Step-Back Prompting
Step-Back Prompting（Zheng et al., 2023c）是一种对 Chain-of-Thought（CoT，链式思维）的小改造：在进入具体推理之前，先“后退一步”提出并回答一个更抽象、更通用的高层问题（关于相关概念、原则、定理、约束、解题策略等），再回到原问题做具体推理与求解。
它的目的通常是：
- 先把适用的知识/原则激活出来（避免一上来就被题目细节带偏）
- 建立一个正确的解题框架，降低局部贪心推理导致的错误
- 对复杂问题提供“全局规划”，再做细节计算/推导
1) 它和普通 CoT 的区别
- 普通 CoT：直接从题目细节开始逐步推理。
- Step-Back：先问一个“泛化层”的问题（类似“这题考什么原则/用什么方法更合适？”），得到高层答案后，再用该答案指导后续具体推理。
你可以把它理解为：
先写“解题大纲/方法论”，再填“具体步骤与计算”。
2) 典型 Prompt 结构（模板）
模板 A：单轮 Step-Back（一个提示里完成）
你将使用 Step-Back Prompting。
- 先回答一个更高层的通用问题：为解决该问题需要哪些关键概念/定理/原则？（只给要点）
- 然后回到原问题，基于这些要点进行推理并给出答案。
原问题：{question}
模板 B：更明确的“两段输出”（工程上更可控）
Step-back（高层问题）：这类问题一般应使用哪些概念、公式或策略？有哪些常见陷阱？
Answer Step-back：（要点列表）Now solve the original problem：{question}
Solution：…
Final answer：…
模板 C：和检索/RAG 结合（先确定要查什么）
Step-back：先列出为回答该问题需要确认的关键背景事实/定义/公式（作为检索要点）。
然后对这些要点进行检索与核实。
最后基于核实后的要点回答原问题。
3) 例子 1：数学/逻辑题（先激活方法再算）
原题：
已知函数在区间上单调递增，求不等式解集……
Step-back 高层问题可能是：
- 单调性与不等式等价变形规则是什么？
- 何时可以对两边同增函数取反函数？
- 常见陷阱：定义域、端点、是否严格单调等。
先把这些规则列出来，再进行具体代入与分类讨论，通常更不容易漏条件。
4) 例子 2：阅读理解/长文问答（先建“信息需求框架”）
原问题：
根据这篇文章，作者为什么反对某政策？请概括三点。
Step-back 问：
- “反对原因”通常来自哪些类型证据？（经济成本、伦理、执行难度、外部性、历史案例）
- 应该如何从文中定位“因果/论证”句子？（because/therefore/argues that）
然后再回原文找对应段落做三点概括，会更稳、更全。
5) 例子 3：编程/系统设计（先定原则再落地）
原问题：
设计一个高并发秒杀系统，要求防超卖、可扩展。
Step-back 问：
- 这类问题关键原则是什么？（削峰填谷、幂等、限流、库存一致性策略、读写分离、缓存与消息队列、监控与降级）
- 常见坑：缓存击穿、分布式锁粒度、事务边界、重复下单。
把“原则清单”先定下来，再给具体架构（Redis 预扣库存 + MQ 异步下单 + 数据库最终一致性等），回答通常更结构化、更少漏项。
6) 为什么它可能有效（直观解释）
很多推理错误不是“不会算”，而是：
- 一开始选错方法/忽略关键定理
- 被题目细节牵着走，没建立全局约束
- 没意识到边界条件/常见陷阱
Step-Back 通过先“抽象化”把相关知识与策略激活，相当于先做一次“规划”，再执行。
7) 使用注意事项
- 高层问题要“泛而有用”：太泛会变成空话（例如“请认真思考”没用）；太具体又退化成直接解题。
- 控制长度：高层要点 5-8 条通常够用，否则会啰嗦。
- 适合复杂题：简单题可能没收益，反而增加 token。
- 可与其他方法组合：
- Step-Back + RE2：先再读题防漏条件，再提炼高层原则
- Step-Back + Self-Ask：先定需要哪些概念，再拆子问题
- Step-Back + RaR：先把问题改写清楚，再提炼原则
如果你给我一个具体题目/任务（数学题、长文问答、系统设计都行），我可以示范一份“Step-back 高层问题 + 高层要点 + 回到原题的解答”的完整输出，并帮你把提示词做成可复用模板。