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？
答案 （C）
核心概念
題幹已經把症狀說得很清楚——模型「能逐步說明推論過程」（代表思維鏈已經在用了）「但對多條件之間的相互影響掌握不足」。問題不在於推理有沒有展開，而在於這些條件彼此交織成一張網（庫存影響促銷、促銷影響物流、區域差異又影響庫存），線性的推理鏈無法表達這種多對多的關聯。Graph Prompting 以節點與邊的結構呈現條件及其相互關係，正好補上這個缺口。
答題技巧
快速判斷技巧：三種提示策略對應三種問題形狀——單線流程用 CoT、多方案比較用 ToT、多條件網狀關聯用 Graph Prompting。看題幹描述的問題是哪一種形狀。
易錯陷阱：(A) CoT 是最有名的提示技巧，容易反射性選中。破解關鍵在題幹那句「雖能逐步說明推論過程」——這是出題者在告訴你「CoT 已經用了、還是不夠」，等於直接把 A 排除掉。