AI PRO·Prompt Day 3 高级技巧：CoT、ToT、ReAct、Self-Consistency

一句话总结

高级技巧 = 让AI”思考”，而不仅仅是”回答”。

基础Prompt让AI直接给答案，高级Prompt让AI展示思考过程，结果更准确。

---

为什么需要高级技巧？

基础Prompt的局限

`

问题：如果一个球从10楼掉下来，经过多少秒到达地面？

AI回答：大约2.5秒。

`

这个答案可能是对的，但：

• AI怎么算出来的？
• 用了什么公式？
• 考虑了什么因素？
• 如果算错了怎么办？

高级Prompt的优势

`

问题：如果一个球从10楼掉下来，经过多少秒到达地面？

AI回答：

1. 首先，10楼大约30米高
2. 使用自由落体公式：h = 1/2 * g * t²
3. 代入数据：30 = 1/2 * 9.8 * t²
4. 解方程：t = √(30/4.9) ≈ 2.47秒
5. 答案：大约2.47秒

`

区别在哪？ AI展示了思考过程，你可以验证每一步是否正确。

---

技巧1：Chain of Thought（思维链）

是什么？

让AI逐步推理，展示思考过程。

为什么有效？

• 减少跳跃性错误
• 便于验证和调试
• 提高复杂问题的准确率

怎么用？

方法1：直接要求

`

请一步步思考这个问题：

如果一个球从10楼掉下来，经过多少秒到达地面？

`

方法2：添加”让我们思考”

`

问题：如果一个球从10楼掉下来，经过多少秒到达地面？

让我们一步步思考：

`

方法3：使用Few-shot示例

`

示例：

问题：如果一个苹果3元，买5个需要多少钱？

思考：一个苹果3元，5个苹果就是5×3=15元

答案：15元

现在请思考：

问题：如果一个球从10楼掉下来，经过多少秒到达地面？

`

适用场景

场景	效果

|——|——|

数学问题	⭐⭐⭐⭐⭐ 显著提升
逻辑推理	⭐⭐⭐⭐⭐ 显著提升
代码调试	⭐⭐⭐⭐ 明显提升
文本分析	⭐⭐⭐ 有一定提升
创意写作	⭐ 提升不大

---

技巧2：Tree of Thoughts（思维树）

是什么？

扩展CoT，允许AI探索多条推理路径，选择最优解。

与CoT的区别

`

CoT（线性）：

A → B → C → D → 答案

ToT（分支）：

A → B1 → C1 → D1 → 答案1

→ B2 → C2 → D2 → 答案2

→ B3 → C3 → D3 → 答案3

→ 选择最优答案

`

怎么用？

`

请用Tree of Thoughts方法解决这个问题：

问题：设计一个新产品，目标用户是年轻人。

步骤1：生成3个不同的产品方向

步骤2：对每个方向，分析优缺点

步骤3：选择最有潜力的方向

步骤4：详细设计这个产品

请展示每个步骤的思考过程。

`

适用场景

场景	效果

|——|——|

创意生成	⭐⭐⭐⭐⭐ 显著提升
方案比较	⭐⭐⭐⭐⭐ 显著提升
战略规划	⭐⭐⭐⭐ 明显提升
问题诊断	⭐⭐⭐⭐ 明显提升

---

技巧3：ReAct（推理+行动）

是什么？

结合推理（Reasoning）和行动（Acting），让AI能调用外部工具。

工作流程

`

Thought: 我需要搜索最新的AI新闻

Action: search(“AI news today”)

Observation: 找到了5条相关新闻

Thought: 我需要分析这些新闻的重要性

Action: analyze(news)

Observation: 最重要的是OpenAI发布GPT-5

Thought: 我已经找到了答案

Answer: 今天最重要的AI新闻是OpenAI发布GPT-5

`

怎么用？

`

请用ReAct模式回答问题：

可用工具：

• search(query): 搜索信息
• calculate(expression): 计算数学表达式
• read(file): 读取文件

问题：今天北京的天气如何？

请按照以下格式：

Thought: [你的思考]

Action: [调用的工具]

Observation: [工具返回的结果]

… 重复直到得到答案 …

Answer: [最终答案]

`

适用场景

场景	效果

|——|——|

需要实时信息	⭐⭐⭐⭐⭐ 必须使用
需要计算	⭐⭐⭐⭐⭐ 必须使用
需要读取文件	⭐⭐⭐⭐⭐ 必须使用
纯文本任务	⭐ 不需要

---

技巧4：Self-Consistency（自一致性）

是什么？

生成多个独立推理路径，选择最一致的答案。

工作原理

`

问题：2+2=？

路径1：2+2=4

路径2：2+2=4

路径3：2+2=4

路径4：2+2=5（错误）

路径5：2+2=4

最一致的答案：4（出现4次）

`

怎么用？

`

请用Self-Consistency方法解决这个问题：

问题：这个产品的市场前景如何？

请生成5个独立的分析，然后选择最一致的结论。

分析1：…

分析2：…

分析3：…

分析4：…

分析5：…

最一致的结论：…

`

适用场景

场景	效果

|——|——|

有明确正确答案	⭐⭐⭐⭐⭐ 显著提升
需要高准确性	⭐⭐⭐⭐⭐ 显著提升
主观判断	⭐⭐ 提升不大

---

技巧5：Few-shot Learning（少样本学习）

是什么？

通过提供少量示例，让AI学习你的期望。

与Zero-shot的对比

`

Zero-shot（零样本）：

将这段话翻译成英文。

Few-shot（少样本）：

输入：今天天气很好

输出：The weather is nice today.

