当我们需要大语言模型执行复杂任务时，往往需要为其提供大量上下文。设计新功能需要描述该功能在用户端的呈现方式、实现指南、需对接的外部系统信息等，这些内容可能长达数页Markdown文档。最直接的方式是由人类撰写这些上下文，但另一种方案是让大语言模型通过访谈人类来生成这些内容。

具体做法是：提示大语言模型对我进行提问。它会提出所有必要问题来构建合适的上下文。我可以提供它所需的大部分信息，并告知它需要查阅的其他来源（若无法自行获取）。完成后，它就能为后续会话（可能由其他模型执行）生成上下文报告。

我最初在Harper Reed的博客中看到对这种方法的精彩描述。其方法中一个显著特点是坚持让大语言模型每次只问一个问题（我尝试时发现需要频繁提醒它这一点）。

另一种使用询问式大语言模型的方式是：向其提供一份文档（如软件规格说明书），该文档包含某个领域的知识——然后让大语言模型访谈人类专家，以判断文档是否准确。这替代了让人类专家通读文档进行审核的方式。人们通常觉得审核工作困难，因此与大语言模型的对话可能更富成效，尤其在文档质量不佳的情况下。

自然我们可以结合使用这两种方式：先让一个询问式大语言模型构建文档，再让其他询问式大语言模型与不同专家协作审核。

上述方法旨在让大语言模型为特定用途创建或评估上下文。但该技术具有更广泛的适用性。我已成为一名自然写作者——将写作过程视为思考的核心环节。要真正理解某件事，我必须将其写下来。但人与人各不相同。许多人觉得写作困难，甚至极其困难。当我们需要将某人脑中的信息转化为他人可消费的形式时，这便成了棘手问题。或许这类人会发现，让大语言模型访谈自己比亲自撰写文档更容易。诚然，结果会带有令像我这样的人不寒而栗的AI写作痕迹——但这总比因仓促写作或根本不写而丢失信息要好。