在文章别总是向ChatGPT发问，试试让它向咱们发问中，咱们评论了怎么引导ChatGPT以发问的方式与咱们互动。本文将这一思路运用于根因剖析，选用了先进的GPT-4模型。输入本文规划的提示后，ChatGPT会首要明晰问题，然后运用5 Whys办法追溯至根本原因，并为之供给相应的处理方案。

依据用户在根因剖析上的才干水平，ChatGPT可以供给对应的帮忙：

  1. 初学者：ChatGPT可以充任教练，指导用户完成整个剖析流程，协助他们全面把握问题。
  2. 熟练者：ChatGPT可以充任助手，提出更多有价值的问题，更深层次的发掘根本原因。
  3. 精通者：ChatGPT可供给开始剖析成果，让用户在此基础上持续优化剖析办法和进步效率。

这篇文章建立在一个前提上：ChatGPT不只能给出优质答案，还能提出有价值的问题。若此前提成立，则运用ChatGPT进行根因剖析将为咱们带来更多的考虑和价值。

什么是根因剖析？

根因剖析（Root Cause Analysis, RCA）是一种结构化的问题处理办法，旨在深化发掘问题的根本原因并加以处理，而非仅关注问题的表面现象。它总结了一系列办法论，这些办法论之间的首要区别在于寻觅根本原因的技巧。

根因剖析的首要办法有以下几种，它们分别具有不同的运用场景和优点：

  1. 5 Whys 办法：是一种经过反复问“为什么”来逐渐深化问题根本原因的办法。这个办法简略易用，适用于快速定位问题的根本原因，尤其在问题相对简略和直接的情况下效果更佳。

  2. 鱼骨图 (Ishikawa Diagram)：也被称为因果图，是一种经过脑筋风暴从人员、机器、原料、办法、环境和测量（6M）这六个方面剖析根本原因的办法。鱼骨图有助于跨部门的合作与沟通，经过整理各个方面的要素，有助于全面深化地剖析问题。

  3. 失效形式与影响剖析（FMEA）：这是一种体系性的办法，用于评估潜在失效形式及其对体系性能的影响。FMEA经过评估失效的严重性、产生概率和检测才干，来承认失效形式的优先级。FMEA广泛运用于产品规划、制程改善和可靠性工程范畴，有助于下降危险和进步产品质量。

  4. 毛病树剖析（FTA）：这是一种体系性的办法，用于剖析复杂体系中潜在的毛病原因。FTA经过构建毛病树来表示毛病的逻辑关系，并辨认出或许导致体系失效的要害事情。FTA首要运用于安全要害范畴，如核工业、航空、化工等职业，经过辨认和办理要害危险要素，进步体系的安全性能。

本文运用5 Whys办法来规划ChatGPT的提示。

为什么要进行根因剖析？

辨认问题的根本原因

根因剖析可以协助咱们发现问题的根本原因，找到持久的处理方案，以防止问题的再次产生并减少糟蹋。例如，在处理内存溢出问题时，不能仅靠添加内存来处理，有必要找到内存增加的根本原因，才干彻底处理问题。

承认正确的因果关系

根因剖析有助于咱们找到真正的因果关系。例如，一个孩子在玩积木时遇到困难，突然说“我不玩了”，并将积木扔在一边。假如不进行根因剖析，咱们或许会简略地以为孩子不喜欢这个积木。但经过根因剖析，咱们发现孩子其实是因为得不到协助而放弃了。

促进有效决议计划

根因剖析可以协助咱们进行更好的决议计划。例如，假如咱们想让客户选用持续布置，首要要处理一个问题：“我无法说服客户选用持续布置”。在没有进行根因剖析的情况下，咱们或许会一厢情愿地从自己的角度来说服客户。经过根因剖析，咱们可以了解客户是否合适持续布置，以及持续布置能为客户带来哪些优点，然后决定采纳哪种战略来说服客户。

怎么进行根因剖析？

根因剖析一般包含以下进程

  1. 定义问题：明晰要处理的问题，保证问题的描述明晰、准确。
  2. 搜集数据：搜集与问题相关的一切信息，包含事情产生的时刻、地址、人员、进程等。
  3. 剖析问题：运用根因剖析办法，深化发掘问题的根本原因。这或许涉及多个原因，需求区分主次、关联性。
  4. 承认处理方案：基于剖析成果，制定针对性的处理方案，保证处理方案可以消除问题的根本原因。
  5. 施行改善：履行处理方案，监控改善效果，并依据需求进行调整。

根因剖析有哪些挑战？

  1. 辨认根本原因：根本原因没有统一的判别规范，很大程度上依赖参与人员的经历和主观判别。例如，对于发烧，普通人以为根本原因或许是感冒，医生则以为根本原因或许是细菌感染，甲流，新冠等。
  2. 辨认正确的因果关系：因果关系或许出现错误，需求进行反向验证以承认正确的因果关系。例如：“为什么你在结婚纪念日没送老婆礼物？因为她没有要礼物”。进行反向验证后这个因果关系或许是不成立的，“因为你老婆没有要礼物，所以你不用在结婚纪念日送礼物”。假如按照这个因果关系剖析下去，处理方案或许是“老婆要记得向老公要礼物”，这或许会引发一个悲惨剧。
  3. 聚集于流程和才干，而不是人：当存在人为错误时，简单将问题指向追究责任，而不是聚集在处理问题上，导致根因剖析的效果受到影响。例如：“配置修改错误导致线上事故”，咱们应该聚集于怎么经过修改流程，进步人员才干等来防止问题再次产生，而不是追求责任，要求咱们修改配置时加倍仔细检查。

