思维链提示 (Chain-of-Thought)

什么是思维链

思维链（Chain of Thought，CoT）是一种提示技巧，通过引导 AI 展示推理过程，提升复杂任务的准确性。

核心思想：像教学生解题一样，不仅给出答案，还要展示思考过程。

---

简单对比

没有 CoT

用户: 小明有 5 个苹果，小红给了他 3 个，小明吃掉了 2 个，还剩多少个苹果？

AI: 6 个。

有 CoT

用户: 小明有 5 个苹果，小红给了他 3 个，小明吃掉了 2 个，还剩多少个苹果？请一步步思考。

AI: 让我们一步步来：
1. 小明原有 5 个苹果
2. 小红给了 3 个，所以 5 + 3 = 8 个
3. 小明吃掉了 2 个，所以 8 - 2 = 6 个
答案是还剩 6 个苹果。

---

CoT 生效的原因

1. 分配推理时间：让模型有更多”思考”机会
2. 路径可视化：每个推理步骤都可以被验证和修正
3. 中间结果：错误更容易被发现和纠正
4. 形式约束：要求逐步推理，减少跳步导致的错误

---

CoT 的使用场景

1. 数学推理

计算：25 × 14 + 37 = ?
请一步步计算，列出每一步。

2. 逻辑推理

甲、乙、丙三人中一人是医生。
甲说："我是医生。"
乙说："我不是医生。"
丙说："甲不是医生。"
已知三人中只有一人说了真话，谁是医生？
请分析每种可能性。

3. 代码调试

这段代码有什么问题？请逐步分析可能出错的地方。

4. 复杂决策

我想从北京去上海开会，时间是下周一，需要控制成本。
请分析可选的交通方式及其利弊。

---

CoT 的变体

1. 零样本 CoT

只需要加一句话，就能触发推理：

用户: 计算 123 × 456。请一步步思考。
（不需要示例，只需"请一步步思考"）

2. 手动示例 CoT

提供完整推理示例：

问题：花园里有 5 朵红花，3 朵蓝花，拿走了 2 朵花，还剩多少？
解：
1. 原有红花 5 朵 + 蓝花 3 朵 = 8 朵
2. 拿走了 2 朵
3. 8 - 2 = 6
答：还剩 6 朵。

问题：[你的问题]
解：

3. 自我一致性 CoT

多次采样，选择最一致的答案：

用三种不同方式计算，选出最可能的答案。

---

CoT 的局限性

1. 简单任务不需要：会浪费 token
2. 模型规模相关：小模型效果不明显，通常需要 30B+ 参数
3. 格式不稳定：推理步骤可能不完整或跳跃
4. token 消耗大：推理过程会消耗大量 token

---

CoT 最佳实践

1. 明确要求推理格式

请按以下格式回答：
第一步：...
第二步：...
结论：...

2. 适当提示关键步骤

注意：先确定问题类型 → 分析已知条件 → 应用公式 → 验证结果

3. 验证中间步骤

请在每一步后检查计算是否正确。

4. 控制推理深度

请用 2-3 步推理解决，不要过度复杂化。

---

组合技：CoT + 其他技巧

CoT + 角色扮演

你是一个数学老师。请讲解并一步步计算这道题。
[题目]

CoT + few-shot

示例问题1：[问题]
推理过程：[详细步骤]
答案：[答案]

示例问题2：[问题]
推理过程：[详细步骤]
答案：[答案]

现在解决：[你的问题]

CoT + 自我反思

请先一步步推理，推理完成后，检查你的答案是否合理。

---

总结

场景	推荐
数学/逻辑问题	必用 CoT
复杂代码问题	推荐使用
简单问答	不需要
小模型	效果有限

CoT 是提升 AI 推理能力的简单有效的方法，关键是用对场景。