🚀 提示逻辑门（PLG）：提示正在成为系统吗？

GitHub：[Prompt-Logic-Gates-PLG](https://github.com/WithSJ/Prompt-Logic-Gates-PLG) 在过去的几天里，我分享了我的研究项目提示逻辑门（PLG），并收到了很多有趣的反馈。有些人喜欢这个想法，有些人持怀疑态度，还有许多人提出了合理的问题。最常见的反应是： > "自然语言已经是抽象层了。为什么还要添加逻辑门？” 这是一个合理的问题。我的目标不是取代自然语言提示。事实上，自然语言仍然是PLG的核心。这个想法旨在探索当提示不再是一个单一的请求，而是开始成为系统时会发生什么。 问题 当我们编写提示时，我们将想法、需求、约束和期望转换为文本。对于简单的任务，这很完美。但随着提示的增长，它们通常包含：多个目标、业务规则、风格约束、上下文依赖、排除项、回退指令、工具编排。在这一点上，提示变得更加难以维护。出现矛盾。优先级变得不清晰。上下文混合在一起。提示仍然是文本，但复杂性开始类似于一个系统。 什么是PLG？ 提示逻辑门（PLG）是一个可视化提示工程实验，探索是否可以在将提示发送给AI模型之前对其进行组织。用户不是编写一个巨大的提示，而是创建提示组件并使用语义逻辑门将它们连接起来。然后AI分析该图并编译最终的结构化提示。 工作原理 AND门 当存在多个指令时，系统会根据当前上下文评估它们，并确定哪个指令更基础。优先级较高的指令首先应用。 OR门 当有多个选项可用时，系统会选择最符合上下文的选项，而不是盲目地包含所有内容。 NOT门 定义排除项和负面约束。它明确告诉系统不应该做什么，减少矛盾和歧义。 提问门 如果系统检测到信息缺失或不确定性，它会在生成最终提示之前提出后续问题。 回应常见批评 "这只是积木式编程。" 不完全是。目标不是为提示创建一种编程语言。节点仍然包含自然语言。可视化层仅有助于表达提示组件之间的关系。 "提示不是代码。" 我同意。但是一旦提示包含分支决策、可重用组件、排除项、回退行为、记忆和工具编排，它们的行为就不太像一句话，而更像一个系统。PLG正在探索这种隐藏的结构是否可以更明确地表示。 "可视化提示工程可能更难调试。" 这是一个合理的问题。可视化并不自动意味着更好。该项目的主要目标之一是测试可视化组织是否确实提高了可维护性、可重用性和提示一致性——或者只是让相同的复杂性看起来不同。 "未来是无提示AI。" 也许。但今天的AI系统仍然严重依赖指令、上下文、约束和推理框架。即使提示最终消失，组织意图、需求和上下文的基本问题可能仍然存在。 为什么我要构建这个 这个项目开始是因为我在自己的提示工作流程中遇到了问题。我希望能够更系统地组织想法、约束和指令，而不是不断地重写大型提示。PLG并不是要解决AI中的每个问题。这是一个研究实验，探索一个问题： > 提示在什么时候不再是“纯文本”，而开始表现为一个受益于结构、组织和验证的系统？ 我还不知道答案。这正是我构建原型并测试它的原因。如果这个想法被证明有用，那很好。如果没有，我仍然会学到一些关于人类如何与AI系统交互的有价值的东西。我希望能听到更多来自社区的想法、批评和反馈。