# 提示工程指南 [译]

- Link: https://paooo.com/ai-study/7102/
- Published: 2024-05-07T12:19:33+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 零样本、少样本、CoT、ToT 四种提示法一次讲清，适合快速建立提示工程框架。
 * ToT 通过“思维产生+思维评估”双阶段分支搜索，增强探索性、回溯能力与解题灵活性。
 * 在 24 点游戏示例中，ToT 结合 BFS 保留前五候选，可更有效筛出可验证的正确部分解。

提示工程更像是艺术而非简单的技术活，只有在你深入理解并开始恰当运用提示工程时，其
强大的威力才会显现。

阅读目录

 * [1️⃣ 零样本提示](https://paooo.com/ai-study/7102/#1%ef%b8%8f%e2%83%a3-%e9%9b%b6%e6%a0%b7%e6%9c%ac%e6%8f%90%e7%a4%ba)
 * [2️⃣ 少样本提示](https://paooo.com/ai-study/7102/#2%ef%b8%8f%e2%83%a3-%e5%b0%91%e6%a0%b7%e6%9c%ac%e6%8f%90%e7%a4%ba)
 * [3️⃣ 链式思维提示 (Chain of Thought Prompting)](https://paooo.com/ai-study/7102/#3%ef%b8%8f%e2%83%a3-%e9%93%be%e5%bc%8f%e6%80%9d%e7%bb%b4%e6%8f%90%e7%a4%ba-chain-of-thought-prompting)
    - [4️⃣ 思维树提示（ToT）](https://paooo.com/ai-study/7102/#4%ef%b8%8f%e2%83%a3-%e6%80%9d%e7%bb%b4%e6%a0%91%e6%8f%90%e7%a4%batot)

今天，我们将深入探讨各种提示技巧，并通过直观示例来加以展示：

 * **零样本 (Zero-shot) 提示**
 * **少样本 (Few-shot) 提示**
 * **思维链 (Chain of thought) 提示**
 * **思维树 (Tree of thought) 提示**

###  1️⃣ 零样本提示

零样本提示是指 AI 模型在没有事先对特定提示进行训练的情况下，仍能产生有意义的回应
或完成任务。

这是一个示例 👇

![提示工程指南 [译]](https://paooo.com/wp-content/uploads/2024/05/PromptingGuide-
zs.webp)

###  2️⃣ 少样本提示

与零样本提示不同，少样本提示是指用极少量的数据或示例来训练 AI 模型。

这种方法使得模型能够根据用户提供的少量示例迅速调整自身，从而产生相应的回答。

这里有一个例子 👇

![提示工程指南 [译]](https://paooo.com/wp-content/uploads/2024/05/PromptingGuide-
fs.webp)

###  3️⃣ 链式思维提示 (Chain of Thought Prompting)

链式思维提示是一种用户按顺序、逐步提问的方法，每一步的提示都是基于前一步的回答。

这种方式使得 AI 模型能够产生更加连贯、更符合上下文的输出，这仿佛是在模拟人类的对话
流程。

==以下是一个示例 👇==

![提示工程指南 [译]](https://paooo.com/wp-content/uploads/2024/05/PromptingGuide-
cot.webp)

####  4️⃣ 思维树提示（ToT）

思维树提示（ToT）是一种创新的思维方式，与思维链提示相似，但它采用分支路径来促进多元
思考。

在这种方式下，用户可以通过构建类似树状的提示结构，来探索对话中的不同思路和可能性。

ToT 提高了与 AI 模型互动时的灵活性、探索性及回溯能力。

简而言之，ToT 主要包括两大部分：

 1. 思维的产生
 2. 思维的评估

以 24 点游戏为例，ToT 在这个数学推理挑战中发挥重要作用。游戏目标是利用 4 个数字和
基础算术运算得出 24。

例如，对于输入“4 9 10 13”，一个可能的解法是“(10 – 4) * (13 – 9) = 24”。

（继续阅读时，请参照下文的图片）

在 24 点游戏中应用 ToT，我们需要将思考过程分解为三个阶段，每个阶段都是一个过渡性的
方程式。

**图 2(a): 思维的产生**

将思考过程分解成三个方程式的阶段。

在每一个阶段（或称为树节点）中：

 * 首先提取出待处理的“左侧”数字。
 * 接着让大语言模型（LM）提出下一步可能的思考路径。
 * 对所有三个思考阶段使用相同的“提议型”提示。
 * 注意：这里仅以一个四数字输入的例子进行说明。

在 ToT 中运用广度优先搜索（BFS）：

 * 在每个阶段保留前五个最佳候选。

**图 2(b): 思维的评估**

 * 指导 LM 对每一个思维候选进行评估，判断其是否“确定能达成/可能达成/不可能达成”24
   点。
 * 目标是筛选出能通过少量尝试验证的正确部分解。
 * 淘汰掉那些不可能实现的部分解。
 * 保留那些被标记为“可能”的解法。

![提示工程指南 [译]](https://paooo.com/wp-content/uploads/2024/05/PromptingGuide-
tot.webp)

今天的分享就到此为止，不久后我们还会带来更多关于 AI 工程领域的精彩内容！

感谢大家的阅读！🙂

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**提示工程指南 ↗**

提示工程指南（Prompt Engine）。

❓ 常见问题解答（FAQ）

零样本提示和少样本提示有什么区别？

零样本提示不依赖示例，直接让模型完成任务；少样本提示则提供极少量示例，帮助模型快速
对齐输出格式或任务模式。前者更简洁，后者通常更稳、更贴近目标答案。

思维链提示适合解决什么问题？

思维链提示适合需要逐步推理、上下文衔接和多步判断的任务。它通过按顺序提问，让模型
基于前一步回答继续推导，从而提升回答的连贯性与推理质量。

思维树提示为什么比思维链更灵活？

思维树提示采用分支路径而非单一路径，能同时探索多个思路，并通过评估筛选可行分支。
它更适合搜索型、组合型和需要回溯比较的推理任务，如 24 点游戏。

🔬 语宙深潜追问 · 进阶实操拆解

什么时候该用少样本而不是思维链？

当任务格式稳定、示例足够代表性时，少样本往往更直接有效。思维链更适合需要中间推理
步骤的复杂任务；如果只是让模型模仿输出格式，少样本通常更省成本。

思维树在复杂推理里怎么落地？

把问题拆成多个候选分支，每一步都做局部评估，再保留高分路径继续展开。实战中要配合
评分标准、剪枝规则和终止条件，否则分支过多会带来成本和延迟暴涨。

🗳️ 读者观点微投票 · 您的实战立场是？

结构化提示里，思维链和思维树谁更实用？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[⚡ 所属权威专题：OpenAI GPT 与 Sora 生态 →](https://paooo.com/topics/openai-gpt-sora/)

 * [探索提示工程的多彩世界 [译]](https://paooo.com/aigc-news/6996/)
 * [发现提示工程——提示工程就是为了从生成式 AI 中获取有用输出而设计有效提示词的过程 [译]](https://paooo.com/ai-study/8735/)
 * [提示工程最佳实践 [译]](https://paooo.com/ai-study/8486/)
 * [我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]](https://paooo.com/ai-study/8719/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/7102/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
