怎么构造思维链数据？思维链提示工程的五大原则

我来为您翻译这篇关于思维链提示工程的文章，采用通俗易懂的中文表达：

思维链(CoT)提示工程是生成式AI(GenAI)中一种强大的方法，它能让模型通过逐步推理来解决复杂任务。通过构建引导模型思考过程的提示，思维链能提高输出的准确性、连贯性和可靠性。本白皮书探讨了思维链提示工程的核心设计原则，提供实用案例，并概述了在各种应用中有效实施思维链的策略。

生成式AI系统越来越多地用于需要逻辑推理、多步骤问题解决和上下文理解的任务。传统的提示方法往往导致输出缺乏深度或无法满足任务的复杂性。思维链提示工程通过让AI系统模拟逐步推理来解决这一问题，从而产生更有结构性和可靠性的输出。

思维链提示工程在制造业、教育、金融和医疗保健等多个领域都有应用。这种方法利用模型的固有能力来逻辑地处理和排序信息，使响应与用户目标保持一致。

思维链提示工程的关键原则

1. 将复杂任务分解为子任务

设计技巧

• 原则：将复杂目标分解为可管理的步骤。
• 关注逻辑顺序：确保每个子任务自然地流向下一个。这创造了一个连贯的问题解决过程，防止AI推理中出现逻辑漏洞。
• 精细度很重要：子任务应该具体且可操作。避免过于宽泛的步骤，那可能会让AI感到困惑。
• 迭代优化：定义子任务后，与AI一起模拟任务，并在必要时优化分解结构，以提高清晰度和全面性。
• 好处：增强清晰度并确保回答全面。
• 例子：不要简单提示"诊断汽车引擎问题的步骤是什么？“，而是使用"第1步：识别问题的症状。第2步：列出可能的原因。第3步：推荐诊断测试。”

2. 鼓励逐步推理

设计技巧

• 原则：通过明确要求中间步骤，提示模型按顺序思考。
• 明确的提示：清楚地指导AI按顺序思考问题。使用强调中间步骤的语言，如"解释你是如何得出这个答案的。"
• 验证中间输出：鼓励AI自我检查每一步。例如，完成计算后，提示它"确认这个中间结果是否与提供的输入一致。"
• 加强逻辑进展：确保每一步都合理地建立在前一步的基础上。避免跳过步骤，即使对人类用户来说这些步骤看起来很明显。
• 迭代测试：通过在不同场景中测试模型的响应并根据观察到的弱点调整提示，验证逐步说明的有效性。
• 好处：减少逻辑和计算任务中的错误。
• 例子：解决数学问题时，使用"345 × 67等于多少？首先，将其分解为345 × 60和345 × 7。然后，把结果相加。"

3. 提供背景和约束

设计技巧

• 原则：包括相关细节和边界，以集中模型的推理。
• 目标明确：清楚说明任务的目的和预期结果。这确保模型能够明确理解问题，不产生歧义。
• 仅提供相关细节：仅包含与任务直接相关的信息，避免不相关的数据分散或混淆AI。
• 设定边界：指定时间、预算或范围等约束。例如，“在2周的时间内，提出增加社交媒体参与度的策略。”
• 避免过载背景：虽然提供背景至关重要，但过多的细节可能会让模型不堪重负，降低输出质量。
• 迭代背景测试：通过测试响应来完善提供的背景细节。如果输出不相关，逐步调整输入背景以找出改进领域。
• 好处：确保输出相关且可操作。
• 例子：当询问商业策略时，明确指出：“考虑100万美元的预算，为一家科技初创公司推荐营销计划。”

4. 使用示例进行少样本学习

设计技巧

• 原则：提供推理路径的例子来指导模型。
• 选择代表性例子：选择能反映模型将遇到的任务多样性和复杂性的例子。确保这些例子简洁但全面。
• 按逻辑顺序排列示例：排序示例以展示渐进式推理或逐渐增加难度的场景，以建立理解。
• 解释推理路径：清楚地注释每个例子，以展示思考过程，帮助模型调整其推理。
• 平衡特定性与一般性：提供足够具体指导推理但又足够通用以避免模型过度拟合狭窄场景的例子。
• 迭代示例调整：根据模型响应的质量持续评估和更新示例，确保它们保持有效。
• 好处：通过将响应与期望的推理模式对齐，提高模型性能。
• 例子：展示一个已解决的例子：“如果火车在2小时内行驶60英里，速度是30英里/小时。现在，解决这个问题：如果火车在4小时内行驶120英里，速度是多少？”

5. 提示的迭代优化

设计技巧

• 原则：通过迭代反馈测试和优化提示。
• 有效性测试：首先在不同场景中测试初始提示，以评估清晰度、相关性和结果一致性。
• 整合用户反馈：使用用户或利益相关者的反馈来识别响应中的歧义或误解。
• 渐进式优化：根据测试结果迭代修改提示。例如，将模糊的短语如"改善沟通"精确为"列出三种改善虚拟会议中团队沟通的方法。"
• 监控输出质量：分析生成的响应的连贯性、逻辑进展和与预期目标的一致性。
• 尝试变体：探索替代的表述、结构或额外背景，以提高模型的理解。
• 自动评估指标：使用工具或框架来衡量提示的有效性，如准确率、召回率或用户满意度。
• 好处：确保提示不断发展，以获得精确、高质量的响应，适应特定用例。
• 例子：如果初始提示"提供营销计划"导致泛泛而谈的输出，将其优化为"为针对千禧一代受众的新产品开发3步营销策略。"
• 例子：如果对"列出改善团队协作的步骤"的回答很模糊，将其优化为"列出五个在混合工作环境中改善团队协作的可行步骤。"

思维链提示工程的应用

1. 制造业和自动化

场景：优化生产流程。
例子：一家制造厂由于装配线上的设备瓶颈而经常出现生产延迟。使用思维链提示工程，AI的引导如下：

• 第1步：识别瓶颈。
• 第2步：建议流程改进。
• 第3步：估算成本节约。

结果：这种逐步推理使得见解可操作，从而提高效率并带来可衡量的成本降低。

实施：提示AI通过优化进行推理：“第1步：识别瓶颈。第2步：建议流程改进。第3步：估算成本节约。”
成果：提高运营效率和成本效益。

2. 教育和培训

场景：为数学或物理等复杂学科设计辅导系统。
例子：

• 目标：创建一个关于如何解二次方程的逐步解释。
• 提示：“解释如何解二次方程x² - 5x + 6 = 0。首先分解因式，然后找出根。”
• AI回应："解决x² - 5x + 6 = 0：
• 结果：逐步推理为学生澄清了过程，增强了理解并建立了解决类似问题的信心。

实施：使用思维链提示AI逐步解释解决方案，如推导公式或解方程。
成果：通过详细和逻辑的解释增强学习体验。