CoT及ReAct解密与实战（一）

第8章 CoT及ReAct解密与实战
8.1 Chain of Thought Reasoning剖析
本节主要围绕两部分的内容，一个是思维链（Chain of Thought，CoT），另外一个是本节最重要的核心ReAct（Reasoning and Acting），对大模型应用程序而言，思维链类似于一个基础设施，它奠定了很多框架发展的基础，ReAct和思维链相结合，能展现出它很强的能力。
我们在上一章学习了思维链的工作机制以及提示词的编写，思维链是一个非常基础，也是一个非常核心的内容，思维链相当于打开了整个NLP自然语言处理领域一扇新的大门，但它内部有很多的未解之谜，有很多内容等待探索，例如，默认情况下，思维链是一种思想或者一种思维，它的思考是一个线性的过程，第一步、第二步、第三步、…、依此类推，但也可以有其他的方式，例如，可以使用树（Tree）的方式，这是一种数据结构，也可以认为它是一种算法，使用这种方式去组织思维链思考的过程，可以参考AutoPrompt的相关论文，在思维链的基础上使用不同的数据结构来组织思考过程，现在业界逐渐认识到一个很重要的点，无论是研究、还是生产级产品的开发，一个很重要的方向就是把大语言模型和传统算法结合起来，因为一个很明显的事实是，现在我们使用提示词操作大语言模型，而提示词到底是以一种什么方式来操作大语言模型，这是业界一直在做的一件事情，说到底，这种方式是一个结构的问题，类似树状结构，一般会以深度优先，相对于广度优先，AutoPrompt的论文中谈到深度优先算法的效率会更高&