Compact And Refine

这是在没有明确定义响应合成器时的默认设置。

在每次调用大型语言模型（LLM）时，通过填充尽可能多的文本块来压缩提示，确保提示大小不超过最大限制。如果一个提示中需要填充的文本块过多，可以通过多次压缩提示来“创建和优化”答案。

优点：与Refine相同，适合获取更详细的答案，且应减少大型语言模型（LLM）的调用次数

缺点：由于多次调用大型语言模型（LLM），成本可能较高

优化提示

原始查询如下：{query}
我们已提供了一个现有答案：{existingAnswer}
我们有机会（仅在需要时）根据下面的更多上下文来完善现有的答案。
------------
{context}
------------
根据新的上下文，优化原始答案以更好地回答查询。如果上下文无益，则返回原始答案。
精炼回答：

文本问答提示

上下文信息如下。
---------------------
{context}
---------------------
根据上下文信息而非先验知识，回答查询。
查询：{query}
答案：