India Database

用户可能会引用直接引述或转述客户反馈。为了确保 llm 正确解释此信息并避免偏见和误解，您必须明确将其标记为客户反馈或直接引述。

此外，指导模型使用什么代词。但是，如果您不确定，请告诉模型使用普通名词“客户”，而不是让模型使用包容性代词“他们”。在商业环境中，当您引用个人的直接引述时，您不想冒险暗示做出了集体决定或将采取集体行动。

6. 个人笔记
用户可能会添加个人笔记来补充案例或会议摘要，以提供更多背景信息。但是，这种笔记是一种非结构化数据，可能包含歧义或细微差别。明确指示模型从给定数据中提取特定信息将有助于确保 llm 正确处理它并生成相关输出。

7. 格式、结构和词汇选择上的区域差异
地区差异或个人偏好会影响用户格式化或构建日期、货币金额甚至地址的 贷款数据 方式。考虑多种格式有助于 llm 提供准确且符合语境的输出。

日期格式示例：
2024 年 4 月 10 日
2024 年 4 月 10 日
4.10.24
10.04.24

货币格式示例：
$245,000.00
€245.000,00

参与对话
我们对语言的态度各不相同，这会影响我们交流和向系统输入数据的方式。在人工智能重塑世界的历史时刻，让我们从语言和对话在现实生活中的使用角度来看待语言和对话设计。让我们向用户保证，我们了解人类交流方式的多样性。