如何寫prompt？－推理模型與GPT模型

在為兒子、女兒上課時，分享了推理模型（reasoning-models）與GPT模型（gpt-models）的差異。

OpenAI提供兩種模型：推理模型（如o1和o3-mini）、GPT模型（如GPT-4o）。

推理模型就好像一位非常聰明且能自行規劃、有自己想法的夥伴（planners）。GPT模型則是一位非常聰明但需要我們提供明確指令的執行者（workhorses）。

這兩類模型各有其適用性，而且與不同模型協作時，方法會有所不同。

推理模型善於執行模糊任務、解決複雜問題，適合複雜問題拆解、邏輯分析、數學推導、程式碼生成等。

GPT模型善於執行定義和執行步驟明確的任務，適合文本生成、創意寫作、多輪對話、開放性問答等。

在與不同模型進行協作時，給予的提示語（prompt）也會有所不同。

推理模型的提示語通常更為簡潔，重點在於提出明確的任務目標和需求。不需要詳細的逐步指導，過度拆解反而可能限制了模型本身。

GPT模型的提示語則需要提出引導推理步驟。借助提示語彌補其在邏輯推理上的短板，通過提出分析思考步驟和範例來引導模型思路。

針對不同任務，選擇不同模型，並設計相對應的提示語，才能充分發揮模型的優勢。

由於女兒參加辯論社，會用AI協助辯論的準備。我便以「電車難題」為例，說明如何與推理模型和GPT模型進行協作。

過程中，我展示利用相同的問題「你認同電車難題中的功利主義或是道德主義？」，並觀看o1（推理模型）和4o（GPT 模型）哪一種模型生成的效果較好？

很明顯地，面對這種開放式的問題，o1的表現好很多。

接著我再將prompt修改成「請先解釋電車難題的定義，再列出並比較功利主義或是道德主義兩種倫理觀的差異，最後請提出你認同電車難題中的功利主義或是道德主義？」

看了生成結果後可發現，這種將「思維鏈」（Chain-of-Throught，CoT）的概念融入到prompt中，能大幅提升GPT模型的輸出品質。

最後，當所面對的問題複雜且抽象時，不容易根據背後的思維鏈寫出prompt，這時，只要提出任務目標和需求，推理模型將能給我們很大的驚喜。

例如，「我需要對電車難題進行辯論，假設我是支持功利主義的一方，請盡可能提出我方的論點腳本類型，內容必須將支持道德主義一方的論點與回應也予以涵蓋。此外，另行假設對方能夠預判我方的論點並事先做好防範。因此請另外提供對方預判的可能論點方案，並根據這些預判方案，分別提出所對應的方案。」（結果o1給出了4種預判方案，以及各預判方案下各3種共12種的解決方案。女兒看了直呼太厲害了XD）

各位夥伴們，有空不妨試一下不同公司推出的推理模型與GPT模型，讓自己與AI的協作能力更強。

作者：羅凱揚（台科大企管系博士）、鍾皓軒（臺灣行銷研究有限公司創辦人）

PS：OpenAI兩種模型文章請參考：https://platform.openai.com/docs/guides/reasoning-best-practices#reasoning-models-vs-gpt-models