Step 4 04. Prompt Engineering 进阶：思维链 (CoT) 与 ReAct

<!-- Title: 04. Prompt Engineering 进阶：思维链 (CoT) 与 ReAct --> <!-- Series: LLM 原理与微调实战 (ID: 8) --> <!-- Author: admin --> # Prompt Engineering 进阶：思维链 (CoT) 与 ReAct ## 1. 告别 "Zero-Shot" 最开始，我们对 AI 说：“把大象装进冰箱分几步？” AI 可能回答：“打开门，放进去，关门。” 但遇到复杂数学题，它经常瞎猜。 **CoT (Chain of Thought)** 的核心思想是：**让 AI 把思考过程写出来**。 * **Zero-Shot**: 答案是？ * **CoT**: 请一步步思考 (Let's think step by step)。 神奇的是，只要加上这句话，AI 的推理能力会显著提升。因为 LLM 本质上是概率预测，把中间步骤生成出来，相当于给后面的推理增加了更多的 Context（上下文线索）。 ## 2. ReAct：Reason + Act 单纯的思考还不够，AI 需要与世界交互。 **ReAct** 范式 = **推理 (Reasoning)** + **行动 (Acting)**。 1. **Thought**: 用户问我天气，我不知道，我应该查一下 API。 2. **Action**: `Search_Weather("Beijing")` 3. **Observation**: API 返回 "Sunny, 25C"。 4. **Thought**: 我拿到数据了，现在可以回答用户了。 5. **Answer**: 北京今天晴，25度。 这是所有 AI Agent（智能体）的雏形。 ## 3. 提示词黑魔法 * **Few-Shot**: 给几个例子。 * **Role Play**: "你现在是一个世界顶级的数学家..." * **Self-Consistency**: 让 AI 回答 5 次，选出现次数最多的答案。 ## 结语 Prompt Engineering 不是玄学，它是**人机交互的新协议**。 我们正在学习如何用自然语言给这台超级计算机编写“代码”。