05｜让AI展示推理过程：思维链的力量

场景引入：一道简单的应用题，AI却算错了

你正在用AI辅助做一份季度运营报告，需要计算一个关键指标。你输入：

某电商平台上季度总订单量为12,000单，退货率8%，每单平均利润45元，
其中会员订单占比60%且利润上浮20%。请计算上季度实际净利润。

AI秒回一个数字：486,000元。

你拿出计算器验算，发现不对。正确的计算过程应该是：先扣除退货订单，再分别计算会员和非会员的利润，最后汇总。AI跳过了中间步骤，直接给了一个看起来合理但实际错误的答案。

这就像学生考试时只写答案不写过程——不但老师无法判断思路是否正确，学生自己也容易在心算时出错。解决方案很简单：要求把解题步骤写出来。

这个策略在提示词工程中有个专业名称：思维链提示（Chain-of-Thought Prompting，简称CoT）。

---

什么是思维链提示

思维链提示的核心思想是：不要让AI直接跳到最终答案，而是引导它把中间推理步骤逐一展开。

打一个比方。你去餐厅点菜，服务员直接端上一盘菜说”这是你要的”，你可能会困惑。但如果服务员说”根据您说不吃辣、偏好清淡、今天的时令食材是鲈鱼，所以推荐清蒸鲈鱼”——整个推理链条透明了，你既能验证逻辑，也更信任这个推荐。

对AI来说，当它被要求展示推理过程时，并不只是在”表演思考”。展开中间步骤会迫使模型在每一步都进行更精细的计算和推断，从而显著降低在复杂任务中跳步出错的概率。这就像GPS导航——如果只告诉你终点在哪，你可能走错路；但如果一步步告诉你”前方200米左转、过两个红绿灯右转”，到达正确目的地的概率就大得多。

---

为什么CoT有效

大语言模型的本质是”下一个词预测器”——它一次只生成一个词（或token）。当你问一个需要多步推理的问题时，如果直接要求输出答案，模型需要在极少的生成步骤里完成所有计算，这就好比要求一个人在心里同时处理五个运算步骤然后直接报答案。

而当你让模型”把推理过程写出来”时，每一个中间步骤都变成了实际生成的文本。模型在生成每一步结论时，可以把前面已经写出来的步骤当作”草稿纸”来参考。这相当于给了它额外的”计算空间”。

用更技术的语言来说：CoT让模型把一个需要深度推理的任务，分解成了多个浅层推理的串联，每一步都降低了出错的风险。

---

手动CoT：在提示中提供带步骤的示例

最直接的CoT实现方式是在提示词中给出一个包含完整推理步骤的示例，然后让AI模仿这个格式来回答新问题。

示例：利润计算

你是一个财务分析助手。请按照示例中的计算步骤格式来回答问题。

【示例】
问：一家书店月销售额80,000元，成本率65%，税率13%，房租12,000元/月。
请计算月净利润。

答：
第1步：计算毛利润
毛利润 = 销售额 × (1 - 成本率) = 80,000 × (1 - 0.65) = 80,000 × 0.35 = 28,000元

第2步：计算税费
税费 = 销售额 × 税率 = 80,000 × 0.13 = 10,400元

第3步：扣除税费和固定成本
净利润 = 毛利润 - 税费 - 房租 = 28,000 - 10,400 - 12,000 = 5,600元

月净利润为5,600元。

【你的问题】
问：某电商平台上季度总订单量为12,000单，退货率8%，每单平均利润45元，
其中会员订单占比60%且利润上浮20%。请计算上季度实际净利润。

AI的回复：

第1步：计算实际成交订单量
退货订单 = 12,000 × 8% = 960单
实际成交订单 = 12,000 - 960 = 11,040单

第2步：区分会员和非会员订单
会员订单 = 11,040 × 60% = 6,624单
非会员订单 = 11,040 - 6,624 = 4,416单

第3步：分别计算利润
会员单均利润 = 45 × (1 + 20%) = 45 × 1.2 = 54元
会员总利润 = 6,624 × 54 = 357,696元
非会员总利润 = 4,416 × 45 = 198,720元

