在生成式 AI 的提示工程中，Graph Prompting 在處理複雜關係資料時，為何通常比 Chain-of-Thought（CoT）更有效？
答案 （D）
核心概念
CoT 的推理是線性的——一步接一步，前面錯了後面全歪，而且無法同時表達「A 影響 B、B 又回頭影響 A、同時 C 也連到 A」這種網狀關係。Graph Prompting 則把資訊以節點與邊的方式組織，天生就能表達多對多、雙向、環狀的關聯，因此在社群網絡、知識圖譜、供應鏈這類關係複雜的資料上，比線性推理更能保留結構資訊。
答題技巧
快速判斷技巧：比較兩種方法「誰更適合某類資料」時，答案通常落在「結構表達能力」上，而不是速度或次數。看到「非線性」「網絡化」「多對多關係」就對了。
易錯陷阱：(B)(C) 用「單次」「更快」這種效率導向的理由包裝，聽起來很有吸引力。但要記住：方法的優劣比較，先看能不能正確表達問題，再看快不快。表達不了，再快也沒用。