跳到主要内容

高级 Prompt 技巧

问题​

有哪些超越基础 CoT 的高级 Prompt 技巧？ReAct、Tree-of-Thoughts 等方法如何工作？

答案​

一、ReAct（Reasoning + Acting）​

将推理和行动交替进行——模型边想边做，根据外部工具返回的结果调整推理：

问题：2024 年奥斯卡最佳影片的导演是谁？

Thought 1: 我需要查找 2024 年奥斯卡最佳影片
Action 1: Search("2024 Oscar Best Picture")
Observation 1: 2024 年奥斯卡最佳影片是《奥本海默》
Thought 2: 现在我需要查找奥本海默的导演
Action 2: Search("Oppenheimer director")
Observation 2: Christopher Nolan
Thought 3: 我有了答案
Answer: Christopher Nolan

ReAct 是 AI Agent 的基础框架。

二、Tree-of-Thoughts（ToT）​

将推理过程组织为树状结构——在每步考虑多种可能，评估后选择最优路径：

适合需要探索和回溯的问题（如 24 点游戏、创意写作）。

三、其他高级技巧​

技巧原理适用场景
Reflection让模型自我评价并修正代码生成、写作
Decomposition将大问题拆分为子问题复杂分析
Meta-Prompting让模型设计 PromptPrompt 优化
Generated Knowledge先让模型生成相关知识，再回答知识密集型问题
Least-to-Most从简单子问题逐步解决到完整问题多步推理

四、Prompt Chaining​

将复杂任务拆分为多个 Prompt 的链式调用：

好处：每个 Prompt 专注一件事，效果更好、更易调试。

常见面试问题​

Q1: ReAct 和 CoT 的区别是什么？​

答案：

  • CoT：纯推理（Reasoning only），模型只能依靠自身知识
  • ReAct：推理 + 行动（Reasoning + Acting），模型可以调用外部工具获取信息
  • ReAct 解决了 CoT 的核心局限——知识过时和幻觉，通过工具获取实时准确信息

Q2: 什么时候用 Prompt Chaining 而不是单个 Prompt？​

答案： 当任务满足以下条件时用 Chaining：

  1. 包含多个明确的步骤
  2. 每步的输入依赖上一步的输出
  3. 单个 Prompt 太复杂导致质量下降
  4. 需要在中间步骤做质量检查

相关链接​