• 思維鏈（Chain of Thought, CoT）

可以將一個複雜的問題拆解成邏輯序列、引導AI循序推理，目的是提升模型在處理複雜推理任務時的能力。這有助於模型以一系列中間步驟來解決問題，而不是直接回答問題。這提高對問題的理解能力和回答的準確性。

範例：在解需要多步驟計算的數學題時，先列出步驟如"減去3，除以2"，而非直給答案。

• 思維樹（Tree of Thought, ToT）

與思維鏈(CoT)一樣，都是為了提升模型的推理能力。不過思維樹（ToT） 則進一步將思維鏈(CoT)延伸為樹形架構，探討多重推理分支，讓模型在不同的思維路徑上進行探索和評估，並選取最佳路徑。適合運用在策略決策，如24點遊戲或氣候變遷影響評估（分支涵蓋環境/社會層面）。

• 提示連結（Prompt Chaining）

經常被運用在自然語言處理（NLP），以先前輸出作為後續輸入，透過將多個提示串聯起來，形成連貫對話，強化脈絡連續性，創建出更具動態性和上下文感知能力的模型。適用於對話系統，實現動態回應調整，如客服聊天機器人，提供更個性化且相關的服務。