编程提示词技巧

### 指令 ###
将以下文本翻译成汉语：
文本："hello world"

提取以下文本中的地名
所需格式：
地点：<逗号分隔的公司名称列表>
输入："虽然这些发展对研究人员来说是令人鼓舞的，但仍有许多谜团。里斯本未知的香帕利莫德中心的神经免疫学家 Henrique Veiga-Fernandes 说："我们经常在大脑和我们在周围看到的效果之间有一个黑匣子。如果我们想在治疗背景下使用它，我们实际上需要了解机制。""

什么是提示工程？

什么是提示词工程？

// 零样本
什么是提示工程

// 零样本CoT
xxxxx，让我们逐步思考（让我们一步一步分析等）

====== 多样性

# 差样本：同质化
示例1：2+3=5  
示例2：4+1=5  
示例3：5+0=5  # 模式单一

# 优样本：覆盖边界场景
示例1：负整数相加 → (-3)+(-5)=-8  
示例2：小数精度 → 0.1+0.2=0.3  
示例3：科学计数法 → 2e3 + 3e2 = 2300

======输入-输出结构化

[输入] "修改句子为正式商务邮件：'哥们，合同赶紧发我'"  
[输出] "尊敬的张先生，烦请将合同文件发送至我方，感谢配合"  

[输入] "修改句子为正式商务邮件：'这报价太坑了！'"  
[输出] "贵司报价方案与我方预算存在较大差距，望重新评估"

======错误样本

# 包含典型错误示例
示例3（错误）：  
  输入："计算(1/3)*3"  
  输出："0.999..."  # 展示浮点误差  
纠正："应使用分数表示：结果为1"

======元指令嵌入

[系统指令]  
你作为数学导师，按以下规则解题：  
1. 分步推导  
2. 最终答案用方框标注  

[示例1]  
输入："解方程：2x+5=15"  
输出："步骤1：移项得2x=10 → 步骤2：除以2得x=5 ∴ [5]"  

[新问题]  
输入："解方程：3(x-2)=12"

// 通用编写格式
问题描述......?

示例：
xxxxxxx
xxxxxxx

// 一个读后感的Prompt示例
帮我完成一份小王子读后感。
示例：
标题：读xxxx有感
开篇综述，精简概括
大纲1：故事情节
大纲2：影响深刻桥段
大纲3：结合自身
大纲4：总结升华

每个大纲需要有子集标题，保持段落拆分

示例1：
问：如果3本书价格是15元，每本书多少钱？
答：总价除以数量，15÷3=5，所以每本5元。
示例2：
问：一个包60元，打8折后多少钱？
答：8折是80%，60×0.8=48，所以是48元。
现在回答：
问：火车2小时行驶120公里，5小时能行驶多远？让我们逐步思考。

xxxxx，让我们逐步思考

请用链式思考（逐步推理）解决以下问题，并给出最终答案。
问题：{{问题}}

为了确保准确性，请按以下格式操作：
1. 生成{{k}}条完全独立的推理路径。
2. 每条路径需完整展示步骤。
3. 最后统计所有路径的最终答案，选择出现频率最高的值。

第一条路径：...
第二条路径：...
...
答案统计：{答案1:频率, 答案2:频率...}
最终答案：{{最高频答案}}

// 
你是一个严谨的AI助手，按以下规则回答：  
1. **分步思考**：将问题拆解为不可再分的子步骤，每步用"→"开头；  
2. **自我验证**：每完成3步，检查推理是否与已知条件矛盾；  
3. **最终输出**：用方框总结答案，并附一致性声明（例："经校验，所有步骤逻辑自洽"）。  

**问题**：  
[在此处粘贴问题]  

 
// 长文本创作一致性
你将以[角色名称，如：科幻作家]的身份创作。严格遵守：  
**核心设定**：  
- 人物性格：[如：主角多疑且擅长密码学]  
- 世界观规则：[如：超能力需消耗记忆]  
- 关键事件：[如：第二章飞船已坠毁]  

**输出要求**：  
1. 每次输出前，重述上段最后2句话作为连贯锚点；  
2. 新内容需通过3个维度校验：  
   - (a) 是否符合角色性格行为逻辑  
   - (b) 是否违背已建立的世界规则  
   - (c) 是否延续核心冲突  
3. 校验结果标注在文末（例："校验：(a)√ (b)√ (c)Δ[说明原因]"）  

