提示 1们介绍了提示工程的原理，几种提示模板的用法，以及最重要的FewShot的思路。其实说白了，就是给模型一些示例做参考，模型才能明白你要什么。
（1）提示的构成
指令 任务大概要做什么
上下文 则充当模型的额外知识来源
提示输入（可以看做是指令中的一环）
输出提示器（例如数学中的解 表示要写解答过程）
（2）Few-Shot（少样本）、One-Shot（单样本）和与之对应的 Zero-Shot（零样本）的概念都起源于机器学习 而 One-Shot Learning 可以看作是一种最常见的 Few-Shot 学习的情况 类比
11.7 提示2 这节课我们介绍了Chain of Thought（CoT，即“思维链”）和Tree of Thoughts（”）这两个非常有趣的概念，并探讨了如何利用它们引导大型ToT，即“思维树语言模型进行更深入的推理。
· CoT的核心思想是通过生成一系列中间推理步骤来增强模型的推理能力。在Few-Shot CoT和Zero-Shot CoT两种应用方法中，前者通过提供链式思考示例传递给模型，后者则直接告诉模型进行要按部就班的推理。
· ToT进一步扩展了CoT的思想，通过搜索由连贯的语言序列组成的思维树来解决复杂问题。我通过一个鲜花选择的实例，展示了如何在实际应用中使用ToT框架。
· 其实LangChain的核心组件Agent的本质就是进行好的提示工程，并大量地使用预置的FewShot和CoT模板。这个在之后的课程学习中我们会理解得越来越透彻。
