最近我发现了一个有趣的 AI 工具,这是一个名为 TeamSmart AI 的 Chrome 插件,它的核心理念是让 AI 扮演团队中的不同角色提供不同类型的建议。
目前想使用这个插件是免费的,只需要提供自己的 OpenAI API Key 就可以使用。免费版最多选 5 个角色。
这个插件的核心在于预设这些角色的 Prompt,插件本身提供了一系列真实的职位,比如软件工程师、前端开发者、SVG 设计师、职业作家、财务专家等等。利用这些职位可以组合成
在了解这个插件的概念之后,就会发现其实完全可以不用这个插件,改用一些公开服务就能做到高度定制化的 AI Team,这样就不再需要提供自己的 API Key 了。
基于 Poe 组织一个 AI 团队
我建议改用 Poe 来实现,它目前的设计思路是最接近的。
Poe 的注册很简单,通过手机、邮箱、Google 或 Apple 账号都可以进行注册。至少远比注册 ChatGPT 账号简单。
Poe 现在支持创建自己的机器人,允许基于两种 AI:ChatGPT 和 Claude-instant 作为基础进行自定义创建。
只要为每个角色赋予相应的预设 Prompt,就可以达到与 TeamSmart AI 相同的效果。
如何完善 AI 角色?
比如我想组一个 3 人团队来协助我的工作,包括「产品经理」「开发工程师 Ricky」「运维工程师」。
我分别写了这几个职位的 Prompt。并且根据我的个人开发习惯进行了相应的优化。
在这种使用模式下,你可以把团队成员信息介绍补充在前提描述中,更仿真地模拟你的团队。
如何获取 Prompt?
目前我给角色分配的 Prompt 是自己写的,以下是后端开发工程师的设置——
Prompt visible from bot profile(预设 Prompt)
我需要你扮演 Bacardi Ride。你在团队中的角色是「高级后端开发工程师」。
背景知识:你正在一家中国公司:XXXXX 就职,XXXXX 是一个专注于电子产品使用技巧介绍的中文科技媒体。
开发背景:公司使用的主要后端技术栈是 Python 和 Django。作为补充,前端使用的是 Vue 3、JavaScript、HTML、Axios、Vuex 等,部署于 Ubuntu 服务器。
工作职责:你需要根据我的提问,向我提供与本公司后端开发有关的代码编写、代码优化、相关知识。
更多要求:
1. 在每次回复前加上 [后端开发] 对我进行回复。
2. 需要主动收集互联网上的相关内容,比如参考 Github、StackOverflow 等相关网站,尽可能让内容准确。
3. 如果你有尚不清楚的信息,请向我提出「需要了解更多信息」后进行撰写,力求内容准确无误。减少杜撰的内容。
Intro Message(首次回复信息)
[后端开发] 我是 Bacardi Ride,负责后端开发,有什么要做的吗?
除了自己编写,也有一些现成的方法,可以获得这些角色 Prompt:
- 让 ChatGPT 帮你写。
- 在 Prompt 社区和仓库中找到现成的。
还有这样一个项目: ChatGPT 中文调教指南 – GitHub 可以找到更多中文 Prompt。
Poe 中默认的几个角色
Poe 中默认提供了几个角色,熟悉它们的用途也很有帮助。比如 Sage 本身就擅长代码,也许你可以节省一个负责代码的角色位置。
- Sage 擅长英语以外的语言,也擅长与编程有关的工作。由 gpt-3.5-turbo 驱动。
- ChatGPT:Poe 使用的是 Turbo-3.5 接口。而且会很大程度上依赖你给它的角色设定,对中文支持也更好,所以建议自己建的机器人以 ChatGPT 为基底。
- Claude-instant:擅长创意写作,倾向于给出更长、更深入的答案。与以前的 Claude 相比,Claude-instant 的速度更快,而且在非英语语言方面明显更好。如果是文案方面的工作,我更推荐以 Claude 作为基础角色。
- Dragonfly:给予较短的回应,在输入中给出例子时,擅长遵循指示。由 text-davinci-003 提供。
还有一个小细节是 Poe 不允许机器人重名,所以我给它们分配几个不同头像和名字,让它们与其他 AI 有所区别。
如果你直接叫取名 BackendDeveloper 就会提示重名无法创建,所以我取了一个首字母 B,叫 BacardiRide,看起来更像一个人名。
这和直接使用 ChatGPT 有什么不同?
你可能会有一个疑问:「这和直接使用 ChatGPT 有什么不同?」
在使用 ChatGPT 的这段时间里,我感受最深的点在于它就像一个「能力很强但初入职场」的职场新人。很多时候需要手把手去教它一些规则,它才能越做越好。
基于这一点,我认为好处是很多的。
便于改进预设 Prompt
在正常使用 ChatGPT 时,我通常采取的提问模式是「出错就立即指正,让它以后不要再犯」。这样的弊端是每一次开启新对话,它就失去了上下文,就意味着你要从头教起。之前教过的内容,它还是会不断地犯错。
而在使用 Poe 时,使用模式就变成了「遇到问题,修改它的前提条件,让它更完善」,并且让它时刻谨记自己的上下文,比如在每次对话重新开始时,都模拟相同的职位,从而为你解决更实际的问题。
这一做法可以说是核心功能,有助于我们把已经总结出来的经验一次性提交给 AI。而不是每次都从头教起,让 AI 有更多的上下文可以参考。
便于加入更多真实要求
在编写预设 Prompt 时,我会加入一些预设的代码习惯,比如习惯的变量命名方式、当前使用的技术栈、不希望使用的代码等等。
总之,只要是会贯穿始终的要求,越是具体的要求,越应该写入预设 Prompt。
便于保留上下文
此外,这种区分不同职位的方式,也能让每个 AI 角色各司其职,比如你可以先问后端开发要一个后端接口,然后将这个后端接口提交给负责前端的 AI 写前端接口代码。这样就可以保持各自的上下文。
小结
在本文中,我们已经初步实现了利用 Poe 让 AI 扮演团队中的不同角色,提供不同类型的建议。
在不断地使用和改进后,你就可以得到几份充分符合自己需求的预设 Prompt,让 AI 像一个真正的团队成员一样帮你解决实际工作中的问题。