即时工程的世界在各个层面上都令人着迷，并且不乏巧妙的方法来推动像 ChatGPT 这样的代理生成特定类型的响应。思想链 (CoT)、基于指令、N-shot、Few-shot 等技术，甚至奉承/角色分配等技巧都是充满提示的库背后的灵感，旨在满足各种需求。
在本文中，我将深入研究一项技术，据我的研究表明，该技术可能很少被探索。虽然我会暂时将其标记为“新”，但我不会称其为“新颖”。考虑到即时工程创新的惊人速度以及开发新方法的便利性，这项技术完全有可能已经以某种形式存在。
该技术的本质是让ChatGPT以模拟程序的方式运行。正如我们所知，程序由一系列指令组成，这些指令通常捆绑到函数中以执行特定任务。在某些方面，该技术是基于指令和基于角色的提示技术的混合体。但与这些方法不同的是，它寻求利用可重复的静态指令框架，允许一个函数的输出通知另一个函数，并使整个交互保持在程序的边界内。这种模式应该与 ChatGPT 等代理中的提示完成机制很好地结合起来。