**续写指令**：  
[在此输入创作要求]  

// 多角色辩论设计
模拟3位角色辩论：  
**角色设定**：  
- [角色A]：[立场+知识背景，如：环保激进派/气候学家]  
- [角色B]：[立场+知识背景，如：工业发展派/经济学家]  
- [角色C]：[立场+知识背景，如：中立协调员/政策专家]  

**辩论规则**：  
1. 每轮发言需引用前一位发言的核心论点（标注`@角色名`）  
2. 角色立场偏移不得超过预设的[强度值，如：10%]  
3. 最终由角色C总结共识与分歧点，并检查：  
   - 共识是否基于三方共同认可的事实  
   - 分歧是否反映角色初始立场差异  

**辩论主题**：  
[在此输入议题]  

## 知识定位声明
"生成的知识类型为：______，需满足以下属性："
- 基础概念：要求定义+分类+反例  
- 流程方法：要求步骤+工具+风险控制  
- 争议观点：要求学派对比+证据强度  
- 预测推演：要求概率区间+边界条件  

## 约束条件（必填）
1. **内容边界**：  
   "仅限[技术可行性/政策合规性/成本因素]维度，排除伦理讨论"  
2. **深度要求**：  
   "需包含1个数学模型（公式）或2个实验数据引用"  
3. **形式规范**：  
   "输出为Markdown表格，列：障碍类型/突破概率/关键瓶颈"

## 生成逻辑
"按此认知链推导：  
① 现象观察 → ② 归因分析 → ③ 推演预测 → ④ 行动建议  
每步需标注推理方法（如：归纳/演绎/类比）"

① 现象：当前脑电信号解码错误率>30%（IEEE Trans 2025）  
   → 方法：实验观察  
② 归因：噪声干扰+个体神经差异  
   → 方法：归纳分析  
③ 预测：2030年错误率降至8%（乐观）/15%（悲观）  
   → 方法：线性回归外推  
④ 建议：开发个性化校准算法  
   → 方法：解决方案设计

## 验证规则（生成后自动执行）
- 冲突检测：若预测突破概率>80%但引用论文中实验样本量<100，标红警告  
- 溯源要求：每个数据点需附加[DOI/专利号]，缺失则标记"待验证"  
- 概率校准：若乐观/悲观概率差>40%，添加不确定性说明

// 输入
1千克水比1千克棉花重，中文输出

// 输出
1千克水等于1000грам，1千克棉花等于75 грам。因此，1千克水比1千克棉花重。

# 阶段1：知识生成
你是一个知识引擎。请为以下问题生成{{N}}条关键背景事实：  
问题：{{QUESTION}}  
要求：  
- 每条知识用一句话概括  
- 编号输出  

# 阶段2：知识应用  
基于以下知识：  
{{GENERATED_KNOWLEDGE}}  
请逐步推理并回答：{{QUESTION}}  
格式：  
推理：1. ... 2. ...  
答案：{{最终答案}}


// 漏洞知识
### 样板3：**漏洞修复知识生成**（安全场景）
```markdown
## GK任务：生成Heartbleed类型漏洞修复方案
## 角色：OpenSSL核心开发者
## 输入锚点：
- 漏洞特征：缓冲区越界读取
- 影响范围：TLS 1.0-1.2
## 生成约束：
1. 修复步骤：
   ① 漏洞复现（含PoC代码）→ ② 根因定位 → ③ 补丁方案
2. 必须包含：
   - 汇编级漏洞分析（x86_64）
   - 回归测试用例（C语言）
3. 标注兼容性风险（如是否需协议升级）
## 验证规则：
- 若补丁导致性能下降>10%，需优化方案
- 检查是否覆盖所有受影响分支（OpenSSL 1.0.1-1.0.1f）
---
输出示例：
### ② 根因分析
```assembly
mov rdi, [rbp+req_len]  ; 用户可控长度
call malloc             ; 分配缓冲区
mov rsi, [rbp+user_data] 
mov rcx, rdi            ; 未校验长度!
rep movsb               ; 越界读取发生

分析以下文本：{input_text}
提取：公司名称、市场份额、核心产品
输出JSON格式

提示任务1-输入
你是一个很有帮助的助手。你的任务是根据文档回答问题。第一步是从文档中提取与问题相关的引文，由####分隔。请使用<quotes></quotes>输出引文列表。如果没有找到相关引文，请回应"未找到相关引文！"。
####
{{文档}}
####

提示任务1-输出
<quotes>
- Chain-of-thought (CoT) prompting[27]
- Generated knowledge prompting[37]
- Least-to-most prompting[38]
- Self-consistency decoding[39]
</quotes>


