Remix / Blend混合與重構
混合與重構是一種透過將多個提示源或外部資訊相結合，生成全新結果的創造性提示方法。使用者可以利用這種技術，將不同來源的內容（如文字、影象或文件）進行重組，同時加入新的引數，從而引導AI生成更加符合需求，甚至是突破傳統思維的新內容。這種方法功能強大，而使用者無需瞭解背後的複雜機制即可受益。例如：
- 影象生成器：允許使用者組合不同的影象，或將影象中的特定元素作為新生成的輸入。
- 內容編輯器：提供重新生成功能，使用者可以指定“更短”或“更具對話性”等引數。
- 文件解析器：總結網站、文件或附件中的資訊，允許使用者與文字“對話”。
- 聊天記錄管理：儲存對話歷史，使用者可在新上下文中回溯先前的內容。
- 重現與再生成：使用者可以基於原始提示，或加入新資訊，重新生成響應。
混合與重構的價值
混合提示賦予人工智慧人性化的一面：就像人類為熟悉的旋律賦予新歌詞，或將看似無關的書籍建立聯絡，混合提示透過靈感和重新組合為使用者創造更多可能性。
使用者場景與體驗最佳化
- 提示前引導：提供選項，允許使用者在提示前附加參考點（如上傳文件或影象），以引導模型生成符合預期的結果。
- 結合參考點生成 ：讓使用者直接將兩種參考點進行組合，無需額外的提示指令，作為一種探索機制。
- 響應後的操作建議：在生成初始響應後，為使用者提供易於操作的示例選項（如“縮短”“更詳細”），幫助使用者快速調整和最佳化內容。
- 動態調整參考點：允許使用者增加或刪除AI正在參考的內容，便於使用者更精準地控制生成方向。
優勢
- 新穎的使用場景：混合提示模式拓展了提示方法的邊界，使傳統的開放式對話更加有趣。例如：
- 分析當天的新聞，提取一致性主題，以便提出關於時事的深度問題。
- 上傳舊版簡歷與現有LinkedIn資料，要求AI重新定義個人定位。
- 透過結合不同素材，生成跨領域或跨風格的新內容。
- 創造空間：“下一個大事物看起來會像個玩具”（Chris Dixon，2010）。混合與重構提供了實驗和探索的機會，讓使用者無需一次性完美，反而透過多次輸入逐步接近目標。
- 專業場景：提供引數和提示，幫助使用者最佳化提示的結構與結果一致性。
- 消費者場景：設計使用者友好的工具，鼓勵探索和創造，增強使用者留存和滿意度。
潛在風險 (Potential Risks)
- 新輸入帶來的風險 ：每次引入新資訊都會增加模型的處理複雜度，同時可能導致生成結果的混亂。解決方式包括：
- 提供具體的提示選項（如“更簡短”），幫助使用者理解模型的行為。
- 顯示改進後的提示示例，引導使用者學習如何最佳化輸入。
- 結果不一致性：混合不同提示源可能導致生成結果偏離預期。為避免此問題，可設計更透明的提示機制，明確使用者輸入如何影響結果。
