CoT和ToT能够提升表现，但是会使得模型的使用变复杂。在对话的场景下容易消耗人的耐心；实际应用的场景下，比较消耗人的token。
还有一点需要说明的是，我们在写自己的prompt的时候，不应该盲目地追求和堆砌提示词技巧，掌握一个满足需求的核心即可。而且有一些方法存在模型偏好。
实际上，不需要掌握太多框架，掌握一个，形成自己的prompt思路即可。
较为领先。将prompt从作文题变成填空题。
为了进一步降低prompt的门槛，同时确保提示词质量可以使用模版。将提示词的方法论封装融合到了模版当中。
结构话提示词的本质是，方法论的封装。解决了提示词的标准化的问题。如何把提示词的生成进行自动化的工作如下：
输入想要的prompt的内容，自动生成结构化的提示词。
角色Role:
简介：
规则：
工作流：
初始行为：
注意，对于弱模型中，结构话提示词可能无效，需要简化结构化prompt。
自动化prompt可以潜在解决人机理解差异的问题。例如意图差异。和模型复述法的底层原理差不多。
缺点：1、为了性能，给个性化需求添加太多不需要的部分。
2、可能会有束缚。
3、最开始用框架、用模版，然后从中汲取方法论，写自己的方法论，生成简短表达。
4、结构化prompt更适合应用类。
