Chain-of-Thought（CoT）是讓AI一步一步進行連續推理；Tree of Thoughts（ToT）則是讓AI同時探索多條推理路徑，再比較選擇最佳解。這兩個是 iPAS AI應用規劃師考試中已經實際考過的 Prompt Engineering（提示工程）概念。這篇一次整理 Zero-shot、Few-shot、Role Prompting、CoT、ToT、Graph、RAG、ReAct、Self-Consistency、Structured Output 等必背技巧，用漫畫圖解＋能源管理情境例子，帶你快速掌握每種技巧的判斷關鍵字。
Prompt Engineering 提示工程大全
從「好好問 AI」一路進化到 CoT、ToT、Graph、RAG、ReAct！
🎬 第一幕：AI 為什麼有時候很聰明，有時候很笨？
AI：？？？
「你到底要我做什麼？」
AI：收到！
「這題我懂了。」
換個推理策略！」
CoT／ToT／Graph／ReAct／RAG
⭐ 先講結論：iPAS 最值得背哪些？
依目前 iPAS AI 應用規劃師初級的評鑑架構，生成式 AI 應用與「如何善用生成式 AI 工具」屬於初級範圍；而公開的歷屆試題已直接考過 Chain-of-Thought（CoT）與 Tree of Thoughts（ToT） 的情境判斷。
| 優先度 | 提示技術 | 考試要記什麼 |
|---|---|---|
| 🔥 必背 | Zero-shot / Few-shot | 零範例 vs 給範例讓 AI 模仿 |
| 🔥 必背 | Role Prompting | 指定 AI 扮演角色 |
| 🔥 必背 | Chain-of-Thought（CoT） | 把複雜問題拆成連續推理步驟 |
| 🔥 必背 | Tree of Thoughts（ToT） | 同時探索多條推理路徑，再比較選擇 |
| 🔥 必背 | RAG | 先找外部資料，再生成答案 |
| ⭐ 很值得懂 | ReAct | 推理＋行動／工具使用交替 |
| ⭐ 很值得懂 | Prompt Chaining | 大任務拆成多個 Prompt 串接 |
| ⭐ 很值得懂 | Self-Consistency | 產生多條推理，再用一致性選答案 |
| ⭐ 很值得懂 | Graph / Graph Prompting | 用節點與關係表示複雜資訊／推理結構 |
| ➕ 補充 | Structured Output | 要求 AI 輸出固定格式，例如 JSON、表格 |
🎭 第二幕：Prompt 工法角色大集合
🎯 ① Zero-shot
「不給範例，直接下指令。」
👉 適合：任務簡單、模型已知道怎麼做。
🎯 ② Few-shot
「先示範幾題，再叫 AI 照著做。」
「很爛」→ 抱怨
「請問價格？」→ 詢問
現在分類：「服務很好」→ ?
👉 重點：提供範例建立輸出模式。
🎭 ③ Role Prompting
「先告訴 AI 你要它當誰。」
請分析這棟大樓的空調節能機會。
👉 關鍵：角色、專業背景、任務情境。
🧱 ④ Prompt Chaining
「一個大任務，拆成很多小任務。」
👉 比「一次叫 AI 做完所有事」更容易控制流程。
🧠 第三幕：CoT vs ToT vs Graph——最容易混淆的三兄弟
🔗 Chain-of-Thought（CoT）
「一條路，一步一步走。」
適合：需要連續、多步驟推理的問題。
🎯 記憶：Chain = 一條鏈。
🌳 Tree of Thoughts（ToT）
「不要只走一條路，開很多條路比較！」
↙ ↓ ↘
路徑A 路徑B 路徑C
↘ ↓ ↙
比較 → 最佳路徑
適合：有多種可能方案，需要探索與比較。
🎯 記憶：Tree = 很多分支。
🕸️ Graph / Graph Prompting
「不是只有一條鏈，而是看整張關係網。」
│ │
└─關聯─> [使用型態]
│
└→ [EUI]
適合：資訊有多個節點、關係、相互連結的問題。
🎯 記憶：Graph = 關係網。
🥊 三者一秒比較
CoT：➡️ 一條路
ToT：🌳 多條路
Graph：🕸️ 整張關係網
🔎 第四幕：RAG——AI 不知道，就先去「查資料」
「你知道公司最新規章嗎？」
先搜尋／擷取相關文件
把檢索到的內容當上下文再生成答案
🎯 記憶：RAG = Retrieval → Augmented → Generation，先「找」，再「答」。
🤖 第五幕：ReAct——AI 不只想，還會「做事」
思考下一步
使用工具
取得結果
直到完成
例如：AI 想查「某大樓今日用電」→ 呼叫資料庫工具 → 讀取結果 → 再分析 → 回答。
🎯 記憶：ReAct = Reason + Act。
🔄 第六幕：Self-Consistency——「不要只問一次」
同一個複雜問題，讓模型產生多條推理路徑：
答案 42
答案 42
答案 41
42 勝出
🎯 核心：不是只相信一條推理，而是比較多個推理結果，選擇較一致的答案。
📦 第七幕：Structured Output——「不要只回答，照我的格式回答」
❌ 普通問法
AI 可能寫成一大篇文字。
✅ 結構化 Prompt
{
「問題」：…，
