LangChain之Prompt提升篇

为了让模型生成更详实、更完备的方案，我们还可以尝试使用思维链CoT（Chain of Thought）的概念来引导模型的推理。

一、什么是Chain of  Thought

原理：如果生成一系列的中间推理步骤，就能够显著提高大型语言模型进行复杂推理的能力。

二、Few-Shot  CoT(少量样本)

整体指导：你需要跟着下面的步骤一步步的推理：

1、问题理解：首先，AI需要理解用户的面求。例如，用户可能会说：“今天要参加朋友的生日Party,想送束花祝福她。”我们可以给AI一个提标模板，里面包含示例：“遇到XX问题，我先看自己有没有相关知识，有的话，就提供答案；没有，就调用工具搜索，有了知识后再试图解决。“———这就是给了AI一个思维链的示例。

2、信息搜索：接下来，AI需要搜索相关信息。例如，它可能需要查找哪些花最适合生日派对。

3、决策制定：基于收集到的信息，AI需要制定一个决策。我们可以通过思维链让他详细思考决策的流程，先做什么后做什么。例如，我们可以给它一个示例：”遇到生日派对送花的情况，我先考虑用户的需求，然后查看鲜花的库存，最后决定推荐一些玫瑰和百合，因为这些花通常适合生日派对。“