为什么要用ChatGPT进行根因剖析？

  1. 便于辨认根本原因：相较于普通根因剖析，它既可以在安排咱们评论之前快速的进行屡次预演，运用Self-Consistency技巧不断加深对问题的了解，辨认更深层次的原因。也可以在评论之后对评论成果进行屡次复盘模拟，验证因果关系，发现新的根本原因。
  2. 便于验证因果关系：它可以在剖析完成后帮咱们整理逻辑树，便于咱们对因果关系进行验证。
  3. 便于将剖析进程聚集在流程和才干：咱们可以随时对它的发问进行约束，以控制其发问的方向。

怎么运用ChatGPT进行根因剖析？

人物

这儿运用了Role Prompting来让ChatGPT作为一个根因剖析专家进行考虑。

As aroot cause analysisexpert, your task is to follow the following activity diagram to help me define the problem, collect data, find the root cause, and suggest actions.

指令

这儿运用Instruction Prompting定义了ChatGPT和用户的交互流程。为了简练，咱们运用的是 PlantUML，它是可以被ChatGPT了解的。

超越表象，深入核心：让ChatGPT帮你进行深度思考

可以看到，在流程图中咱们屡次运用了下面的循环，以便让ChatGPT主动进行发问，这样咱们就不需求主动问“你还有更多问题吗？”。

超越表象，深入核心：让ChatGPT帮你进行深度思考

示例

为了让ChatGPT更好的了解上述指令，咱们运用Few Shot Prompting和Chain of Thought Prompting为ChatGPT供给了一个和用户进行交互的示例。

超越表象，深入核心：让ChatGPT帮你进行深度思考

点击链接检查完整示例

多语言

为了支持多种语言，咱们让ChatGPT在检测到非英文时，用对应的语言与用户进行交互。

If you identify that the problem is composed in a non-English language, kindly utilize the same language for our subsequent communication.

承认

为了承认ChatGPT了解了指令，咱们可以让它输出它所了解的交互流程。

If you understand and agree with the above instructions, describe your understanding step by step, then I will provide a problem for you to analyze.

完整提示

超越表象，深入核心：让ChatGPT帮你进行深度思考

点击链接检查完整提示

GPT-3.5

GPT-3.5无法彻底按照咱们的指令和示例进行根因剖析。它难以持续诘问和承认剖析成果。咱们可以将根因剖析分解为两个独立的部分: 问题定义和根因剖析。在问题定义清楚后，再用优化后的问题进行根因剖析。我现已为这两个使命在Poe上创建了机器人ProblemDefiner和5WhysQuestioner

超越表象，深入核心：让ChatGPT帮你进行深度思考

超越表象，深入核心：让ChatGPT帮你进行深度思考

例子

误删代码

咱们要剖析的问题是：咱们在处理抵触时误删了一行要害代码。

这是ChatGPT在英文语境下对整个剖析进程的总结，详细信息请检查处理误删代码问题的英文对话记载

超越表象，深入核心：让ChatGPT帮你进行深度思考

这是ChatGPT在中文语境下对整个剖析进程的总结，详细信息请检查处理误删代码问题的中文对话记载。

超越表象，深入核心：让ChatGPT帮你进行深度思考

无法运用Trunk-Based Development

咱们要剖析的问题是：咱们的分支办理战略无法从GitHub Flow切换到Trunk-Based Development。

这是ChatGPT在英文语境下对整个剖析进程的总结，详细信息请检查处理无法运用Trunk-Based Development问题的英文对话记载

超越表象，深入核心：让ChatGPT帮你进行深度思考

这是ChatGPT在中文语境下对整个剖析进程的总结，详细信息请检查处理无法运用Trunk-Based Development问题的中文对话记载。

超越表象，深入核心：让ChatGPT帮你进行深度思考

总结

ChatGPT的发问有时缺少深度。虽然ChatGPT可以屡次问出“为什么？”，但完毕条件彻底依赖于ChatGPT自己对根本原因的了解。有的时分它可以问出更深层次的问题，例如在误删代码的问题中问出“为什么没有自动化测验？”，有的时分则无法问出深层次的问题，例如没有持续诘问“为什么Pull Request的代码改动量很大？”。针对这个问题咱们既可以在ChatGPT等候咱们承认时给予反应，也可以就同一个问题进行屡次剖析，归纳考虑ChatGPT的发问。

英文语境比中文语境更有或许发现深层次的问题，一个可调查的指标就是ChatGPT发问的次数会增多。

ChatGPT的逻辑性更强，但发散度不行，这就需求咱们在答复问题时供给尽或许多的信息，以便ChatGPT可以提出更多的问题，然后引发咱们更深层次的考虑。

整体来说ChatGPT在协助咱们进行深度考虑和剖析方面是可以发挥很大效果的，咱们需求在提升答复质量，优化交互流程，优化根本原因辨认准则等方面做更多的测验，以便ChatGPT可以安稳的提出更有深度的问题。