iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃・115 年第一次・L12・第 36 題

多條件相互影響的決策問題,用哪種提示策略?

原題

某連鎖零售企業使用生成式 AI 協助規劃門市補貨策略。決策時需同時考量多項彼此相關的因素,例如:庫存水位、促銷活動、區域銷售差異與物流限制。專案團隊發現,AI 雖能逐步說明推論過程,但對於多條件之間的相互影響掌握不足,導致建議結果偶有偏差。若希望透過提示工程(Prompt Engineering)改善此問題,下列哪一種策略最為適合?

白話

一家連鎖零售企業用生成式 AI 規劃門市補貨策略,決策時需同時考量庫存水位、促銷活動、區域銷售差異與物流限制這幾個彼此關聯的因素。團隊發現 AI 雖能逐步說明推論過程,但對多條件之間的相互影響掌握不足,導致建議偶有偏差。

問你:要用提示工程改善 AI 對多條件相互影響的掌握,最適合哪種策略?

一句話總結

當問題涉及多個條件彼此互相影響、需要 AI 掌握這些關聯,Graph Prompting 用結構化方式把條件節點和它們之間的關聯明確寫進提示詞,讓模型看到完整的「關係圖」,是最適合的策略。

情境

先感受問題:補貨決策有哪些條件在互相拉扯?

「全家便利」連鎖零售的供應鏈規劃師雅婷,每週要決定各門市的補貨數量。她面對的不是一個簡單問題,而是一個多因素糾纏的決策網:

  • 台北門市明週有促銷活動,需求預計上升 30%
  • 但促銷期間倉儲壓力大,物流頻率可能下降
  • 北部這兩天颱風預警,物流可能中斷一天
  • 現有庫存還有 3 天的安全水位
  • 競品上週剛推出類似促銷,影響我方吸客效果

雅婷用 AI 輔助分析,AI 能一步步說出推論過程(這是 Chain of Thought 做到的),但它把「促銷」和「物流限制」當成獨立因素分開分析,沒有抓到「促銷期間物流更緊張、兩者相互影響」這個關聯,結果建議補貨量偏低。

問題的核心是:AI 需要看到條件之間的「關係」,不只是條件清單。

舊方法

現有策略為什麼處理不了條件間的關聯?

  1. Chain of Thought(思維鏈)的限制:CoT 讓模型逐步推論,但它是線性的推論鏈(A→B→C),無法呈現「A 影響 B,B 又反過來影響 A,同時 A 和 C 一起才能決定 D」這種網狀關係
  2. 條列式提示詞的限制:把條件一條一條列出(「條件1:庫存水位;條件2:促銷活動;條件3:物流限制」),模型把它們當獨立項目看,沒有看到互相影響的結構
  3. Tree of Thought 的限制:ToT 增加了推論路徑的廣度,適合需要探索多種可能性的問題,但對於「條件間的相互關聯」理解幫助有限
  4. Zero-shot 的限制:連推論步驟都沒有,對複雜多因素問題效果最差
  5. 核心缺口:以上方法都無法明確告訴模型「哪些條件之間有關聯、是什麼樣的關聯」

新方法

Graph Prompting 怎麼解

Graph Prompting 的核心概念:把問題中的條件當成「節點(Node)」,把條件之間的關聯當成「邊(Edge)」,在提示詞裡用結構化的方式把這個關係圖明確寫出來。

雅婷的提示詞可以這樣設計:

「以下是補貨決策的條件與關聯結構:

節點:庫存水位、促銷活動、物流限制、颱風預警、競品動態

關聯:促銷活動 → 需求提升(+30%);颱風預警 → 物流限制加劇;物流限制 → 補貨窗口縮短;促銷活動 + 物流限制 → 庫存風險提高;競品促銷 → 需求提升幅度折減」

這樣的結構讓模型能「看到地圖」,理解哪些因素彼此牽連,在推論時能考慮到這些關聯,而不是把每個條件當孤立項目分析。

這就是選項 C 描述的:Graph Prompting,以結構化方式呈現條件與關聯。

錯選項

為什麼其他選項是錯的

AChain of Thought,要求模型逐步展開推論

字面在說什麼

在提示詞中要求模型「一步一步說出推論過程」,讓推論更透明。

為什麼不對

題目明確說 AI「已能逐步說明推論過程」,但問題是對多條件之間的相互影響掌握不足。Chain of Thought 解決「推論是否透明」的問題,不解決「條件之間的關聯是否被理解」的問題。問題的根源不在逐步推論,在於條件結構沒有明確呈現。

誰會選錯

Chain of Thought 是最常見的提示策略,也跟「推論」有關,容易被選。但要注意題目說的是「多條件相互影響」,不是「推論步驟不夠清楚」。

BTree of Thoughts,增加多種推論路徑探索

字面在說什麼

讓模型同時考慮多條不同的推論路徑,像樹狀分支一樣探索各種可能,再選最佳。

為什麼不對

Tree of Thoughts 解決的是「需要探索多種可行方案」的問題,而不是「多條件彼此關聯」的問題。補貨決策的問題不是缺少「備選方案」,而是模型沒有掌握條件之間的關聯性。增加推論路徑不能解決條件關聯理解不足的問題。

誰會選錯

認為問題需要「探索更多可能性」就能解決的人。Tree of Thoughts 在這題的場景不是最對應的工具。

DZero-shot Prompting,避免範例影響模型判斷

字面在說什麼

不給任何範例,直接讓模型用自己的訓練知識判斷,避免被例子帶偏。

為什麼不對

Zero-shot 是最基本的提示方式,沒有任何結構輔助。對於多條件相互影響的複雜決策,Zero-shot 效果最差。而且「避免範例影響」的邏輯在這個場景根本不適用,補貨決策需要更多結構和引導,不是更少。

誰會選錯

誤解「Zero-shot 讓模型自由發揮所以更好」的人。Zero-shot 適合簡單任務,複雜的多因素決策需要明確的結構引導。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃 第 36 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。