1. Chain-of-Thought (CoT)
一句话：让模型"一步一步想"。
咒语：在 Prompt 末尾加"Let's think step by step"或"请一步步思考"。
效果：GSM8K 数学题准确率从 17% → 78%。
2. Self-Consistency
一句话：让模型多想几遍，投票选答案。
做法：同一个问题让模型独立生成 5 次，取众数。
适合：有明确正确答案的任务（数学、逻辑、代码）。
3. Tree-of-Thought (ToT)
一句话：让模型像下围棋一样探索多条路径。
做法：
- 第一层：列 3 种可能方案
- 对每种方案评估优劣
- 选最优的一支继续深化
- 必要时回溯换路
适合：策略性任务（规划、解难题、写作结构）。
4. ReAct
一句话：Reason + Act，思考后动手，动手后再思考。
做法：每一步都让模型明确：
Thought: 我应该...
Action: 调用 XXX
Observation: 得到 YYY
Thought: 基于 YYY，我下一步...
适合：Agent 任务、需要工具调用的场景。
5. Least-to-Most Prompting
一句话：先把问题拆成简单子问题，逐个解决。
做法：
为了回答 X，我需要先解决：
1. 子问题 A
2. 子问题 B
3. 子问题 C
现在按顺序回答...
适合：复杂推理、编程、数学证明。
附赠：Prompt 调试的 5 个信号
- 输出有"抱歉"等推脱词 → 换说法或加"请务必完成"
- 格式错乱 → 加"严格输出 JSON，不要额外解释"
- 幻觉（瞎编）→ 加"没有依据的就明确说"不知道""
- 太啰嗦 → 加"保持简洁，核心观点优先"
- 风格不对 → 给 1-2 个示例比描述 10 句话更有效
研究资源
- Prompt Engineering Guide: promptingguide.ai
- 论文：Anthropic、Google、OpenAI 的官方文档
- 社区：AI 提示词库