如何更好地与小龙虾(Openclaw)交流(六)--提示词工程的进阶技巧-思维树

在上一篇文章中，我们一起学习了通过思维链和自洽性实现更复杂的推理。通过从多个“思考过程”中采样，并使它们更加深入地思考，我们可以达到改进生成模型的输出的目标。但这些技术只是触及了当前用于模拟复杂推理的方法的表面。思维树(tree-of-thought，ToT)是对这些方法的一种改进，它可以对多个想法进行深入探索。

思维树方法的工作原理如下。当面对需要多个推理步骤的问题时，将其分解成多个部分通常会有所帮助。在每个步骤中，如图所示，AI大模型会被提示探索当前问题的不同解决方案。然后，它对最佳解决方案进行投票，并继续进行下一步。

幸运的是，已经有人成功地将思维树框架转化为一种简单的提示技术。在这种提示技术中，我们无须多次调用生成模型，而是要求模型通过模拟多个专家之间的对话来模仿这种行为。这些专家会互相质疑，直到达成共识。以下是一个思维树提示词的示例：

模拟三个不同的专家都在回答这个问题。所有专家都写下他们的第一步思考，然后在组内互相分享。之后所有专家继续下一步，如此类推。如果任何专家意识到他们在任一点上错了，他就离开，不再参与后续讨论。问题如下：“****”确保经过讨论得到结果。

通过这种方法，我们可以让AI大模型通过思维树的方法探索当前问题的不同解决方案，并最终得出最佳方案。