第一章：Agent 智能体简要介绍
1.1 什么是 Agent 智能体
1.1.1 基本概念
AI智能体（AI Agent、AI代理、AI代理人）。在大模型持续演进的当下，人们关注焦点已从 AI 模型训练逐步转移至借助大模型为业务赋能，提升效率。由于大模型仍存在大量的问题如幻觉、上下文容 量限制等，通过让大模型借助一个或多个 Agent 的能力，构建成为具备自主思考决 策和执行能力的智能体，成为了当前通往 AGI 的主要研究方向。
1.1.2 分类
| 分类 | 介绍 | 举例 |
| 单智能体 | 单智能体系统指的是一个独立的智能体（Agent），负责处理和解决特定的任务或问题。这种系统设计简单，但在处理复杂任务时可能受限。 | 一个自动售货机，根据用户选择和支付，独立提供商品。 |
| 多智能体 | 由多个相互作用的智能体组成，每个智能体有不同角色和目标。通过协作、竞争或协商解决复杂问题，具有更高的效率和适应性。 | 一群机器人在仓库中协同工作，有的负责搬运货物，有的负责打包，有的负责将包裹送到指定位置。 |
1.1.3 结构
1.2 Agent与LLM之间的关系
1.2.1 大模型存在的问题
| 调整 | 描述 | Agent方案 |
| 数据缺陷 | 大模型的数据是基于训练时获得数据集作为基础知识的。不包含最新的数据，也不包含私有数据。通用大模型的数据集，各方面水面均衡，但是在垂直领域数据不够全面。大模型训练数据量巨大，可能存在相悖的数据，存在幻觉。 | 增加长期记忆，外接数据库。联网能力 |
| 有限上下文 | 大模型的记忆能力有限，token数有上限 | 长期以及结合短期记忆RAG |
| 规划能力 | 无法处理复杂逻辑，通过提示词制定的思维链一般也不超过6step | 工作流多智能体 |
| 工具能力 | 传统大模型只能文本数据，或者生成图片。在某些特定领域，对于技能要求多种多样。比如点外卖，获取天气预报，预定会议室等等。 | 外部插件 |
1.2.2 与LLM之间的关系
Agent=LLM+外部工具
1.2.3 Agent应用实例
| 行业 | 场景 | 落地 |
| 客服、销售行业 | 客户咨询量大/主动攀谈频率高，问题多样化，需要快速准确回答客户问题，同时收集客户反馈以改进服务。 | 通过大模型，理解客户的问题并从知识库中检索最相关的答案。同时学习客户反馈，优化知识库内容，提高回答的准确性和效率。 |
| 法律服务行业 | 大量文本类处理场景。文本复杂，审核工作耗时且容易出错，需要自动化工具来提高审核效率和准确性。 | 利用LLM对合同文本进行深度分析，识别关键条款和潜在风险点。通过检索相关法律条文和案例，为法律顾问提供决策支持，确保合同的合规性和公平性。 |
| 物流与供应链管理 | 数据处理和整合场景，供应链管理复杂，涉及多方协调和大量数据，需要优化库存和物流以降低成本和提高效率。 | 分析历史数据和市场趋势，预测需求变化，为企业提供库存管理和物流调度的建议。同时，通过实时监控供应链状态，及时发现问题并提出解决方案。 |
| 市场研究与分析 | 市场信息更新迅速，需要快速捕捉行业动态和消费者行为变化，为决策提供数据支持。 | 收集和分析大量的市场数据，包括新闻报道、社交媒体讨论和消费者反馈，识别市场趋势和潜在机会。预测未来市场变化，为企业提供战略规划的依据。 |
| 信息技术服务 | IT系统复杂，运维任务繁重，需要实时监控系统状态，快速响应故障和性能问题。 | 利用RAG技术，agent能够从运维日志和事件数据中提取关键信息，实时监测系统性能指标。在检测到异常时，能够自动触发警报，并提供故障诊断和修复建议，减少系统停机时间。 |
