10｜LLM辅助建模（二）：构造思维链
徐昊
你好，我是徐昊，今天我们来继续学习 AI 时代的软件工程。
在上一节课，我们介绍了如何构建反馈循环，并使用大语言模型（Large Language Model，LLM）反馈模型的缺失，然后再使用 LLM 进行模型展开，完成对模型的验证。构造有效的反馈循环，并使用 LLM 对其加速，这是一种利用 LLM 加速知识学习的通用模式。
然而在实际的应用的过程中，很少会出现不提供业务上下文，仅仅通过 LLM 反馈辅助建模这样的情况，而且这样的做法实际效率也不高。今天，我们来讨论一下使用 LLM 辅助建模的其他方法。
通过概念字典辅助建模
我们知道在建模的过程中，最重要的就是发掘系统中的存在的概念，并建立概念与概念之间的关联。那么在实际建模的过程中，对于概念的提炼就是重中之重了。
通常在建模的过程中，我们会维护一个概念字典（Glossary），其中包含对于系统非常重要的业务概念，以及对于这些概念的基本解释。举个例子，在上节课中，当我们收到 LLM 给出的反馈后，我们对于建模任务给出了这样的调整：
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 使用LLM辅助建模的通用模式是构造有效的反馈循环，并使用LLM对其加速，但在实际应用中，很少会出现不提供业务上下文，仅仅通过LLM反馈辅助建模的情况。 2. 通过维护一个概念字典可以加速整个建模反馈的过程，而构建概念字典并不完全依靠LLM的反馈，可以通过对领域或业务的理解、用户访谈等方式发现其中涉及的一些概念，以及这些概念之间的关联。 3. 使用LLM辅助提取业务概念，可以通过设计任务模板，让LLM理解业务的上下文，并从中提取业务概念，然后将概念字典与任务模板结合，完成建模。 4. 通过构造思维链提高效率是一个很自然的选择，而针对建模而言，就是把建模方法转化为思维链，以提高模型的质量。 5. 举例说明了如何使用四色法对系统进行建模，通过让GPT使用四色建模法得到的概念字典，可以明确标记建模的类型，从而提高建模质量。 6. 寻找到合适的中间产物，利用知识生成让LLM辅助提取核心概念，不同的建模方法在整体思路上并没有太大不同。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《徐昊 · AI 时代的软件工程》，新⼈⾸单¥98
《徐昊 · AI 时代的软件工程》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论