1. 基本信息
- 协议名称: _______________
- 目的: _______________
- 用例: _______________
### 2. 核心组件
- 输入参数:
- [ ] _______________
- [ ] _______________
- [ ] _______________
- 处理步骤:
- [ ] _______________
- [ ] _______________
- [ ] _______________
- 输出元素:
- [ ] _______________
- [ ] _______________
- [ ] _______________
### 3. 场域动力学
- 主要吸引子: _______________
- 坚定边界: _______________
- 期望共振: _______________
- 目标残留: _______________
### 4. 实施说明
- Token效率考虑: _______________
- 与其他协议的集成: _______________
- 版本历史计划: _______________
### 5. 评估计划
- 成功指标: _______________
- 测试方法: _______________
- 优化标准: _______________结论:对话协议的未来
对话协议代表了人机交互的根本转变。通过显式协议构建对话,我们从不可预测的、临时的交流转向一致的、高效的、有目的的协作。
在构建协议库时,请记住这些原则:
- 从简单开始:从常见需求的基本协议开始
- 持续迭代:基于实际使用进行优化
- 分享和协作:与他人交换协议
- 以场域思考:考虑您正在创建的对话场域
- 优先考虑清晰度:清晰的结构导致清晰的结果
有了这些原则和本指南中的协议模板,您已经具备了将AI对话从不可预测的交流转变为可靠、高效的协作的充分准备。
反思性问题:这些协议如何改变您与AI的交互,以及您对一般有效沟通的理解?
"好对话和伟大对话之间的区别不是运气——而是架构。"
附录:快速参考
协议基本结构
/protocol.name{
intent="清晰的目的陈述",
input={...},
process=[...],
output={...}
}常见处理动作
/analyze:系统地检查信息/synthesize:将元素组合成连贯的整体/evaluate:根据标准评估/prioritize:确定相对重要性/structure:逻辑地组织信息/verify:确认准确性或有效性/explore:调查可能性/refine:通过迭代改进
场域动力学快速设置
field_dynamics={
attractors: ["焦点", "清晰度"],
boundaries: {
firm: ["偏离主题", "模糊性"],
permeable: ["相关示例", "有用的类比"]
},
resonance: ["理解", "洞察"],
residue: {
target: "可操作的知识",
persistence: "中等"
}
}协议选择指南
| 需求 | 推荐协议 |
|---|---|
| 提取特定信息 | /extract.information |
| 探索多个视角 | /debate.structured |
| 通过反馈改进工作 | /feedback.progressive |
| 做出复杂决策 | /decision.analyze |
| 建立共同理解 | /align.mutual |
| 清楚地定义问题 | /problem.define |
| 构建学习体验 | /learning.facilitate |
| 探索可能的未来 | /scenario.plan |