28 分钟o1到底怎么回事？为何o1是第三种模型范式，以及你可能不知道的10件事
理解一种关于o1的历史解释，再在当前模型和工作负载上，将直接任务说明与其他受支持的提示词变体进行比较。
中级提示词工程
思维树：利用大语言模型进行审慎的问题求解（完整论文评述）
Yannic Kilcher. Yannic逐步讲解Princeton/DeepMind最初的Tree of Thoughts论文——生成、评分、剪枝、回溯循环；它为何能将“24点游戏”的准确率从4%提高到74%；以及这项技术在消耗10×token、得不偿失时的界限。它之所以实用，恰恰是因为它迫使你将ToT视为一种搜索算法，而不是神奇的提示词前缀。
AI Expert 注释
收录本视频是为了具体说明ToT是一种会产生实际token账单的搜索算法——实用要点是10x成本这一界限，而不是基准测试数字。
您应该从中获得什么
理解生成、评分、剪枝的推理模式，以及这些模式在实际工作中成本过高的情形。
先观看或了解
能够适应技术论文讲解；无需事先读过这篇论文。
最后审核：2026年5月18日
继续观看
通过相同的视频学习路径，继续观看下一个精选配套视频。
深入学习
精选的外部课程，帮助您更深入地了解该主题。
DeepLearning.AIChatGPT Prompt Engineering for Developers
Isa Fulford · Andrew Ng
用90分钟获得相当于一年实践积累的直觉。如果你已经开始编写调用LLM的代码，或正准备这样做，这是目前网上最高效的课程，能帮你弥合“试用ChatGPT”和“交付一项调用LLM的功能”之间的差距。
中级约1.5小时
Microsoft LearnWork Smarter with AI: Craft Effective Prompts for Microsoft Copilot
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
中级~1h 5m · self-paced
Coursera · Vanderbilt UniversityPrompt Engineering for ChatGPT
Dr. Jules White
这是DeepLearning.AI短期课程的学术型补充：方法同样严谨，但学习周期更长，面向不会编程的人。Dr. White将提示词设计讲解为一组可复用的模式（请求输入、扩展大纲、事实核查清单、菜单操作），而不是零散技巧。学完后，你会像设计师一样设计LLM提示词，而不再依靠猜测。
初级约18小时