图片由Dall.E生成

目前的生成式AI都是通过预测给定上下文中的下一个单词或短语来生成类似人类的文本或图像等内容。不管你用谁家的LLM，清晰的上下文对于内容的生成都至关重要。

从本质上讲，Prompt Chain提示链接是一种有价值的技术，可以增强各类LLM大语言模型的功能，使其能够维护上下文并生成更准确、更连贯的响应。通过在输入提示中合并以前的交互，可以创建一个交互式环境，在该环境中，模型可以继续对话，同时引用早期消息中提供的上下文。这不仅增强了用户体验，还减少了模棱两可或不相关的响应的机会。结合XML标签技术，可以不断迭代你的提示词，这不仅对于页面提问极具价值，对于API开发的朋友也很有意义。看下面的示例：

XML Prompt Chain

XML提示链：根据迭代的内容逐渐升级

<prompts>

<prompt>您能推荐一些关于机器学习的书籍吗?</prompt>

<assistant_response>我可以推荐以下几本适合入门的机器学习书籍: 1. "机器学习导论"(An Introduction to Machine Learning)by Ethem Alpaydin 2. "机器学习"(Machine Learning)by Tom M. Mitchell 3. "模式识别和机器学习"(Pattern Recognition and Machine Learning)by Christopher Bishop 这些书籍都很经典,阐述了机器学习的基本概念和算法,适合初学者学习。</assistant_response>

<prompt>您认为哪一个最适合初学者?</prompt>

<assistant_response>如果您是真正的初学者,我会推荐"机器学习导论"这本书。这本书阅读起来比较通俗易懂,对基本概念和数学推导的解释也比较浅显。"机器学习"和"模式识别与机器学习"则会稍微难懂一些,需要读者具备一定的数学基础。无论选择哪一本,都建议先打好基础,多动手编程实践。</assistant_response>

</prompts>

XML 标签是构建提示和指导 Claude 响应的强大工具。此次Claude升级之后，Claude指出特别熟悉带有 XML 标记的提示，因为 Claude 在训练期间接触到过此类提示。通过将提示的关键部分（例如说明、示例或输入数据）包装在 XML 标记中，可以帮助LLM更好地理解上下文并生成更准确的输出。此技术在处理复杂提示或变量输入时特别有用。

XML 标记是尖括号标记，如 <tag></tag>。它们成对出现，由一个开始标记（如<tag> 和一个由 / 标记的结束标记（如 </tag>）组成。XML 标记用于环绕内容，如下所示：<tag>content</tag>。

打开和关闭 XML 标记应具有完全相同的名称。标签名称可以是你喜欢的任何名称，只要它用尖括号括起来即可，但我们建议你为标签命名与它所包装的内容上下文相关的名称。

您可能希望将 XML 标记合并到提示中的原因有以下几种：

1. 提高准确性：XML标记可帮助LLM区分提示的不同部分，例如说明、示例和输入数据。这可以更精确地解析您的提示，从而获得更相关和准确的响应，尤其是在数学或代码生成等领域。

2. 更清晰的结构：正如标题和部分使文档更容易理解一样，XML 标签可帮助LLM了解提示中的层次结构和关系。

3. 更轻松的后期处理：您还可以要求LLM在其响应中使用 XML 标记，从而更轻松地以编程方式提取关键信息。

要充分利用 XML 标记，请记住以下实践：

• 使用反映其包含的内容的描述性标签名称（例如，<说明>、<示例>、<输入>）。

• 在整个提示中标签名称保持一致。

• 始终包括开始 （<tag>） 和结束 （</tag>）标记，包括引用它们时，例如在 <doc></doc> 标签中使用文档，回答此问题。

• 您可以而且应该嵌套 XML标记，尽管超过五层嵌套可能会降低性能，具体取决于用例的复杂性。

您也可以参看以下文章都有关于XML的具体应用和介绍

Claude 3的提示库（Prompt library）这样用

1.

<结>