作者：Morty Lai
ChatGPT問世至今已兩年，「生成式AI」成為產業顯學。根據彭博行業研究最新報告表示，生成式AI軟體的市場規模預計會從去年的50億美元，到2032年激增至3,180億美元，平均每年成長率高達59%，總成長幅度超過6,260%。生成式AI的技術正從「快思考」向「慢思考」轉型，不再只是生成內容，而是逐步提升推理能力，進一步進行解釋、規劃和執行任務。為了提升大型語言模型（Large Language Model，LLM）的生成品質，「提示工程（Prompt Engineering）」成為關鍵技術。本文將簡單介紹三種提示技術—思維鏈、思維樹和思維圖，說明它們如何幫助生成式AI變得更聰明。
思維鏈（Chain of Thought, CoT）
思維鏈提示是一種常用且有效的方法，重點在於引導模型一步步推理，將複雜問題拆解成小步驟，讓模型按照邏輯順序解決問題。當大型語言模型遇到「餐廳有23個蘋果，使用了20個來製作午餐，然後又買了6個蘋果，餐廳最多同時有幾個蘋果？」這樣的問題，回答可能不一定精準。因此，工程師會通過「Roger一開始擁有的網球數是10個。Roger用丟7個網球後，擁有的網球數是10-7=3，所以有3個。Roger用丟後剩3個，買了2組網球，每一組有3個網球，所有現在他有3+2*3=9個網球。因為10>9>3，所以Roger最多同時有10個網球。」的提示方式，加入合適的範例與推理步驟，使模型能效仿範例的解決方式，以提升生成內容的正確性，而這種單一且線性的思考模式，被視為一條思維鏈。
在人類思考問題的過程中，並不局限於單一推理路徑，而是會探索多種解決方法。相較於單一思維鏈，若使用多條思維鏈生成結果，再從其中選擇最佳的生成內容，則更能有效提升大型語言模型生成品質。這種建立多條思維鏈的策略，能使模型能從不同角度進行推理，更有機會找出正確的解答。
思維樹（Tree of Thought, ToT）
除了鏈狀結構，思維樹提供了另一種強大的推理模式。相比思維鏈，思維樹允許每個推理步驟往多個不同的路徑發展，從而產生更多潛在的解決方案。這種方式能更好地運用大型語言模型提示設計，讓模型在複雜問題下生成更豐富、準確的回應，有效提升模型的生成品質與實用性。無論是思維鏈還是思維樹，這些方法仍然遵循自上而下的推理模式。
思維圖（Graph of Thought, GoT）
建構思維圖時，可以先將思維分為生成、聚合和精煉等三種類型。首先，可以設計多種提示，指示大型語言模型合併文章或提取摘要，從而產生多個不同提示下的結果，這屬於「生成」。接著，將生成的多個結果整合，使用新提示讓大型語言模型產出一份完整的內容，這即是「聚合」。最後，可以將聚合結果交由大型語言模型進行進一步修改或優化，這步驟稱為「精煉」。通過對思維模式進行分類，能夠在具有規範與彈性的架構下，建立出能讓大型語言模型進行深思的思維圖，從而提升生成結果的效率與品質。
《KEYPO Suite》提供的《KEYPO大數據關鍵引擎》不只是提供以大型語言模型為基礎的輿情分析軟體，其中「GPT智能報告」功能更運用豐富的提示設計思維，將文章直接進行摘要彙整，並生成出快速且精確的洞察內容。大數據股份有限公司所推出的一站式數據平台《KEYPO Suite》，更結合《Fanti 人群輪廓分析》和《KEYDERS 網路意見領袖搜尋引擎》等服務，協助品牌輕鬆找到熱門話題、目標群體和合適的網紅，全方位解決行銷和商情管理的需求。
想了解更多一站式數據科技平台《KEYPO Suite》強大功能了嗎？請立即與我們聯絡以取得更多資訊。