提示任务2-输入

根据从文档中提取的相关引文（由<quotes></quotes>分隔）和原始文档（由####分隔），请构建对问题的回答。请确保答案准确、语气友好且有帮助。

####
{{文档}}
####

<quotes>
- Chain-of-thought (CoT) prompting[27]
- Generated knowledge prompting[37]
- Least-to-most prompting[38]
- Self-consistency decoding[39]
</quotes>

提示任务2-输出
// 给出最终结果

// 常规方式，多角色假设
假设三位不同的专家来回答这个问题。
所有专家都写下他们思考这个问题的第一个步骤，然后与大家分享。
然后，所有专家都写下他们思考的下一个步骤并分享。
以此类推，直到所有专家写完他们思考的所有步骤。
只要大家发现有专家的步骤出错了，就让这位专家离开。
请问...

// 一种模板
您是问题解决专家。与其立即给出一个答案，不如像一棵思想树一样探索问题。

第 1 步：就如何解决问题提出 3 个不同的初步想法。
第 2 步：对于每个想法，扩展 2 个子想法。
第 3 步：评估所有扩展的想法：哪个最有希望，为什么？
第 4 步：选择最佳推理路径或结合见解来回答问题。

最终答案：.....


// 产品创新
### 根节点
"设计下一代智能手表健康功能"

### 思维树结构
- 深度1：功能方向（3个分支）
- 深度2：技术实现（每个方向3种方案）
- 深度3：原型设计（最优方案细化）

### 回溯条件
- 硬件限制检测：功耗>100mW则回溯
- 医疗认证风险：FDA Class II以上回溯

### 输出要求
最终方案包含：
1. 功能原理图
2. 技术可行性矩阵
3. 6个月研发路线


// 小说家指令
你正在用ToT框架创作{{类型}}小说，主题="{{主题}}"。严格按阶段执行：

## 阶段1：宇宙生成
生成3个故事设定，按格式输出并评分。要求：{{特殊要求（如：包含东方元素）}}

## 阶段2：分支探索
对最高分设定展开：
- 生成{{阵营数}}个敌对阵营（含人物卡）
- 设计{{转折点数}}个情节枢纽（每个含{{分支数}}条路径）
- 创建{{场景数}}个标志性场景（包含{{感官指标}}）

## 阶段3：生存性检测
对当前故事树执行：
1. 逻辑审计：标记科技/魔法规则冲突
2. 情感模拟：预测读者在关键节点的反应
3. 商业适配：分析是否符合{{目标平台（如：Netflix剧集）}}特性
※ 若任一检测未通过（{{阈值条件}}），返回阶段2修改

## 阶段4：终局收敛
融合{{融合路径数}}条最优路径：
- 必须使用{{串联元素（如：量子项链）}}实现情节交织
- 终章场景注入文学手法：{{手法列表（如：冰山理论）}}
- 确保核心冲突{{解决程度（如：80%解答+20%开放）}}

## 输出格式
'''
[设定树] 
1. {{设定摘要}} 得分：X|Y|Z|W
[故事树]
- 阵营：{{阵营详情}} 
- 转折点：{{路径矩阵}}
- 场景：{{场景描写}}
[终稿]
标题：《{{书名}}》 
高潮段落：{{200字文学描写}}
'''

### 修仙小说《灵根污染：天道自救录》生成报告

#### **阶段1：宇宙生成**  
**主题**：修仙世界中的「灵根污染」危机  
**特殊要求**：东方玄幻美学 + 因果轮回哲学  
**生成设定**：  
1. **设定A：浊世灵瘟**  
   - 世界观：修仙界突现「腐灵瘴气」，修士灵根被污染后堕为嗜血怪物，凡人沾染则化为行尸  
   - 核心冲突：天机阁预言「此劫源于千年前破碎的因果镜」  
   - 核心规则：  
     ▶ 灵气纯度决定修为上限  
     ▶ 杀孽过重者必遭心魔反噬  
   **得分**：9|8|7|8 → **总分32**  

2. **设定B：灵脉枯竭**  
   - 世界观：天地灵脉被神秘黑手抽干，修士为争夺残存灵矿掀起血战  
   - 核心冲突：隐世大能发现灵脉枯竭与飞升者有关  
   - 核心规则：  
     ▶ 五行灵根相生相克  
     ▶ 功德可延缓灵气消散  
   **得分**：7|9|6|7 → **总分29**  

