📄️ 快速开始
在本章中，我们打算有选择地分享一些提示的高级技术。因此，在介绍部分，我打算先列出我们将涉及技术的参考资料。如果你对本节中没有详细介绍的技巧感兴趣，请直接给我发邮件或在github上提出issue，我会尽快更新。
📄️ 思维链 Chain of Thought Prompting
Jason Wei等作者对思维链的定义是一系列的中间推理步骤（ a series of intermediate reasoning steps ）。目的是为了提高大型语言模型（LLM）进行复杂推理的能力。
📄️ 零样本思维链 Zero-shot-CoT
正如在提示中存在few-shot和zero-shot一样，CoT也有一个zero-shot的版本。有了Zero-shot-CoT，我们就不需要为不同的复杂推理问题精心设计具体的任务步骤；在回答每一个问题之前，我们只需添加一个简单的提示 "Let’s think step by step"，以引导模型逐步思考。最重要的是，Zero-shot-CoT是通用的，与任务无关的。
📄️ 知识提示 Knowledge Prompting
纳入外部知识是否能促进常识性推理仍然是一个开放的问题。一系列的工作表明，外部知识的整合可以提高模型的任务表现。知识提示（ Knowledge Prompting ）不需要对知识整合的具体任务进行监督，也不需要访问结构化的知识库。相反，知识提示可以直接从语言模型中产生知识，然后在回答问题时将这些知识作为附加输入。
📄️ AutoGPT
待更新