单轮 vs 多轮 %%CB0%%

模式1：链式提示（Chain Prompting） 每一轮的输出作为下一轮的输入，层层递进。

第1轮：头脑风暴
  "请列出关于[主题]的10个创意方向"
  
第2轮：筛选深化
  "从10个方向中，选择最有潜力的3个，每个展开200字说明"
  
第3轮：具体执行
  "基于第3个方向，写一份详细的执行方案"
  
第4轮：批判审查
  "作为反对者，指出这个方案的5个潜在风险和改进建议"

模式2：分支探索（Branch Exploration） 从一个起点发散出多个方向，分别深入。

第1轮（共同起点）：
  "分析这个问题的三个核心维度"

第2轮A（分支1）：
  "基于维度1，深入分析..."

第2轮B（分支2）：
  "基于维度2，深入分析..."

第2轮C（分支3）：
  "基于维度3，深入分析..."

第3轮（汇总）：
  "综合三个维度的分析结论，给出最终建议"

模式3：迭代精炼（Iterative Refinement） 不断给出反馈，让 AI 持续改进。

第1轮：初稿
  "写一篇关于XX的初稿"
  
第2轮：反馈+修改
  "第二段的数据太旧了，换成2024年的数据，并加强过渡"
  
第3轮：再次反馈
  "结尾太突兀了，加一个呼应开头、升华主题的结尾"
  
第N轮：直到满意
  "很好，最后做一次润色，让语言更简洁有力"

1. 承上启下 每一轮开始时，简要回顾上一轮的成果： > "基于上一轮你给出的3个方向，现在我们来深入第一个方向..."

2. 单轮聚焦 每一轮只解决一个问题： > ❌ "继续完善这篇文章，同时注意语言风格和数据准确" > ✅ "现在只做一件事：把文章中的所有数据替换为2025年的最新数据"

3. 显式确认 重要节点让 AI 确认理解： > "在我继续之前，请用一句话总结你目前的理解，确认我们方向一致"

4. 保存中间产物 不要让所有讨论都留在对话窗口中——关键产出及时保存： > "请把到目前为止的结论总结成一段文字，我保存下来作为最终方案的摘要"

问题：随着对话轮次增加，早期的上下文可能被"遗忘"
尤其是一些模型上下文窗口较小（如4K tokens）

应对策略：
1. 定期总结：每5-10轮让AI总结到目前为止的关键信息
2. 重置上下文：开启新对话，把之前的摘要和关键信息粘贴进去
3. 关键信息前置：把最重要的约束在每一轮都重复一次
4. 外部存储：重要的中间结果保存到外部文档

掌握了多轮对话设计之后，接下来了解各主流模型的特点——不同模型需要不同的提示策略。