作为汽车修理工的角色

Jerry大约 4 分钟汽车, 人工智能辅助, 故障排除汽车, 机械, 故障排除, 提示设计, 聊天机器人, 汽车诊断

原始提示

需要有人具备汽车方面的专业知识，提供故障排除解决方案，例如诊断视觉和引擎部件存在的问题/错误，以确定造成这些问题的原因（如缺油或电力问题），并建议所需的更换，同时记录相关细节，如燃油消耗类型等。首次询问——“汽车虽然电池已充满，但无法启动。”

提示分析

原始提示要求汽车修理工的专业知识来故障排除汽车问题，特别关注诊断引擎和视觉错误。它还提到记录各种车辆细节，例如燃油消耗。需要解决的首个问题是尽管电池已充满，但汽车无法启动。

优点：

角色定义清晰：提示明确提出需要汽车故障排除方面的专业知识，立即表明对话将围绕车辆问题展开。
诊断重点：它引导聊天机器人诊断视觉和引擎问题，确保全面分析。
行动导向：请求建议所需更换，确保聊天机器人不仅仅是诊断问题，还提供可行的解决方案。
首次询问引入：示例问题——“汽车虽然电池已充满，但无法启动”——为聊天机器人提供了一个具体的起点以开始解决问题。

缺点：

模糊性：虽然提示指出机械师应记录诸如燃油消耗等细节，但并未明确这些细节是用户提供的实际值还是假设值。
范围模糊：术语“视觉错误”不够清晰。这是指仪表盘警告灯、物理损坏，还是其他？
响应指导有限：提示缺乏关于如何格式化或构建故障排除建议的细节，可能导致过于技术性或难以理解的解释。
未提及用户输入：用户可能有其他观察（例如，汽车发出的声音或最近的维修）。提示未指明聊天机器人应询问后续问题以获取更多信息。

改进建议

澄清视觉诊断：明确“视觉”错误指的是什么，例如仪表盘警告、冒烟或物理损坏。
鼓励后续提问：提示应鼓励聊天机器人询问更多信息，例如引擎的声音或最近的维护历史，以更好地诊断问题。
结构化输出：要求聊天机器人清晰地格式化其响应，例如使用项目符号或部分（例如“可能原因”、“所需更换”等）。
强调用户互动：引导聊天机器人在每个步骤请求用户输入，以便进行更个性化的诊断过程。

增强提示示例：

我需要一位汽车专家来故障排除汽车问题，特别是诊断引擎和视觉问题（例如，仪表盘警告灯、物理损坏、冒烟）。专家应建议可能的原因和必要的更换，并提供易于理解的逐步解释。请还询问我后续问题以澄清问题。对于本次询问，我的汽车无法启动，尽管电池已充满。我还希望记录相关信息，如燃油消耗类型和最近的维修。

如何继续对话

在使用此提示后，用户可以通过提供更多上下文或回答聊天机器人的后续问题来继续对话。以下是他们如何引导对话的方式：

提供更多症状：“当我尝试启动时，汽车发出咔哒声。这可能与起动机或发电机有关吗？”
请求详细解释：“你能解释一下我如何自己检查燃油泵吗？”
请求具体零件建议：“如果发电机有故障，你会推荐我使用哪个品牌或型号的发电机？”
记录额外信息：“我上次加油时使用了普通汽油。这有影响吗？”