第4步：汇总
上季度实际净利润 = 357,696 + 198,720 = 556,416元

上季度实际净利润为556,416元。

每一步都清晰可查，任何一步有误都能立即定位。

---

零样本CoT：一句话触发推理链

手动CoT需要精心设计示例，在很多场景下并不方便。好消息是，研究者发现了一个极其简单的替代方案——只需要在问题末尾加上一句”请一步步思考”，就能显著提升AI的推理表现。

这就是所谓的零样本CoT（Zero-shot CoT）——不需要提供任何示例，仅靠一条指令触发。

对比实验：有无”请一步步思考”的差异

不加CoT触发语的提示：

一个水池有两个进水管A和B。A管单独注满需要6小时，
B管单独注满需要4小时。同时开两个管，多久注满？

早期模型可能回复：

同时开两个管，需要5小时注满。

这个答案是错误的（简单取了平均值）。需要说明的是，当前最新的主流模型（如 GPT-4o、Claude Sonnet 4.6）在这类简单数学题上即使不加 CoT 也大概率能答对。但在更复杂的多步推理任务中，CoT 的提升效果仍然非常显著。

加上CoT触发语的提示：

一个水池有两个进水管A和B。A管单独注满需要6小时，
B管单独注满需要4小时。同时开两个管，多久注满？

请一步步思考。

AI的回复：

第1步：计算每根管道每小时的注水量（以水池容量为1）
A管每小时注水量 = 1/6
B管每小时注水量 = 1/4

第2步：计算同时开启时每小时总注水量
总注水量 = 1/6 + 1/4 = 2/12 + 3/12 = 5/12

第3步：计算注满时间
时间 = 1 ÷ (5/12) = 12/5 = 2.4小时

同时开两个管，2.4小时（即2小时24分钟）可注满水池。

一句话的差别，结果从完全错误变成了完全正确。

常用的CoT触发语

不同的触发语措辞略有差异，但效果类似：

触发语	适用场景
请一步步思考	通用，适用于各类推理
请展示你的推理过程	偏重逻辑分析
请先分析问题，再给出答案	强调”分析在前、结论在后”
Let’s think step by step	英文场景下的经典触发语
请列出你的计算步骤	数学和数据分析场景

---

实战对比：三个场景下CoT的效果

场景一：逻辑推理

任务： 判断一个推理是否成立。

不加CoT：

所有项目经理都懂需求分析。
老张懂需求分析。
所以老张是项目经理。

这个推理正确吗？

AI回复：是的，这个推理是正确的。（实际上这是一个经典的逻辑谬误——“肯定后件”）

加CoT：

所有项目经理都懂需求分析。
老张懂需求分析。
所以老张是项目经理。

这个推理正确吗？请一步步分析推理结构。

AI回复：

第1步：梳理前提和结论
前提1：所有项目经理 → 懂需求分析（项目经理是需求分析能力的充分条件）
前提2：老张懂需求分析
结论：老张是项目经理

第2步：分析逻辑结构
前提1告诉我们"如果是项目经理，那么懂需求分析"，但并没有说"只有项目经理才懂需求分析"。
产品经理、业务分析师同样可能懂需求分析。

第3步：识别谬误类型
这是一个"肯定后件"谬误。已知A→B成立，从B成立不能推出A成立。
就像"所有猫都是动物"不能推出"所有动物都是猫"。

结论：这个推理是不正确的。

场景二：代码调试

任务： 找出代码中的bug。

不加CoT：

下面这段Python代码计算列表中所有正数的平均值，但结果不对，请找出问题：

def avg_positive(numbers):
    total = 0
    count = 0
    for n in numbers:
        if n > 0:
            total += n
        count += 1
    return total / count

AI回复：问题在于 count 应该在 if 语句里面递增。

回答正确但不够有说服力——读者可能不理解”为什么”。

加CoT：

下面这段Python代码计算列表中所有正数的平均值，但结果不对。
请一步步模拟代码执行过程来找出bug：

def avg_positive(numbers):
    total = 0
    count = 0
    for n in numbers:
        if n > 0:
            total += n
        count += 1
    return total / count

