聊聊ChatGPT：提示工程中的思维链

随着ChatGPT等AI产品的火热，提示工程师作为一种新兴的岗位需求应运而生。百度创始人、CEO李彦宏在接受36氪的专访时也着重强调了未来这个岗位的重要性。作为人类和AI直接交互的桥梁，提示词对于AI生成内容的质量有着直接的影响，优秀的提示可以使我们在应用AI时事半功倍，而差劲的提示则会让AI变成“人工智障”。

提示工程作为一门新兴的学科，现阶段也有了一些初步的成果。而其中比较有名的就是接下来我们要聊的思维链，今天我们给大家介绍一下它究竟是何方神圣，有发挥着怎样的作用。

不知道大家在使用ChatGPT的过程中有没有遇到过上面类似的情况，在涉及逻辑推理的任务中，当我们要求AI省略步骤直接提供答案时，它就更有可能犯一些低级错误。

讲这个问题之前，我们先给大家介绍一个人，他叫Jason Wei，2020年从达特茅斯本科毕业后便加入谷歌大脑，担任高级研究科学家，今年2月又加入了OpenAI，进入ChatGPT团队做AI研究员。在他2022年还在谷歌任职时，他和几个伙伴就发表了一篇文章，其中第一次提出了思维链（Chain-of-Thought，CoT）的概念。

思维链是一种新兴的提示方法，它鼓励大语言模型通过解释其推理过程来获得更准确的输出结果。下图是一个标准的少样本提示和CoT提示的对比：

Wei等人通过在样本中引入中间的推理步骤，从而帮助大语言模型实现了更为复杂的推理能力。而且将CoT提示与少样本提示相结合，可以获得更好的效果，我们可以来感受一下：

在这个问题中，无论是零样本还是少样本，在要求直接生成答案时得到的结果都是不正确的。而当我们加入CoT提示后，结果就截然不同了：

CoT提示除了在少样本提示中适用，在零样本的提示中也可以发挥作用，对于无法提供样本示例的情况，通过在提示中加入“分步骤思考”，同样可以引导ChatGPT生成更加准确的答案。

以上就是关于思维链提示的简单介绍，希望能对大家在日常与ChatGPT的交互过程中有所启发。

想了解更多关于ChatGPT与提示词的技巧，以及ChatGPT如何在各种场景下应用，可以了解我们的课程，那么千万不要错过我们ChatGPT俱乐部全新打造的的专题课程《ChatGPT提示词技巧与行业实战应用》，本周研发更新的课程章节：ChatGPT在模型开发上的应用。