3. **设定C：心魔具象**  
   - 世界观：修士心魔突破识海具现成实体，形成魔物巢穴「孽境」  
   - 核心冲突：剑尊发现自己的心魔竟是被屠戮的凡人冤魂  
   - 核心规则：  
     ▶ 执念越深，心魔越强  
     ▶ 超度亡魂可净化孽境  
   **得分**：8|10|9|8 → **总分35**  

> **选定设定C**（最高分）

---

#### **阶段2：分支探索**  
**敌对阵营**：  
1. **灭情道**（目标：斩尽凡尘七情）  
   - 赤霄老祖：无情剑修/面覆青铜獠牙面具  
   - 秘密：曾为救道侣屠城取魂，道侣却因怨魂反噬而亡  

2. **往生教**（目标：解放所有心魔）  
   - 渡厄仙姑：手持引魂灯/半张脸被心魔侵蚀  
   - 秘密：实为孽境孕育的先天魔胎  

**情节枢纽**：  
- **转折点1：剑尊封印破裂**  
  → 分支1.1：心魔「怨童」逃脱，吞噬三座仙城（视觉：黑雨腐蚀琉璃瓦）  
  → 分支1.2：剑尊为控心魔自封修为，伪装成游方郎中（嗅觉：血腥混着草药香）  

- **转折点2：因果镜残片现世**  
  → 分支2.1：灭情道强夺残片欲斩因果（听觉：镜碎如冰裂）  
  → 分支2.2：残片认主卖花盲女阿箬（触觉：镜面灼如烙铁）  

**标志性场景**：  
1. **孽境血月崖**  
   - 环境：倒悬的猩红孤峰，锁链捆缚着挣扎的心魔幻影  
   - 感官：  
     ▶ 视觉：心魔化作胭脂色流火坠向凡间  
     ▶ 听觉：万千哀嚎凝成刺骨罡风  
     ▶ 隐喻：修士道心化作囚笼  

2. **凡人疫镇**  
   - 环境：麻布裹尸的瘟疫小镇，屋顶挂满驱魔符  
   - 感官：  
     ▶ 嗅觉：腐臭混着艾草烟  
     ▶ 触觉：符纸灰烬粘腻如血痂  
     ▶ 隐喻：天道崩塌前的蝼蚁挣扎  

---

#### **阶段3：生存性检测**  
1. **逻辑审计**：  
   - 冲突点：心魔具象化需消耗灵力→灵力枯竭世界应无新生心魔  
   **修复**：改为「孽境吸收修士灵力反哺心魔」  

2. **情感模拟**：  
   - 剑尊目睹「怨童」幻化出亡妻面容：读者悲伤值预估 **9/10**  

3. **商业适配**（腾讯视频）：  
   - 优势：东方美学场景+强矛盾冲突  
   - 风险：世界观复杂度需前2集铺垫  
   **综合评分**：8.5 → **通过**  

---

#### **阶段4：终局收敛**  
**融合路径**：分支1.2 + 分支2.2  
**串联元素**：因果镜（残片嵌入阿箬的盲杖）  
**文学手法**：  
- 留白：最终未明示天道是否重生  
- 诗化意象：剑尊化道时身躯散作星尘，滋养干裂大地  

**高潮段落**：  
> 当赤霄老祖的斩情剑刺穿阿箬胸膛，因果镜在血泊中嗡鸣重组。盲女垂死的指尖触向镜面——  
> 千年前被屠戮的亡魂从镜中倾泻而出，却不是扑向仇人，而是化作莹白蝶群裹住剑尊将散的神魂。  
> "原来这就是天道自救..."剑尊在蝶翼纷飞中轻笑，任自己的道骨寸寸崩解。  
> 碎骨落入焦土瞬间，枯死的灵根苗破土而出，嫩芽上滚动的露珠里，倒映着阿箬逐渐睁开的清澈瞳孔。  
> **（视觉：血蝶融雪/听觉：新苗裂石/隐喻：杀劫尽头即生机）**  

---

### 终稿摘要
**标题**：《灵根污染：天道自救录》  
**核心冲突解决**：  
- 80%：剑尊化道重塑灵根法则  
- 20%：阿箬是否成为新天道留白  

**文学性锚点**：  
> "修仙者总说斩断凡尘，可若尘世成灰，仙途不过是悬在虚无中的独木桥。"  
> ——伪装郎中的剑尊为疫童敷药时低语  

> 渡厄仙姑抚摸着半边魔纹脸轻叹：  
> "你们管这叫心魔，却不知是天道在借疯癫说真话。"  

