思维链（Chain-of-Thought）

一句话理解

让 AI 把解题过程写出来再给答案——像小学老师要求“写步骤”，写了步骤，正确率明显提高。

定义

思维链（Chain-of-Thought，简称 CoT）是一种提示技巧：要求模型在给出最终答案之前，先一步步写出中间推理过程。大量实践证明，这一招能显著提升数学、逻辑、分析类任务的表现。

你会在哪遇到它

让 AI 算账、做逻辑题、分析合同条款时，加一句“请一步一步思考”；现在产品里的“深度思考”按钮，背后就是放大版的思维链；追问 AI“你是怎么得出这个结论的”，引导它展开推理，也是同一思路。

背后的原理

模型是逐词预测的，直接要答案相当于逼它一步到位，容易在半路就选错。让它先写步骤，等于把一个大问题拆成了一串小问题，每一步都以前一步的书面结果为线索，出错率大幅下降。额外的好处是：过程写在明面上，错在哪一步一眼就能看出来。

和相近概念的区别

1 与推理模型：老式模型需要你手动要求“一步步想”，推理模型把这一步内置了，还会在内部想得更深。 2 与普通的“分点回答”：分点是排版格式，思维链是真实的推理链条，两者可以同时要求。 3 与少样本提示：可以配合使用——示例里就带上解题过程，双重加成。

常见误区

1 有步骤就一定对——模型可能“步骤写得像样、结论照样错”，关键结论要自己验算。 2 什么任务都加这句——问事实、写文案加它纯属啰嗦，它只在推理类任务上有明显收益。 3 写出过程等于真的在思考——它仍是概率预测，过程也可能前提就是错的，只是错得更有条理。