思維鏈的奧秘：構建 AI 的思考過程

目前 AI 應用的一大瓶頸便是幻覺問題。
還記得我們在第四篇 淺入探討 LLM：它是如何運作的？有提到 LLM 的思考方式與人類相差甚大，LLM 基本上就是一個複雜的自動選字程式，這導致了他無法判斷他輸出的訊息是否正確。

為了解決該問題，於是便有了 “思維鏈”（Chain of Thought, CoT）的概念。她重點在於讓 AI 不要直接蹦出答案，而是一步一步推演出答案

如何實作思維鏈

最簡單的方式就是特別告知 AI
【請逐步推導，不要直接生成答案】即可
這簡單的一句話，便能提升準確度一個量級

思維鏈的好處

根據實際測試，一步一步推演能大幅提升準確度，甚至能提升數倍的效益。

1. 提高回應正確性：將複雜問題分解為簡單步驟，減少錯誤。

2. 加強可追溯性：每一個步驟都可以進行檢查，便於發現錯誤或偏差。

3. Prompt 更好調整：你可以根據他的思考方向做 prompt 的修正，對於提示詞工程有很好的改善

思維鏈的壞處

毫無疑問的就是因為花更多時間在推導，所以生成時間更長、花的錢也更多了

分段處理更複雜的問題

請把 LLM 當成一個剛大學畢業的實習生，LLM 在處理複雜問題的能力上很容易出錯。

今天舉個例子

請幫我生成一個簡單的 ToDo 應用程式，使用 JavaScript。

為了讓 AI 更好更準確地做這件事情，你有兩種做法

1. 自己設計步驟與架構
   你可以手動再把這個問題拆分成

   1. 生成應用程式的基礎架構

   2. 逐步補充功能

2. 讓 AI 自己想步驟與架構
   你可以多加一句請一步一步生成程式碼，並且參考現代軟體開發的設計流程來做開發

自己設計步驟與架構
優點在於這個方法論是你自己提出的，在 prompt 調整上可以做到更精確的調整，當然缺點就是使用場景會被侷限

讓 AI 自己想步驟與架構

優點在於更通用，開發成本更低，當然 AI 的生成會更不可控制、更不穩定

結論

接下來我們開始直接來帶 AI 應用的實際開發