「原因」：…，
「改善方案」：…
}
👉 適合：系統串接、資料處理、自動化。
🏢 第八幕：全部套進「能源管理 AI」
| 情境 | 適合的 Prompt 技術 | 為什麼？ |
|---|---|---|
| 請 AI 直接分類電費單 | Zero-shot | 任務明確，不一定需要示範 |
| 先給 AI 5 張正確電費單範例 | Few-shot | 讓 AI 模仿範例 |
| 要求 AI 扮演 BERS 專家 | Role Prompting | 加入角色與專業情境 |
| 分析大樓能效，要求逐步處理 | CoT | 連續多步驟問題 |
| 提出 5 種節能方案並比較 | ToT | 多條方案路徑探索 |
| 分析空調、EUI、使用型態的關聯 | Graph / Graph Prompting | 強調節點與關係 |
| 查詢公司內部 BERS 文件再回答 | RAG | 先檢索外部／內部知識 |
| 查資料庫、計算、再做判斷 | ReAct | 推理與工具行動交替 |
| 同題產生多次答案後比一致性 | Self-Consistency | 比較多條推理結果 |
| 輸出可直接給系統讀取的 JSON | Structured Output | 固定輸出格式 |
| OCR → 清理 → 分析 → 報告 | Prompt Chaining | 把複雜流程拆開串接 |
🧠 iPAS 考前超級口訣
🔗 CoT＝一條路 🌳 ToT＝多條路 🕸️ Graph＝關係網
🔎 RAG＝先找資料 🤖 ReAct＝思考＋行動
🔄 Self-Consistency＝多次推理比一致 📦 Structured Output＝固定格式
如果考題問「哪一種最適合？」不要死背名稱，要看題目的情境。
🎯 iPAS 模擬題
Q1：某問題需要模型進行連續的多步驟推理，最適合哪一種？
Q2：某決策問題有多個可能方案，需要探索不同路徑並比較結果，最適合哪一種？
Q3：企業希望 AI 先查詢內部文件，再根據文件內容回答問題，最適合哪一種？
Q4：AI 必須查資料庫、使用計算工具，再根據觀察結果決定下一步，最適合哪一種？
Q5：使用者希望 AI 將結果固定輸出成 JSON，方便後端程式直接讀取，最適合哪一種？
📌 最後一張「考場看到關鍵字就反射」表
| 看到題目 | 腦中立刻跳出 |
|---|---|
| 「不提供範例」 | 🎯 Zero-shot |
| 「提供幾個範例」 | 🎯 Few-shot |
| 「扮演專家／角色」 | 🎭 Role Prompting |
| 「一步一步推理」 | 🔗 CoT |
| 「多條路徑、探索、比較」 | 🌳 ToT |
| 「節點、關係、網路」 | 🕸️ Graph / Graph Prompting |
| 「先搜尋文件／知識庫再回答」 | 🔎 RAG |
| 「推理＋呼叫工具＋觀察」 | 🤖 ReAct |
| 「多次推理、選一致答案」 | 🔄 Self-Consistency |
| 「固定 JSON／表格格式」 | 📦 Structured Output |
| 「大任務拆成多個 Prompt」 | ⛓️ Prompt Chaining |
⭐ 最終口訣：
「一條鏈 CoT、多條路 ToT、關係網 Graph；
先找資料 RAG、邊想邊做 ReAct。」
常見問題 FAQ
Chain-of-Thought（CoT）是什麼？
CoT是一種提示技巧，讓AI針對複雜問題進行連續、多步驟的推理，一步一步把思考過程展開，而不是直接跳到答案。適合需要邏輯推導的問題。記憶關鍵字：Chain＝一條鏈。
Tree of Thoughts（ToT）是什麼？
ToT是讓AI同時探索多條不同的推理路徑，再比較各條路徑的結果，選出最佳方案，而不是只走一條路。適合有多種可能方案、需要探索與比較的問題。記憶關鍵字：Tree＝多條分支。
RAG是什麼？
RAG（Retrieval-Augmented Generation）是先檢索外部或內部的相關文件資料，再把檢索到的內容當作上下文，讓AI根據這些資料生成答案。適合AI本身不知道、需要查詢最新或內部資料的情境。記憶關鍵字：先找，再答。
ReAct是什麼？跟CoT、ToT有什麼不同？
ReAct（Reason + Act）是讓AI在「思考」與「使用工具、採取行動」之間交替進行，例如查資料庫、呼叫API，再根據觀察結果決定下一步。CoT和ToT著重於「推理路徑」本身，ReAct則強調推理與實際行動的交替循環。
iPAS AI應用規劃師考試會怎麼考Prompt Engineering？
常見題型會描述一個情境，要求判斷該情境最適合哪一種提示技巧。目前公開試題已直接以情境考過CoT與ToT的判斷，因此建議優先掌握Zero-shot、Few-shot、Role Prompting、CoT、ToT、RAG這幾個「必背」技巧的關鍵字對應。
想進一步掌握生成式AI的應用與規劃，可以搭配 生成式AI有哪些應用？常見工具整理、鑑別式AI和生成式AI差在哪裡？ 與 企業導入生成式AI要注意什麼？評估與風險管理整理 一起複習，建立完整的AI應用規劃師知識體系，為 iPAS AI應用規劃師初級考試做好準備。
