及时充实

即时充实如何运作

这一过程通常包括分析原始提示，并利用额外的信息源或预定义规则对其进行扩充。这可能包括访问用户历史记录、从知识库中检索相关文档、结合对话上下文或应用特定格式化指令。例如，"告诉我Ultralytics YOLO 的情况 "这样一个模糊的提示可以通过上下文来丰富，指明用户感兴趣的是最新版本（YOLOv11）或与其他模型（如YOLOv8）相比的性能。 YOLOv8.在这种情况下，系统会获取相关数据片段并将其添加到提示的上下文窗口中。

应用与实例

在各种人工智能驱动的任务中，都能发现即时丰富功能的应用：

1. 客户支持聊天机器人：像 "我的订单还没到 "这样的用户询问可以通过从数据库中检索到的用户最近的订单 ID、送货地址和预计交货日期自动充实。这样，聊天机器人就能立即提供具体而有用的更新信息，而不是询问一些不明确的问题。这与虚拟助理的操作方式类似，都是利用上下文数据。
2. 内容创建工具：用户可能会要求 "撰写一封宣布新产品的电子邮件"。系统可以根据预定义的活动目标或模板，添加有关公司品牌声音（如正式、休闲）、目标受众（如现有客户、潜在客户）、要突出的主要产品功能以及行动号召等详细信息，从而丰富这一提示。这样就能生成更有针对性的文本。

提示丰富与相关概念

重要的是要将及时充实与类似术语区分开来：

• 提示工程：这是手动设计和制作有效提示的更广泛实践。提示丰富化通常是在更大的提示工程策略中使用的一种自动化技术。
• 提示调整：这包括在模型微调过程中学习 "软提示 "或修改输入嵌入，而不是改变文本提示本身。这是参数效率微调（PEFT）的一种形式。
• 检索增强生成（RAG）：RAG 是一种常用于丰富提示信息的特定方法，侧重于检索外部信息以增强提示信息的语境，尤其适用于需要最新知识或特定领域知识的任务，一些先进的人工智能研究对此进行了探索。

虽然这一概念在标准物体检测等传统计算机视觉任务中并不常见，但却与YOLOE 等较新的可提示视觉模型息息相关，这些模型使用文本或图像提示，有可能从上下文丰富化中获益，从而提高零拍摄性能。Ultralytics HUB等平台有可能采用此类技术，在定义复杂的视觉任务时简化用户交互。