输入：我喜欢编程

输出：I enjoy programming.

现在请翻译：这本书很有意思

`

怎么用？

基础Few-shot

`

请按照这个格式写：

输入：苹果

输出：🍎 苹果 – 水果，红色，甜

输入：汽车

输出：🚗 汽车 – 交通工具，四轮，快速

现在请写：飞机

`

高级Few-shot（带解释）

`

请按照这个风格写：

示例1：

原文：今天天气很好

改写：阳光正好，微风不燥，正是出门的好时节

解释：使用了环境描写，增加了画面感

示例2：

原文：这个产品很不错

改写：这款产品让我眼前一亮，忍不住想推荐给大家

解释：使用了个人感受，增加了说服力

现在请改写：这本书很有意思

`

最佳实践

1. 2-3个示例：太多浪费token，太少不够清晰
2. 多样化：覆盖不同情况
3. 简洁：不要写太长
4. 典型：选择最能代表你期望的示例

---

技巧6：Role Prompting（角色提示）

是什么？

赋予AI特定身份，激活相关知识。

常用角色

角色	适用场景

|——|———-|

资深软件架构师	代码审查、系统设计
小学老师	概念解释、教育内容
营销专家	文案、推广策略
数据分析师	数据解读、报告生成
技术博主	技术文章、教程
商务顾问	商业分析、战略建议

怎么用？

`

你是一位资深软件架构师，有20年分布式系统经验。

请审查以下代码架构设计：

[代码]

重点关注：

• 可扩展性
• 性能瓶颈
• 安全风险

`

---

技巧7：Structured Output（结构化输出）

是什么？

要求AI输出特定格式，便于后续处理。

常用格式

JSON格式

`

请以JSON格式输出：

{

“标题”: “…”,

“摘要”: “…”,

“关键词”: [“…”, “…”]

}

`

Markdown格式

`

请用Markdown格式输出，包含：

• 标题（#）
• 小标题（##）
• 列表（- 或 1.）
• 代码块（`）
• 表格（| | |）

`

表格格式

`

请用表格形式列出：

产品	价格	特点

|——|——|——|

A	100	快
B	200	稳

`

---

技巧组合使用

组合1：CoT + Few-shot

`

请按照以下示例，一步步思考：

示例：

问题：一个苹果3元，买5个需要多少钱？

思考：一个苹果3元，5个苹果就是5×3=15元

答案：15元

现在请思考：

问题：如果一个球从10楼掉下来，经过多少秒到达地面？

`

组合2：ToT + Role

`

你是一位资深产品经理。

请用Tree of Thoughts方法设计一个新产品：

步骤1：生成3个不同的产品方向

步骤2：对每个方向，分析优缺点

步骤3：选择最有潜力的方向

步骤4：详细设计这个产品

请展示每个步骤的思考过程。

`

组合3：ReAct + Structured Output

`

请用ReAct模式分析这个问题，并以JSON格式输出：

可用工具：

• search(query): 搜索信息
• analyze(data): 分析数据

问题：这个产品的市场前景如何？

输出格式：

{

“思考过程”: [“Thought1”, “Thought2”, …],

“使用的工具”: [“search”, “analyze”],

“分析结果”: “…”,

“结论”: “…”

}

`

---

🚇 地铁深读：高级技巧的原理

为什么CoT有效？

1. 分解复杂问题：大问题拆成小步骤
2. 减少跳跃错误：每一步都明确
3. 便于验证：可以检查每一步
4. 激活相关知识：思考过程激活更多知识

为什么ToT有效？

1. 探索多种可能：不局限于单一路径
2. 比较优劣：多方案对比
3. 避免局部最优：跳出思维定式
4. 提高创造性：鼓励不同角度

为什么ReAct有效？

1. 获取实时信息：不依赖训练数据
2. 精确计算：避免数学错误
3. 读取文件：处理本地数据
4. 工具增强：扩展AI能力

为什么Self-Consistency有效？

1. 多数投票：减少随机错误
2. 多角度验证：不同思路验证
3. 提高可靠性：一致性高的答案更可靠

---

今日小结

技巧	原理	适用场景

|——|——|———-|

CoT	逐步推理	数学、逻辑、复杂问题
ToT	多路径探索	创意、方案比较
ReAct	推理+行动	需要工具的任务
Self-Consistency	多路径投票	需要高准确性
Few-shot	示例学习	格式转换、风格模仿
Role	角色设定	专业咨询
Structured Output	格式控制	数据提取、API响应

一句话记住： 高级技巧 = 让AI”思考”，而不仅仅是”回答”。

---

下期预告

AI PRO·Prompt Day 4 Few-shot与Zero-shot学习：给AI看例子

我们将深入解析Few-shot和Zero-shot的区别，以及如何设计高质量的示例。

---

*攀岩者 | 技术总监 | 19年IT全栈实战*

*每天分享AI学习笔记，陪你从零基础到AI达人*