• 將任務拆解成多個步驟
• Chain of Thought(CoT)模型思考或解釋，模型輸出答案後，再放入模型進行檢查
• self-consistency: 將一次問題改成做多次，再取出現最多次的答案作為正確答案
• 讓模型使用工具，比如搜尋引擎

Tree of Thoughts(ToT)
模型輸出多個答案，第一步使用模型檢查答案是否正確，錯誤的話對另一個答案進行檢查，正確進入第二步驟產出答案再進行檢查。錯誤的話回到第一步驟對另一個答案進行檢查，依序檢查直到正確答案出現。

program of thought(PoT)
模型文字接龍寫一段程式碼，再執行是否正確。

Retrieval Augmented Generation(RAG)
對於複雜問題，模型先使用搜尋引擎或是資料庫找到額外資訊後，將問題與額外資訊輸入至語言模型產出更精確的答案。比如公司內部管理，員工想知道自己還有幾天特休，模型會根據公司內部資料庫的額外資訊來回答問題。

模型合作:
使用模型A判斷任務適合模型B、C、D哪種。
讓模型們互相討論。
讓多個模型扮演不同角色，比如project manager、programmer、user等