> 因果镜最后映出的画面：  
> 赤霄老祖跪在当年屠城的血巷中，抱着道侣逐渐冰冷的身体，  
> 这次他手中的剑，终于对准了自己的灵台。  

任务：将用户查询重构为适合向量检索的形式
要求：
1. 补充隐含实体（如"苹果" → "苹果公司"）
2. 扩展同义词（如"笔记本" → "笔记本电脑"）
3. 保留核心意图
输出：优化后的查询语句

# 示例：用户问"苹果发布会" → 重写为"Apple 2024年新品发布会"

## 检索提示模板
"从知识库检索与以下查询相关的段落：
查询：苹果公司

检索策略：
1. **关键词检索**：提取命名实体（产品名/技术术语）
2. **语义检索**：使用嵌入模型匹配意图
3. **混合排序**：0.6*语义相似度 + 0.4*关键词匹配度
返回前3个最相关段落"

// 法律提示

## 用户问题：
"不可抗力条款在供应链合同中的适用边界？"

## 定制化指令：
- 检索重点：《民法典》+最高法指导案例
- 生成要求：
  ① 法条原文引用（条款号）
  ② 裁判规则总结（3个关键点）
  ③ 企业实操建议（带⚠️风险提示）

## 示例输出：
```markdown
### 法律依据：
《民法典》第180条：不可抗力需满足**三要件**... [片段1]

### 裁判规则：
1. 疫情≠必然免责 → 需证明直接影响（2023粤01民终1234号）  
2. 通知延误→责任不免除 [片段2]  
3. 合同明确列举事件优先适用 [片段3]

### 企业建议：
⚠️ 必须约定：  
- 具体事件清单（如：'6级以上地震'）  
- 通知时限（≤72小时）  


// 财报
## 用户问题：
"分析特斯拉2024Q2储能业务毛利率变化"

## 定制化指令：
- 检索重点：财报电话会议记录/行业分析报告
- 生成要求：
  ① 三要素归因（价格/成本/汇率） 
  ② 可视化趋势图描述
  ③ 同业对比（宁德时代）

## 示例输出：
```json
{
  "trend": "环比提升",
  "value": "36.2% → 39.5% (+3.3pct)",
  "drivers": [
    {"factor": "锂价下跌", "impact": "+2.1pct [片段1]"}, 
    {"factor": "产品结构优化", "impact": "+1.2pct [片段2]"}
  ],
  "visual_desc": "柱状图显示2023Q4-2024Q2持续上升趋势",
  "peer_comparison": "高于宁德时代(35.8%) [片段3]"
}

// 普通提示
总结这篇关于量子计算的论文

// 方向性刺激提示
"以学术期刊审稿人的批判视角，用三个关键技术突破点总结这篇量子计算论文"

// 综合刺激
[刺激角色] 高盛集团顶级分析师  
[认知框架] 先指出市场共识 → 再用数据反驳 → 提出逆向投资策略  
[对比要求] 避免使用"可能""或许"等模糊词汇  
[关键元素] 包含3个历史案例对比

// 角色刺激
[系统] 你作为NASA航天器控制系统首席工程师
[任务] 解释火箭姿态调整原理
[要求] 使用工程术语并附控制方程

// 框架刺激
请按以下框架分析经济数据：
1. 宏观趋势定位 → 2. 关键异常值检测 → 3. 政策相关性推断

// 对比刺激
# 要求生成创新方案时：
"避免常规的A/B方法，提出类似SpaceX回收火箭式的颠覆性思路"

// 通用结构
"{刺激角色}的{认知框架}下，{对比要求}完成{任务}，输出需包含{关键元素}"

// 什么编程语言代码都行，python只是举例
用户问题 --> LLM生成Python代码 --> Python解释器执行 --> 返回正确答案

请编写Python代码解决以下问题：
问题：求函数 f(x)=x²+2x 在x=3处的导数
要求：
1. 使用math/numpy等标准库
2. 最终结果赋值给变量result
3. 禁止直接输出答案

// 金融计算
# 问题：计算本金100万，年化收益5%，存10年复利终值
# 要求：
1. 使用decimal避免浮点误差
2. 添加通货膨胀调整参数（默认3%）
3. 输出JSON：{"名义终值", "实际购买力"}

# 代码框架：
import decimal
def compound_interest(principal, rate, years, inflation=0.03):
    # 复利计算逻辑
    nominal = principal * (1 + rate)**years
    real_value = nominal / (1 + inflation)**years
    return {"名义终值": nominal, "实际购买力": real_value}
# 测试用例
assert compound_interest(1000000, 0.05, 10)['名义终值'] == 1628894.6