AI回复：

我用输入 [3, -1, 5, -2, 4] 来模拟执行：

第1次循环：n=3, 3>0成立, total=3, count=1
第2次循环：n=-1, -1>0不成立, total=3, count=2 ← 问题在这里
第3次循环：n=5, 5>0成立, total=8, count=3
第4次循环：n=-2, -2>0不成立, total=8, count=4
第5次循环：n=4, 4>0成立, total=12, count=5

最终返回：12 / 5 = 2.4

但正确结果应该是：(3+5+4) / 3 = 4.0

问题定位：count += 1 的缩进位置不对。它在 if 语句之外，导致负数也被
计入了分母。应将 count += 1 移到 if 代码块内部。

修复后：
def avg_positive(numbers):
    total = 0
    count = 0
    for n in numbers:
        if n > 0:
            total += n
            count += 1  # 移到 if 内部
    return total / count

通过”模拟执行”这种CoT方式，不但找到了bug，还清楚解释了为什么这是bug。

场景三：多条件决策

任务： 根据复杂规则做出判断。

公司差旅报销规则如下：
- 经济舱机票全额报销，公务舱需总监审批且仅报销80%
- 住宿标准：一线城市500元/晚，二线城市350元/晚，超出部分自付
- 餐饮补贴：国内80元/天，海外200元/天
- 出差天数超过7天的，第8天起住宿标准上浮15%

请计算：小李出差去上海（一线城市）10天，坐公务舱（票价3,200元，已获总监审批），
住宿实际花费每晚620元，餐饮按标准。他能报销多少钱？

请一步步计算。

AI回复：

第1步：计算机票报销
公务舱已获总监审批，报销80%
机票报销 = 3,200 × 80% = 2,560元

第2步：计算住宿报销
前7天：标准为500元/晚，实际620元/晚，按标准报销
前7天住宿报销 = 500 × 7 = 3,500元

第8-10天（共3天）：标准上浮15%
上浮后标准 = 500 × 1.15 = 575元/晚，实际620元/晚，仍按标准报销
后3天住宿报销 = 575 × 3 = 1,725元

住宿总报销 = 3,500 + 1,725 = 5,225元

第3步：计算餐饮补贴
上海属于国内，标准80元/天
餐饮补贴 = 80 × 10 = 800元

第4步：汇总
总报销金额 = 2,560 + 5,225 + 800 = 8,585元

小李本次出差可报销8,585元。
住宿自付部分 = (620-500)×7 + (620-575)×3 = 840 + 135 = 975元。

像这种多规则交叉的计算，不用CoT几乎不可能一次做对。

---

自我一致性：让AI多次作答，投票选最优

即使使用了CoT，模型在复杂问题上偶尔仍会犯错。自我一致性（Self-Consistency） 是CoT的一个增强策略（由 Wang et al. 提出，2022 年在 arXiv 发布，2023 年正式发表于 ICLR，论文：Self-Consistency Improves Chain of Thought Reasoning in Language Models）：让AI对同一问题独立推理多次，然后取出现频率最高的答案。

原理很直观：如果一个人做同一道数学题做了5遍，其中4遍得到相同答案、1遍算出了不同结果，那4遍得到的那个答案大概率是对的。

实践方法

请用三种不同的方法来验证以下问题的答案：

一个项目团队有5名开发、3名测试、2名设计。现在需要组建一个3人攻坚小组，
要求至少包含1名开发和1名测试。有多少种组建方式？

对每种方法，请独立推导，最后对比三个结果。

AI会用排列组合的不同切入角度（如正面计数、总数减去不满足条件的、分类讨论）分别计算，最后交叉验证。

当三种方法得到相同答案时，你对结果的信心会大幅提升。如果结果不一致，你可以让AI检查每种方法中哪一步出了问题。

简化版：直接请求二次验证

如果不想设计复杂的多次采样，一个简单的替代方案是在prompt末尾加一句：

请完成计算后，用另一种方法验算你的结果，确认答案一致。

这相当于”做完题检查一遍”，成本低但效果明显。

---

CoT的适用场景与不适用场景

CoT并不是万能的。了解它的适用边界，才能在正确的场景使用正确的策略。

适用场景

场景	为什么CoT有效
数学计算	需要多步运算，展开步骤避免心算出错
逻辑推理	需要追踪前提和推论的关系
代码分析	需要模拟执行流程
多条件决策	需要逐一检查每个条件是否满足
因果分析	需要区分相关性和因果性
规划类任务	需要考虑步骤顺序和依赖关系