| 人力资源管理 | 招聘流程繁琐，筛选简历和面试候选人耗时，需要提高招聘效率和质量。 | 分析职位描述和候选人简历，使用自然语言处理技术匹配关键词和技能信息。模拟面试问题，评估候选人的适应性和潜力，为HR提供候选人筛选和面试的辅助决策。 |
| 会计与财务管理 | 财务报告制作耗时，需要准确无误地处理大量数据，同时确保报告的合规性。 | agent能够自动从财务系统中提取数据，按照会计准则和格式要求生成报告草稿。通过机器学习算法，agent还能够识别潜在的财务风险和异常交易，为财务分析师提供审计和决策支持。 |
1.3 Agent智能体工具分类
1.3.1 基于 chatbot 简易智能体
1.3.1.1 文心一言百宝箱
1.3.1.2 星火助手
1.3.1.3 Kimi 智能体
1.3.1.4 豆包智能体
1.3.2 开源Agent搭建平台
开源的Agent实现方案，支持工作流编排、知识库搭建、大模型接入等一系列必备能力，当前很多中小企业的agent解决方案是在以下三种平台基础上搭建的。
1.4.2.1 Dify
1.3.2.2 FastGPT
基于 LLM 大模型的开源 AI 知识库构建平台。提供了开箱即用的数据处理、模型调用、RAG 检索、可视化 AI 工作流编排等能力，搭建个人知识库、toc知识库应用的好选择。工作流搭建模块很好用。
1.3.2.3 bisheng
主攻 tob 场景的开源LLM搭建平台，与fastgpt功能类似，但面向的客户不同，整体功能和部署成本更重。优势点：文档处理。
1.3.4 大模型厂商通用 Agent 智能体搭建工具
1.3.4.1 COZE/扣子
1.3.4.2 AppBuilder
1.3.4.3 百炼
1.3.4.4 元器
1.4 扣子精讲：搭建简要流程
1.4.1 扣子简介
“Coze/扣子”是字节跳动推出的一站式 AI 开发平台，支持用户在30秒内无代码生成 AI 机器人。该平台有两个版本，一个是国内版本，一个是国际版本，其中，国内版本使用的大模型是云雀模型。
平台已为用户提供了各种常用的插件，用户只需要通过简单的拖拉拽方式，就能快速搭建出一个包括大语言模型（LLM）、自定义代码、判断逻辑的工作流。此外，用户还可以将搭建的 Bot 发布到各类社交平台和通讯软件上，如飞书、微信公众号、豆包等，让更多的用户与 Bot 聊天。
| 海外 | 国内 | |
| 名称 | COZE | 扣子 |
| 网址 | coze.com | coze.cn |
| 模型 | 支持GPT-4/4o | 免费云雀/通义/月之暗面/MiniMax模型 |
| 功能 | 功能上线更早 | 功能上线稍慢于海外 |
| 应用发布 | 发布海外平台 | 支持发布飞书、豆包、微信客服、微信公众号、掘金 |
| 使用限制 | 需要科学上网 | 直接登录即可 |
考虑到网络问题以及实际场景效果，本次采用国内版本扣子进行教学
1.4.2 bot搭建
bot创建
| 说明 | 示意图 | |
| 自动创建 | 进入coze.cn选择创建智能体例如：一位20年资深床上用品销售顾问点击生成，等待创建成功AI创建本身也可以理解为是coze官方的一个智能体，集成了智能体创建能力。注意看创建过程示意图，AI自动创建了标题，提示词，图标等等 | |
| 手动创建 | 点击按钮手动创建bot选择想要存放的团队填写bot名称、功能介绍上传图标或根据填写内容生成图标保存bot |
bot编辑、发布
| 步骤 | 说明 | 示意图 |
