思维链（Chain-of-Thought）：让 AI「想清楚再回答」的方法
更新日期：2026-09-30 ｜ 适用人群：用 AI 做分析、计算、规划，希望提高正确率的进阶用户
直接问 AI 一道多步计算题，它可能张口就给一个错答案；加一句「请一步一步思考」，正确率明显上升。这不是玄学，而是有名字的技术：思维链（Chain-of-Thought，CoT）——让模型先写出中间步骤，再给结论。
一、一个直观的对照
| 直接提问 | 思维链提问 | |
|---|---|---|
| 问法 | 多步问题，直接要答案 | 「请一步步分析后给出答案」 |
| 过程 | 一次「猜」出答案 | 先列条件 → 分步推导 → 汇总 |
| 结果 | 一步错，步步错 | 中间错了还有机会自查发现 |
为什么有效？可以这样理解：模型每生成一个 Token，相当于多做一步「计算」。让它把推理写出来，等于给它更多计算步骤；同时，分步展开也降低了每一步的难度。
一个演示（题目为示意，非实测）：
问题：一件商品先涨价 20%，再打八折，最终比原价贵还是便宜？
直接回答：「先涨后折，基本持平」——错。
分步回答：设原价为 100：涨价 20% → 120；打八折 → 96；
比原价低 4%。直接回答跳过了中间量，等于把两步并成一步「猜」；分步回答把每一步都摊开，错在哪一步一目了然。
二、三种用法，从易到难
| 用法 | 怎么写 | 适合 |
|---|---|---|
| 零样本 | 加一句「一步一步想」 | 随手可用，门槛最低 |
| 少样本 | 附一道相似的解题范例 | 有明显套路的题型 |
| 结构化 | 指定步骤：列条件 → 推导 → 验证 | 严谨的分析、报告 |
怎么选：先用零样本试一次；如果题型固定、错误率高，升级到少样本；如果任务重要、要交付给他人，直接用结构化。
三、什么时候用，什么时候别用
| 场景 | 建议 |
|---|---|
| 数学计算、逻辑推理 | 必用，收益最大 |
| 多条件规划（排期、预算） | 用，并要求「先列出所有约束」 |
| 重要决策分析 | 用，并追加「自查：结论是否与假设一致」 |
| 简单事实问答 | 不必用，徒增冗长 |
| 创意写作 | 慎用，分步约束可能束缚灵感 |
| 批量简单任务 | 慎用，影响速度与成本 |
四、进阶：推理模型与「思考预算」
近两年主流厂商推出了「推理模型」：把长思考内置为默认行为，回答前自动做大量中间推理。对这类模型，你不必再手动写「一步步想」，但需要学会给它发挥空间——把问题描述完整，别在提示里限死解法。
一个提醒：模型展示出来的「思考过程」是它写出来的文本，并不保证等于内部真实计算过程——可以参考，但别把它当作审计证据。
所以不必神化「推理模型」：它只是把思维链从「提示技巧」变成了「内建能力」。你的工作没有消失，仍是那两件——把问题描述清楚、把结果验收好。
五、三个常见误区
| 误区 | 纠正 |
|---|---|
| 步骤写得越长越好 | 够用即可；冗余步骤反而可能引入新错误 |
| 只写「一步步想」，不写目标 | 分步的前提是知道「奔向什么结果」 |
| 所有任务都套思维链 | 简单任务又慢又绕，先把场景分对 |
有一个配套动作比「让它想」更值钱：让它自查。生成后追加一句——
- 「假设这段推理有错，最可能错在哪一步？」
- 「换一种方法重算一遍，看结论是否一致。」
自查不能替代你的判断，但能把大部分低级错误拦在交付之前。
六、可直接复制的三段式模板
请按以下步骤完成：
1. 复述：先用自己的话复述我的问题，确认理解无误；
2. 分步：一步步分析，每步写明依据；
3. 自查：给结论前，检查是否有与前提矛盾之处。
问题：___这个模板与提示词基础的四原则同源：把「说具体、给结构」用在推理任务上。如果还不熟悉基础提问方法，建议从四原则读起；想了解模型为什么需要这种「多写几步」的辅助，看大语言模型是什么。
📖 这只是基础。系统学习 AI 应用？查看课程体系 →
返回基础入门栏目 ｜ 相关阅读：大语言模型（LLM）是什么：用大白话讲清 Token、训练与幻觉