三阶段模板
三阶段模板
① 生成：按任务要求完成初稿。
② 批评：对照要求逐条指出问题（只挑重要的 3 条，指出位置）。
③ 修订：按批评修改并输出定稿；未修改的部分保持不变。| 适合 | 写作、结构、格式类问题；有明确检查清单时更稳 |
|---|---|
| 不适合 | 需要外部事实校验的任务：自我批评会漏掉自身的知识错误 |
| 轮次 | 通常 1-2 轮收益明显，再多收益递减 |
本包目录（290 条）
提示词基础40 条
模式与框架50 条
- 思维链提示（Chain-of-Thought）
- Few-shot 少样本示例提示
- 零样本思维链（Let's think step by step）
- ReAct 推理与行动交替模式
- Zero-shot 零样本提示
- 检索增强提示写法（RAG 提示）
- 少样本思维链（示例带推理）
- 自洽性投票（Self-Consistency）
- 提示链（Prompt Chaining）
- 由易到难分解（Least-to-Most）
- 函数调用与参数 Schema
- 自我精修（Self-Refine）
- 推理与答案分区输出
- 程序化思考（Program-of-Thought / PAL）
- 工具调用提示结构（Toolformer 思路）
- 先计划再求解（Plan-and-Solve）
- 分块处理模式（Map-Reduce）
- 草稿纸模式（Scratchpad）
- 验证链（Chain-of-Verification, CoVe）
- 反思循环（Reflexion）
- 思维树（Tree of Thoughts）
- 路由分发模式（Router）
- 退一步抽象（Step-Back Prompting）
- 查询改写提示（Rewrite-Retrieve-Read）
- 自我提问（Self-Ask）
- 引用锚定（带出处作答）
- 正反例对比提示
- 前置门卫模式（输入输出检查）
- 骨架并行生成（Skeleton-of-Thought）
- 多角色评审（Role Ensemble）
- 连续分解问答（Successive Prompting）
- 按复杂度选择推理模式
- 输出预填（Prefill / Priming）
- 检索与推理交替（IRCoT）
- 多稿优选（Best-of-N）
- 指令复述（Instruction Repetition）
- 假设文档检索（HyDE 思路）
- 多智能体辩论（Multiagent Debate）
- 推理预算控制（思考长度）
- 先生成背景知识再作答
- 事前验尸（Pre-mortem）
- 动态示例选择（按相似度挑示例）
- 反方审查（Devil's Advocate）
- 类比提示（自生成类比示例）
- 元提示（Meta-Prompting）
- 自动提示生成与筛选（APE）
- 自动构造思维链示例（Auto-CoT）
- 密度链摘要（Chain of Density）
- 元提示优化（OPRO）
- 复述与作答（Rephrase and Respond）
自我精修（Self-Refine）
同一模型内循环“生成初稿 → 自我批评 → 修订”，不需要外部评估器；对可读性、结构类问题有改善，对事实准确性改善有限。
易错点
- 批评环节没有检查清单时，会退化成“看起来更好了”式的空泛点评
- 多轮精修可能把正确内容改错；对事实敏感的任务保留原文回退能力
数据来源与参考
- Self-Refine: Iterative Refinement with Self-Feedback（Madaan et al., NeurIPS 2023）