// 简单使用
请检查回顾刚才生成的代码是否存在语法错误？

// 极速反思指令**：  
"针对上次翻车，用这个格式帮我想新提示词：  
用户要______（本质需求），但AI输出了______（具体问题），  
**根本原因是提示词里缺了______，多了______，**  
新提示词必须包含______（救命关键词），  
参考______（成功案例风格）。"  

// 反思提示词
"针对上次关于______的任务，你输出了______（问题描述）。  
现在请严格自查：  
  我的原提示词中是否清晰要求过______？  
  你的错误属于以下哪种类型：  
   A 完全偏离指令  B 部分遗漏  C 质量不达标  
  若是A或B：指出我提示词里**最该背锅的模糊词**（比如'______'应改为'______'） 
  若是C：给出3个提升质量的关键词（如增加'______'约束）"  

文本："他愤怒地摔门而去"  

单模态AI：输出摔门动作描写

多模态CoT注入常识

结合：
**影视剧摔门片段**（视觉：用力甩门+快速离去）
**摔门声音库**（音频：短促巨响）  

AI真正理解：  
  "摔门=快速发力+制造噪音+表达情绪"  
  下次生成故事时：  
  "他抓住门把猛向后扯，'砰！'的巨响震得窗框发抖"（**动态感知迁移**）

[图像]：电路板焊接点  
[问题]：检测缺陷并分析成因  
[CoT指令]：  
1. 分割焊接点区域  
2. 检测虚焊/桥接等缺陷类型  
3. 反推生产参数问题（温度不足? 焊膏过量?）  

**模板**：  
"执行以下循环：  
  **质疑**：当前结论______的脆弱点是？  
  **行动**：用[工具]验证（例：/搜索"______最新数据"）  
  **进化**：若新数据冲突→修正结论；若一致→增加置信度"  

问题：苹果遥控器最初是为哪个设备设计的？
思考：我需要搜索苹果遥控器的历史。
行动：Search[Apple Remote]
观察：Apple Remote于2005年发布，最初为Front Row软件设计。
思考：Front Row与Apple TV相关吗？
行动：Lookup[Front Row]
观察：Front Row是苹果为Mac电脑开发的媒体中心软件。
答案：苹果遥控器最初为Mac电脑的Front Row设计。

// 
# **ReAct提示词**  
**目标**：分析TikTok在巴西的增长策略  
**工具**：/Google搜索 /SimilarWeb API /Python绘图  

"循环执行：  
  **Reason**：  
   - 现状：已知巴西用户年增40%  
   - 问题：增长是否依赖明星营销？  
   **Act**：  
   - /搜索："TikTok巴西 明星合作 2023-2024"  
   - /调用SimilarWeb：获取流量来源占比  
   **进化**：  
   - 若搜索显示明星合作<10% → 转向"素人创作者激励"分析  
   - 若API显示社交流量>60% → 深入研究分享机制  
   **输出**：  
     生成增长要素关系图（用Python matplotlib）  
     核心结论：______驱动增长的关键因子"
     
     
你是一位逻辑严谨的助手，可以在思考后使用工具进行操作。请按照以下格式回答：
Question: [用户的问题]

Thought: [你的推理]
Action: [调用的工具]
Action Input: [工具参数]
Observation: [工具返回结果]
Thought: [继续思考…]

（重复上述结构，直到得出结论）

Final Answer: [最终结论]

你可以使用以下工具：

SearchTool: 用于从网络搜索信息。
→ 输入：搜索关键词（字符串）
→ 输出：网页片段摘要

CalcTool: 用于数值计算。
→ 输入：表达式，如"17 * (3 + 5)"
→ 输出：计算结果

Observation: 查到某地人口为800万。
Thought: 人口信息已知，接下来我可以估算人均收入…

你是一位具备自主推理和工具使用能力的AI助手，可以根据任务自由决定思考路径和使用的工具。

支持工具如下：
1. SearchTool：搜索实时信息
2. CalcTool：计算数学表达式
3. WeatherTool：查询指定城市天气

请根据问题进行多步思考，必要时调用工具。请以如下格式输出：

Question: [任务描述]

Thought: [推理]
Action: [可选工具名]
Action Input: [工具输入]
Observation: [工具返回结果]
Thought: [继续推理…]
...
Final Answer: [最终答案]