| 编写主体提示词 | 熟悉提示词的可以直接编写提示词可以使用AI工具自动生成提示词，或者coze自动的提示词优化工具这里我们选用coze自带的提示词优化工具（其实也可以理解为一个内置的chatbot类型的智能体） | |
| 添加 bot 能力 | 添加需要调用的能力当插件比较多的时候LLM无法准确理解什么时候该调用哪个模型时，可以通过提示词来准确定位具体要调用的插件 | |
| 测试bot | 编辑好bot后，可以实时在右侧进行测试，在下方输入问题，看bot运行的结果清除历史对话记录，获得更好的测试效果 | |
| 发布bot | 点击右上角发布按钮进行bot发布选择要发布的平台 |
第二章：提示词工程
00 | 引言
作为一名生成式AI大模型的使用者，不管我们是对话、生图或者生成视频，你都需要跟大模型进行交互，需要向AI提供指令或者问题，以便获得所需要的信息或者完成特定的任务。这些指令就是我们说的Prompt。Prompt是决定AI输出效果好坏的关键因素，因此掌握Prompt编写的技巧至关重要，也是你使用AI的基础第一步。
本文内容主要为LLM提示词，不包含问生图，文生视频。采用Prompt的理论结合实操的方式，跟大家一起分享下如何写好Prompt。
01 | Prompt的基础概念
在自然语言处理（NLP）领域，Prompt是指输入给语言模型的一段文本，用于指导模型完成特定任务。通过精心设计的Prompt，用户可以引导语言模型理解其意图并输出预期结果，类似于理发师通过与顾客交流来了解其发型偏好。
我们可以将语言模型比作一位技艺精湛但略显被动的理发师。他拥有丰富的经验和创意，但需要顾客提供明确的指引才能充分发挥其才能。而提示（Prompt）就是我们与这位“理发师”沟通的关键。一个精心设计的提示，能够准确传达我们的需求，激发模型的潜力，从而获得令人满意的结果。
事实上，AI生成内容的质量主要取决于两个关键因素：一是其使用的语言模型，相当于“大脑”；二是用户提供的Prompt，类似于给AI布置的“作文题”。这两个因素共同影响着AI输出的内容质量。
即使面对同一个Prompt，不同的语言模型也可能写出大相径庭的内容。甚至同一个模型，在不同的对话场景下，也会给出风格迥异的回答。
所以一个prompt能80%达到我们需求的效果，即为一个优秀的prompt。
因此，若想让AI生成符合我们期望的高质量内容，精心设计Prompt就显得尤为关键。一个好的Prompt应包含以下几个要素：
- 明确的指令：要使AI准确理解任务，必须清晰交代具体要求。无论是撰写小说、回答问题，还是提供策略建议，都应在一开始就说明白。
- 必要的背景：为AI提供一些“写作素材”，如主题、风格和字数限制等，就像是给它设定好框架，使其能够有的放矢地进行创作。
- 鲜明的特色：优秀的Prompt应当富有创意，独具匠心。例如，让AI模仿鲁迅的文风讽刺时弊，或用苏轼的豪放派风格讴歌自由，这些独特的创意都能激发AI的创造潜能。
- 其他具体要求：如字数、关键字、语言等等。
下面是一个基础的Prompt示例：
#提示词1
请帮我生成一封邀请客户参加公司新品发布会的邀请邮件。
#提示词2
你是A公司的市场部员工，请给客户写一封100字左右的邮件，邀请他们参加公司的新品发布会。以下是邮件的要点：
- 新产品是一款革命性的AI大模型
- 发布会将于下周五下午2点在公司总部举行
- 现场将提供茶点，并有机会赢取新产品
- 请收件人提前回复是否收参加02 | 设计优质Prompt的进阶技巧
技巧1： 分而治之
俗话说“万事开头难”，写作也不例外。许多人面对AI时，就像面对一张白纸，不知从何下笔，最终常常陷入“巧妇难为无米之炊”的困境。此时，我们可以采用“分治法”。