不适用场景

场景	为什么CoT帮助不大
简单事实查询	”法国首都是哪里”不需要推理
创意写作	写诗、写故事更依赖联想而非逻辑链
翻译任务	翻译主要依赖语言能力而非推理能力
情感分析	”这句话是正面还是负面”通常一步就能判断

一个简单的判断标准：如果你自己在解决这个问题时需要纸笔来打草稿，那AI大概率也需要CoT。

推理模型：内置CoT的新范式

值得特别说明的是，2024 年以来出现的推理模型（如 OpenAI o1/o3/o4-mini、DeepSeek-R1 等）已经内置了链式推理能力。这些模型在回答前会自动进行多步内部推理，无需你在 prompt 中显式添加”请一步步思考”。

对于推理模型，提示词设计的策略有所不同：

• 简洁直接的指令往往效果更好——过多的 CoT 触发语可能干扰模型的内部推理链
• 聚焦于”做什么”而非”怎么想”——把精力放在清晰描述任务本身，而非指导推理过程
• Temperature 固定为 1 且不可修改——推理模型（如 o1/o3/o4-mini）在 API 层面不支持将 temperature 设置为非 1 的值，强行设置会返回错误

如果你使用的是传统模型（如 GPT-4o、Claude Sonnet 等），本章介绍的手动 CoT 和零样本 CoT 技巧仍然非常有效。关键在于了解你使用的模型类型，选择匹配的提示策略。更多关于推理模型的使用指南，可参考 OpenAI Reasoning Guide。

---

进阶技巧：控制推理方向

CoT的一个常见陷阱是先入为主——AI可能先直觉性地给出一个倾向，然后用推理步骤来”证明”这个直觉，而不是通过推理得出结论。

反面示例：

有人说Python比Java慢10倍，请分析这个说法是否正确。请一步步思考。

AI可能先假设”是的大约慢10倍”，然后找支持这个结论的证据。

改进写法：

有人说Python比Java慢10倍。请先客观列出需要考虑的因素和维度，
然后逐一分析每个因素，最后再综合得出你的判断。
不要在分析之前预设结论。

关键差别在于：明确要求”先分析后结论”的顺序，并且禁止预设结论。

另一个有效的技巧是要求AI扮演”反方”自我质疑：

请完成分析后，尝试找出你自己推理中可能存在的漏洞或隐含假设，
并评估这些漏洞是否会改变你的最终结论。

这就像法庭辩论中同时扮演控辩双方，能有效减少单向推理的偏差。

---

本章回顾

概念	说明	关键用法
思维链（CoT）	引导AI展示中间推理步骤	在prompt中提供带步骤的示例
零样本CoT	不需要示例，用一句话触发	”请一步步思考”
手动CoT	提供完整推理示例让AI模仿	在prompt中给出分步解题示范
自我一致性	多次推理取最一致的答案	要求AI用多种方法交叉验证
推理方向控制	防止AI先有结论再找理由	”先分析后结论，不要预设立场”

核心原则： CoT的本质是把”一步到位”的难题变成”逐步推进”的简单步骤。当任务复杂度超过模型单步处理能力时，CoT就是你最有力的工具。

---

思考题

1. 你在工作中遇到过哪些”AI直接给答案但答错了”的场景？尝试用CoT重新提问，观察结果是否改善。

2. 对于以下任务，你会使用CoT吗？为什么？

   • 把一段英文技术文档翻译成中文
   • 判断一段代码是否存在SQL注入风险
   • 根据销售数据预测下个月的增长率

3. 尝试设计一个prompt，让AI在分析完问题后自动找出自己推理中的薄弱环节。观察这种”自我质疑”是否提升了最终答案的质量。