什么是思维链提示？

思维链推理是如何进行的？

思维链推理需要将问题分解成更小的逻辑步骤，让人工智能聊天机器人依次解决。

首先，人工智能会确定问题的关键部分。然后，它依次处理每个部分，考虑一个步骤如何导致下一个步骤。每一步都建立在前一步的基础上，让人工智能有条不紊地得出合乎逻辑的结论。

著名的 "草莓 "提示

ChatGPT 和其他LLMs 的弱点是有据可查的。其一是它们无法正确识别 "草莓 "一词中有多少个 "R"（这可能是 o1 模型代号 "草莓 "背后的著名限制）。

ChatGPT-4o 不使用思维链推理。相反，它参考训练数据，根据每个单词在前一个单词之后的可能性生成反应。虽然它在大多数时候听起来都很正确，但它只是在模仿人类语言，而不是在进行推理或研究。 

当您向ChatGPT-4o 提出著名的草莓问题时，它无法给出正确答案：

‍

不过，您可以使用思维链提示技术帮助LLM 聊天机器人得出正确答案：

‍

ChatGPT 的最新迭代由OpenAI o1-preview 支持，是首个使用思维链推理而无需任何额外提示的主要LLM 。 

它第一次尝试就能破解答案，因为它已收到指示，自动遵循与上述第二个ChatGPT-4o 提示相同的过程。唯一不同的是，它不需要额外的提示就能完成这一过程。 

数学

如果你向旧版本的ChatGPT 提出一道小学课本上的数学题，它不一定能答对。  

多步骤数学问题需要推理，这在早期的LLMs 中并不存在。你可以分解问题的每一步，但如果你不知道正确的步骤，LLM 也帮不上忙。

ChatGPT-4o 能够通过分解问题中的一系列步骤，推理出问题的答案：

与 Hubspot 连接的人工智能代理

在现实应用中，让我们以已集成到 Hubspot 中的LLM 人工智能代理 为例。销售团队使用该人工智能代理处理通过各种渠道收集到的新线索。 

场景

‍销售人员向人工智能代理发送一个新的销售线索，要求它在 Hubspot 中注册并发送第一封接触点电子邮件，但如果该销售线索所在的公司已经是潜在客户，则不要填写。

思维链提示

通过思维链提示，用户可以引导人工智能在一次回复中解释其答案背后的推理。这就促使人工智能走完了解决问题过程中的每一步，但这是在一次提示和回复中完成的。

例如，思想链提示可以在一条信息中完成： 

"人力资源团队需要审核 5 份员工绩效评估报告。每个评估需要 30 分钟，他们需要 15 分钟事先准备。高级评估需要额外的 10 分钟。完成 5 份高级和 25 份初级评估需要多长时间？请逐步说明你的理由"。

提示链 

通过提示链，任务被分成多个独立的步骤，每个步骤都有多个提示，每个提示都建立在前一个结果的基础上。这有助于构建和引导人工智能完成可能涉及推理的复杂任务。

第一条提示可能是这样的

提示 1：指出公司在向远程工作过渡时可能面临的主要挑战。

输出： 

• 沟通方面的差距
• 保持生产力
• 技术基础设施
• 员工参与

接下来的提示可能会进一步深入探讨这些概念。例如

提示 2：请告诉我，在向远程工作过渡时，公司如何找到解决沟通障碍的办法。

在下一轮输出之后，链条的下一个环节可能是

提示 3：公司在采用这些解决方案时面临哪些共同挑战？

因此，虽然两者相似，但它们采取了不同的方法，从生成式人工智能工具中提取最有深度和最相关的内容。