摘要 — CoT 由 Google Research 在 2022 年提出，通过引导模型"逐步思考"来提升复杂推理任务的准确性。核心思想是让模型展示推理过程而非直接给出答案。适用场景包括数学推理、逻辑演绎、代码调试；不适合事实问答、简单分类、创意写作。进阶技巧包括 Zero-Shot CoT 注入领域知识、Few-Shot CoT 示例增强、推理链验证。
Chain of Thought (CoT) 思维链
CoT 由 Google Research 在 2022 年提出，通过引导模型"逐步思考"来提升复杂推理任务的准确性。核心思想是：让模型展示推理过程，而非直接给出答案。
标准 CoT
在 Prompt 中加入 "Let's think step by step" 触发模型的推理链。
问题：小明有 10 个苹果，送给小红 3 个，又买了 5 个，现在有多少个？
让我们逐步推理：
1. 初始：10 个苹果
2. 送出 3 个：10 - 3 = 7 个
3. 买入 5 个：7 + 5 = 12 个
答：12 个
Self-Ask CoT
模型在推理过程中主动反问自己，识别知识缺口。
Q: 法国的首都是哪里？
追问：你确定这个信息吗？请回忆法国的官方定义。
A: 法国首都是巴黎。
何时使用 CoT
| 场景 | 适合 | 不适合 |
|---|---|---|
| 数学推理 | ✅ | |
| 逻辑演绎 | ✅ | |
| 代码调试 | ✅ | |
| 事实问答 | ❌ | |
| 简单分类 | ❌ | |
| 创意写作 | ❌ |
进阶技巧
1. 注入领域知识（Zero-Shot CoT）
作为一位资深数学教师，请逐步讲解以下问题的解题思路：
[问题内容]
2. 示例增强（Few-Shot CoT）
在 Prompt 中提供 1-2 个完整的"问题→推理步骤→答案"示例，让模型学习推理格式。
3. 验证推理链
要求模型在给出最终答案后，检查推理链的一致性：
在给出最终答案后，请验证：
- 每个推理步骤是否相互独立且无矛盾？
- 最终结论是否从所有推理步骤中必然得出？
如发现问题，说明哪一步推理有误并修正。
相关模式
- Tree of Thoughts — CoT 的树状扩展，支持多路径探索
- ReAct — CoT + 工具调用，推理与行动结合