việc sử dụng định dạng json hoặc xml để yêu cầu tăng gấp 10 lần đầu ra của LLM tại sao bởi vì các định dạng có cấu trúc cung cấp cho mô hình ranh giới và kỳ vọng rõ ràng khi bạn yêu cầu văn bản không có cấu trúc, LLM phải đoán: nó nên dài bao nhiêu? những phần nào tôi cần? khi nào tôi hoàn thành? mức độ chi tiết nào? nhưng với JSON/XML, bạn thực sự đang cung cấp một mẫu: json{ "tóm tắt": "", "điểm chính": [], "phân tích": "", "khuyến nghị": [] } bây giờ mô hình biết chính xác những gì cần điền và đại khái mỗi phần cần bao nhiêu nội dung đó giống như sự khác biệt giữa "viết một cái gì đó về ô tô" so với "điền vào mẫu đánh giá ô tô này với 12 trường cụ thể" cấu trúc loại bỏ sự bối rối trong quyết định và cho phép mô hình được toàn diện hơn nữa, JSON/XML tự nhiên khuyến khích mô hình suy nghĩ theo các khối có tổ chức thay vì chỉ phát trực tiếp văn bản cho đến khi nó cảm thấy "hoàn thành" [đây là mẹo meta] đừng cố gắng viết các yêu cầu có cấu trúc từ đầu thay vào đó: 1. ghi âm giọng nói mọi thứ bạn muốn phân tích/nghiên cứu/viết về 2. dán bản sao lộn xộn đó vào AI 3. yêu cầu nó "tạo một cấu trúc yêu cầu JSON dựa trên bản ghi âm này để có được đầu ra tốt nhất có thể" 4. lấy mẫu JSON được tạo ra đó 5. gửi lại như là yêu cầu thực tế của bạn bạn nhận được tất cả lợi ích của việc yêu cầu có cấu trúc mà không cần phải suy nghĩ về cấu trúc đó AI biết những trường nào sẽ hữu ích hơn cả bạn biến dòng suy nghĩ của bạn thành một yêu cầu chuyên nghiệp trong 30 giây hãy thử nó - yêu cầu phân tích tương tự dưới dạng đoạn văn so với định dạng có cấu trúc phiên bản có cấu trúc sẽ dài hơn 3-5 lần và chi tiết hơn rất nhiều mỗi lần