所谓“分治法”，就是将一个大问题拆解成若干个小问题，逐一攻克。同理，面对复杂的写作任务，我们不妨将其分解为几个小任务，通过一系列提示（Prompt）引导AI逐步完成。
例如，假设我们要写一篇关于人工智能发展史的文章。与其给AI一个笼统的指令，不如分步骤进行：
Prompt 1：
请列出人工智能发展历史上的几个重要里程碑事件。
Prompt 2：
请简要描述每个里程碑事件的主要内容和意义。
Prompt 3：
请对这些里程碑事件进行分析，说明它们是如何推动人工智能的发展的。
Prompt 4：
请基于上述内容，写一片800字的文章，介绍人工智能的发展历史通过这种方式，写作过程会变得更加有条不紊，也更容易达成预期效果。
实际上，新出的推理模型也是在做这个事情，当问一个问题是，推理模型会先分解这个问题，要实现这个目标该处理哪些任务，注意什么，一步步完成最终的目标。
直问
分而治之
推理思考
那是不是有了推理大模型就不需要这种技巧了？
技巧2： 角色扮演
我们都知道，不同的人说话的方式各不相同。历史学家叙述历史事件和小说家描绘同一事件时，其语言风格必然会有很大不同。那么，我们是否可以让AI进行角色扮演，让它以特定人物的语气来表达呢？
这就需要运用“角色扮演”的技巧。在提示中，我们可以要求AI扮演某个特定角色，比如一位历史学家、一个7岁的小孩。接着，我们再给它布置一个写作任务。
Prompt：
- 你现在是一位杰出的历史学者。请从历史学的角度，深入探讨法国大革命爆发的原因及其对欧洲历史进程的影响。要求：
---
- 运用史学专业术语，如“社会矛盾”、“阶级斗争”等；
- 从经济、政治和思想等多个方面进行分析；
- 引用一些历史文献或著名人物的名言来支持你的论点。
---技巧3： 举例说明
在日常生活中，我们常常使用”打个比方”或”举个例子”来阐明一个抽象的概念。同样，在设计提示时，我们也可以通过提供例子来帮助人工智能更好地理解我们的要求。
例如，如果我们希望人工智能创作一个童话故事，与其笼统地说”要有童话风格”，不如具体给出例子：
请创作一个风格类似于安徒生童话的故事，需包含以下要素：
- 一个善良而勇敢的主角（例如小动物或玩具）；
- 一个需要帮助的角色（比如生病的朋友或被困于高塔的公主）；
- 一个神秘的助手或魔法物品（如一本可以说话的书或一把能飞的扫帚）；
- 一个必须克服的挑战或障碍（如一片黑暗森林或一个邪恶的巫师）；
故事结尾应展现善良和勇气的力量，传递积极向上的人生哲学。您可以参考安徒生的《丑小鸭》或《卖火柴的小女孩》的写作风格。技巧4： 少样本学习
我们之前提到，给AI一些例子可以帮助它更好地理解我们的需求。那么，如果我们想让它学习某个特定作家的写作风格，该如何进行呢？总不可能将该作家的全集直接粘贴到提示中吧？
少样本学习（Few-Shot Learning）指的是通过为模型提供少量示例，使其能够迅速掌握新的任务。在设计提示时，我们可以提供几段特定作家的文章片段，帮助AI“补习”几章，然后模仿该作家的风格进行写作。
例如，如果我们希望AI学习鲁迅先生的写作风格：
Prompt：
请根据以下鲁迅先生的文章片段，模仿他的写作风格，写一篇500字左右的杂文，主题是"谈中国人的劣根性"：
---
"我向来是不惮以最坏的恶意，来推测中国人的，然而我还不料，也不信竟会凶残到这地步。"
"从来如此，便对么?从来如此，便对么?从来如此，便对么?......我闭上眼睛，仿佛看见许多张开大口的脸，一张张地拥上来，都用白齿咬着我，许多白齿都是咬着我的。从来如此，便对么?"
