AI专业术语
Chain of Thought
思维链 · 让 AI 像人一样一步步想
Prompt EngineeringLLM
CHAI
- 定义
- Chain of Thought是AI领域的专业术语。Chain of Thought（CoT）让 LLM 在回答前先展示推理过程，就像学生做数学题要写解题步骤一样。
最后更新：2026-03-18
什么是Chain of Thought？
Chain of Thought（CoT）让 LLM 在回答前先展示推理过程，就像学生做数学题要写解题步骤一样。简单加一句「让我们一步步思考」就能大幅提升复杂推理任务的准确率。
- Google 在 2022 年提出，是 Prompt Engineering 的里程碑
- 在数学和逻辑推理任务上提升最显著
- DeepSeek-R1 和 o1 将 CoT 内化到了模型训练中
Chain of Thought详解
Chain of Thought 由 Google 在 2022 年提出，核心发现是：让 LLM 输出中间推理步骤能显著提升复杂任务的准确率。在 GSM8K 数学基准上，CoT 将 PaLM-540B 的准确率从 18% 提升到 57%。CoT 的进化方向包括：Self-Consistency（多次采样取多数）、Tree of Thought（树状搜索）、以及 DeepSeek-R1 和 o1 将 CoT 内化到模型训练中，让模型自动进行深度推理。
Chain of Thought的应用场景
正式定义
通过引导大语言模型输出中间推理步骤来提升复杂任务准确率的提示技术
应用场景
- 数学和逻辑推理问题
- 多步骤决策和规划
- 复杂问题的分析和解答
常见误区
- CoT 不是万能的，简单任务加 CoT 可能反而降低效率
- CoT 的推理步骤不一定正确，可能是「看起来合理」的错误推理
- CoT 增加了输出 token 数，推理成本更高
实际案例
📌 CoT 的数学推理提升
在 GSM8K 数学基准上，标准 Prompt 的准确率为 18%，加入「Let's think step by step」后提升到 57%，提供 Few-shot CoT 示例后进一步提升到 74%。
Chain of Thought的参考来源
关于Chain of Thought的常见问题
- 思维链提示怎么用
- 在提示中加入「让我们一步步思考」或给出包含推理过程的示例，引导模型展示中间步骤而非直接给答案。
- 思维链对所有任务都有效吗
- 主要提升需要多步推理的任务（数学、逻辑、编程），对简单事实问答效果不明显。