"一个本不成问题的问题，往往因为愚昧，因为懒惰，因为贪婪，因为冷漠，便永远成了问题。"
---通过学习这些片段，AI就能初步掌握鲁迅先生文章的特点：尖锐、深刻、反复质问、口语化的修辞……
技巧5： 打磨，打磨，再打磨
“艺术作品并非一蹴而就，而是一个不断打磨的过程，从粗糙到精美。”同样，一个优秀的Prompt也需要经过反复打磨。
当我们给AI一个Prompt后，它产生的输出并不能让我们立即满意。我们需要审视这个输出，找出可以改进的地方。可能某个部分不够详尽，或某个论点偏离了主题……无论哪里不理想，我们都要在Prompt中明确补充要求，然后让AI重新生成。
这一过程可能会重复多次，但每次迭代，Prompt会变得更为完善，输出内容也会更具质量。这就像雕塑家不断用工具打磨石材，直到创造出心中理想的形象。
接下来的例子将展示如何优化一个Prompt，以“模仿李笑来老师的风格写一篇文章”为例。
第一步：创造
我们要养成AI思维，当我们要构思一个Prompt的时候，其实prompt归根结底也还是文本，我们可以让AI帮我们写Prompt，AI更懂AI。
Prompt 1：
- 鲁迅先生是谁？他的文章或书籍的写作风格是怎样的？
Prompt 2：
- [示例：鲁迅先生的一些代表作]如果我想要完全模仿他的写作风格，有什么具体的方法？
- 请详细总结出具体的[方法论]
Prompt 3：
- 深入理解上述的[方法论]
- 去除LLM能力范围之外的指令
- 根据以上[方法论]为用户编写一个prompt。
- 明确写作方法、技巧、语气、语调和高频词等
- 结构化输出，并以markdown代码框格式呈现中文prompt。
- 目的是让用户输入该prompt后，GPT-4能够根据提供的内容或主题，精确且相似地模仿鲁迅先生的风格生成内容。AI自动生成提示词
# 生成鲁迅风格文本的Prompt
## 主题
请围绕“封建礼教对人性的束缚”这一主题展开创作。
## 写作方法
1. 采用批判现实主义手法，通过具体的人物故事或社会现象，揭示封建礼教对人性的压迫和束缚。
2. 选择第三人称旁观视角，以客观的笔触描写人物命运，通过细节描写和人物对话展现主题。
3. 运用讽刺和反讽的修辞手法，增强文章的批判力度和思想深度。
## 技巧
1. 语言简洁明快，避免冗长的句子，尽量用简洁的语言表达深刻的思想。
2. 适当运用文白夹杂的风格，增加语言的韵味和表现力。
3. 使用生动的比喻和象征手法，增强文章的表现力和感染力。
## 语气与语调
1. 语气严肃而冷静，以批判和反思为主。
2. 语调略带讽刺，通过幽默的语言表达深刻的批判。
## 高频词
封建、礼教、束缚、人性、压迫、愚昧、觉醒、悲剧、社会、传统、批判、反思。
## 示例开头
在那个古老而沉闷的小镇上，人们的生活仿佛被一层无形的枷锁紧紧束缚。古老的礼教如同一座大山，压在每个人的心头，让人喘不过气来……第二步：测试
现在让我们测试下第一步AI自动生成的提示词看下效果如何。
如何进一步提高？
第三步：迭代
方法1：AI自迭代
AI扮演评委身份，对自己输出的内容进行评分，并指出不足之处：
Prompt 1：
- 深呼吸一口气，一步一步思考
- 带着严厉的批判思维，如果鲁迅先生写的文章是100分，你模仿的能得多少分？
- 并说明具体理由以及可以进行优化的点。
Prompt 2：
- 根据以上不足进行优化，往120分标准模仿鲁迅先生的风格输出完整文章
- 请全力以赴！这对我至关重要通过AI自我反思和打分，我们可以帮助它不断迭代优化。
方法2：使用AI进行Prompt补充
多种大模型结合增加prompt的全面性。
如引入deepseek，通过相同的提示词生成方法论
在原有的Prompt生成对话窗口，输入以下提示词，重新更新Prompt
请结合下述方法论修改以上提示词，以确保输出内容更加准确。使用markdown代码块的格式输出全新的Prompt
'''
【新方法论】
'''这样我们就得到全新的Prompt：
# 模仿鲁迅写作风格的Prompt
## 主题
请围绕“底层人民的生活困境”这一主题展开创作，展现他们在社会压迫下的挣扎与无奈。
## 写作要求
1. **语言风格**：
- 语言简洁有力，避免冗长修饰，力求每句话都有明确目的。
- 使用白话文为主，避免文言文，适当加入口语表达，增强真实感。
- 语言应带有鲁迅式的冷峻与深刻，避免过于华丽的辞藻。
2. **主题表达**：
- 聚焦于社会底层人民的生活困境，如贫困、压迫、不公等。
- 深入探讨人性的复杂与矛盾，展现人物在困境中的挣扎与无奈。
- 对社会现象进行批判，反思社会不公与封建残余对人性的压迫。
3. **结构安排**：
- 篇幅短小精悍，控制在1000字以内，力求在有限的字数内表达深刻思想。
- 开头直接切入主题，迅速展开故事或议论，避免冗长铺垫。
- 结尾带有强烈的冲击力或讽刺意味，给人留下深刻印象。
4. **修辞手法**：
- 运用讽刺和反讽，通过夸张、对比等手法达到批判效果。
- 使用象征和隐喻，如用具体事物象征抽象概念，增强文章的深度。
- 采用白描手法，不加修饰地描写人物和场景，力求真实自然。
5. **人物塑造**：
- 塑造具有典型性的人物，反映社会某一群体的特征，如贫苦农民、小市民等。
- 注重心理描写，深入刻画人物的内心世界，展现其矛盾与挣扎。
- 通过细节刻画人物性格，如言行举止、外貌特征等，增强人物的真实感。
6. **思想深度**：
- 作品应具有强烈的批判精神，对社会现象进行深刻反思。
- 传达启蒙思想，启发读者对社会不公和人性弱点的思考。
- 对传统文化进行批判性反思，探讨其对现代社会的影响。
## 示例开头
在一个灰暗的冬日午后，老李坐在破旧的门槛上，望着远处灰蒙蒙的天空，眼神中满是迷茫和无奈……方法3：对比学习
我们还可以给它提供一些鲁迅先生的原版文章，让它通过对比学习，领悟更纯正的“鲁迅风”：
请对以下两篇文章进行对比分析：
[文章1：鲁迅先生的原创作品]
......
[文章2：AI的模仿作品]
请比较这两篇文章在写作风格、语言特征、论证方法等方面的异同，并总结出AI作品有哪些地方尚未完全达到鲁迅先生的风格，以及可以采取哪些改进措施。方法4：人工迭代
上面提到的三种方法都相对简单，如果你能够掌握这三步来编写提示词，那你其实已然超越了大部分人。
更为重要的是，我们需要培养一种“AI思维”。在面对任何问题时，应该考虑能否利用AI的力量来高效解决。
同时，要使一个提示词真正符合个性化的需求，并实现其价值，就必然需要进行人工调整。AI生成的提示词往往包含许多无用的信息，我们需要手动删除，并补充必要的工作流程，使得AI的思维更接近人类，以便逐步输出我们期望的结果。
tips：一些额外的小提示
- 大模型的上下文长度有限，因此提示词的工作流不应超过6步。
- 如果工作流太长，可以采用“分治法”将其拆分为多个提示词进行协作。
- 相同的提示词在不同模型中可能表现截然不同，因此频繁测试和迭代非常重要。
- 领域知识至关重要，没有相关的业务知识，强大的提示词也难以发挥作用。
04 | Prompt框架
主流的提示词框架：
ICIO
ICIO（Instruction-Context-Input-Output）框架，全名为指令-背景-输入-输出，旨在强调明确的指令以及清晰的输入和输出，适用于处理相对简单和流程化的任务，例如数据分析和信息检索等场景。
CRISPE
CRISPE框架：全称Character-Relationship-Interaction-Scenario-Purpose-Expectation
即角色-关系-互动-场景-目的-预期。这个框架侧重塑造鲜明的AI角色，设计丰富的互动场景，引导AI产生更加多样、个性化的输出，适合需要创意性的任务。比如文案撰写、剧本创作等场景。
结构化提示词
结构化提示词：这是一种层级化、模块化的提示词组织方式，一般采用markdwon语法来表达。
通过定义AI角色（System）、约束条件（Constrain）、背景知识（Background）、输入信息（Input）、输出要求（Output）、工作流程（Workflow）等，将复杂任务拆解成清晰的步骤，引导AI循序渐进思考，适合处理复杂任务。
05 | 思维链：颠覆性的提示词编写策略
一、什么是思维链？
思维链这个概念最早由现任谷歌大脑研究员Jason Wei在2022年提出。他发现，AI可以通过模仿人类解决问题时的思考过程，一步接一步地进行推理，从而显著提升输出质量。
简单来说，思维链就像我们脑海中的思考过程，通过将一系列思考环节串联起来，形成一个完整的决策路径。比如，当你看到天空变暗，大脑会经历这样一个思维链：
- 观察：天空变暗了。
- 推断：可能要下雨。
- 决定：出门要带伞
这个过程中的每一步都基于前一步，环环相扣，具有连贯性。
二、AI文本生成的底层原理
要理解为什么思维链有效，我们需要了解AI生成文本的底层原理。简单来说，它像一个高级版”成语接龙”，通过理解上下文和计算下一个词出现的概率来选词造句。
例如，假设我给GPT一个不完整的句子“今天天气真好，我打算去____”，AI会从其以往的训练中生成数百个可能的后续词，如“海边”、“公园”、“散步”等，并评估每个词的出现概率。如果AI希望保持话题的连贯性和积极性，它可能会选择概率最高的“公园”，因为这与外出游玩的场景相符，并且是在好天气下常见的去处。
因此，当我们希望通过AI来完成复杂的任务时，必须提供清晰的上下文，并给出一系列连贯且有逻辑的指引，以类似思维链的方式引导AI，从而帮助它在概率框架内更准确地理解我们的期望。
三、”思维链“的应用场景
例如，当我们希望借助AI完成一份市场调研报告时，可以将整个流程细分为以下几个步骤：
- 确定调研的目标和核心问题。
- 制定调研大纲，包括目标群体、研究方法、样本数量等。
- 收集数据并整理原始资料。
- 分析数据，提炼出关键结论。
- 撰写报告，提出建议和后续行动方案。
例如，当我们为职业发展制定一个五年计划时，可以通过思维链来理清思路：
- 回顾自身的兴趣、专长和价值观。
- 研究行业动向和市场需求。
- 明确职业发展目标及关键里程碑。
- 规划提升技能的计划和资源配置方案。
- 设置定期检查点，以便调整和优化策略。
本质上是一种思维导图，一个清晰的任务路线图，指引我们高效解决问题，无论是借助AI，还是依靠自己。
对于AI而言，思维链提供了清晰、连贯的任务框架，大幅提升了输出的质量和稳定性。对我们自己而言，思维链则是一个自我察觉、自我引导的工具，帮助我们理清思路，作出明智选择。
总结：
提示词作为使用大模型的基础相当重要，不管是文字创作、搭建ai智能体、ai生图或是视频，不同的提示词对于呈现的结果差距很大。
但是随着大模型的发展，未来还是否需要去编写提示词？一直也是大家在讨论的事情。
虽然随着大模型质量的提高对于提示词的要求也越来越低，畅想未来，说不定哪天大模型发展到一定的程度，目前由于大模型本身的一些问题产生的一些衍生物，提示词、智能体、rag、工作流等等都会消失。但是不管未来怎么样，学好提示词依然很重要，至少这个过程你能知道学习到AI思维，AI是如何工作的，才能更好的用好AI。
