思维链Prompt推理增强

可视化演示

展示Chain-of-Thought逐步推理链、Zero-shot与Few-shot CoT对比，以及在GSM8K数学推理任务上的准确率提升效果。

思维链概念：从“报答案”到“写过程”

王老师批改试卷时最头疼的不是学生答错，而是只看到答案、看不到思路。小明以前就爱“报答案”——对了不知道为什么对，错了更不知道错在哪。王老师立下“必须写演算过程”的规矩后，小明的错误率肉眼可见地降了下来。道理很简单：把步骤写到纸上，每一步都被迫接受检查，思路自然就清晰了。

大模型也面临同样的困境。当你直接问 GPT“23×47 是多少”，它会一口气“报答案”——因为语言模型本质上是在预测下一个最可能的字词，它没有强制自己“先算中间步骤”的机制。遇到需要多步计算的问题，答案经常是“感觉对但实际错”，就像小明凭感觉写下的 1091。这就是所谓“隐式推理不足”：推理过程藏在模型内部的注意力权重里，既不受约束，也无法检查。

思维链（Chain-of-Thought, CoT）正是针对这个弱点提出的提示方法：在给出最终答案之前，显式地生成一串中间推理步骤 \(s_1, s_2, \ldots, s_n\)，再给出最终答案 \(a\)。从概率角度看，它把“一步猜出答案”变成了“一步步推出答案”：

所以思维链的本质，就是把“隐式推理”变成“显式过程”。王老师的规矩之所以有效，是因为过程逼着每一步都落在纸面上；CoT 提示之所以有效，是因为它逼着模型把“心里的小算盘”逐字打出来。知道了这一点，下一步的问题就变成了：怎么自然地把这个过程“逼”出来？

Step-by-step 触发：怎么让模型“写过程”

王老师想让小明写过程，其实有两种办法：一是直接下命令“每一步都写出来”；二是先给他看一道带完整过程的例题，让他照着葫芦画瓢。前者省事但略显生硬，后者费点口舌但更稳。两种办法背后是同一个要求——step by step，一步一步来。

对应到大模型上，这就是思维链的两种触发方式。指令式引导是指在 Prompt 里直接写“请一步一步地思考”（step by step），用一句指令切换模型的输出模式；演示式引导是指在上下文中给出带推理过程的示例（demonstrations），让模型模仿示例的格式作答。开发者可以根据任务复杂度和手里的资源，灵活选择其中一种或组合使用。

为什么“要求一下”就管用？因为大模型是自回归生成器：每个新 token 的生成都取决于之前已经生成的所有 token。一旦提示词里出现了“让我们一步一步思考”，后续生成就更倾向于输出步骤序列，而不是直接跳到结论。这种逐 token 接龙的条件关系可以写成：

两条触发路径各有所长：指令式零成本、一句话就上；演示式更可控、适合复杂任务。接下来两节，我们分别看看这两条路径的代表——Zero-shot CoT 和 Few-shot CoT。

Zero-shot CoT：一句魔法短语

王老师先在班上试了最省事的办法——不发任何例题，只丢下一句“把过程写出来！”。结果大部分学生都能照做，尤其对那些中等难度的题，有过程比没过程强得多。这就是零样本（Zero-shot）情境：不靠示例，只靠一句话触发思维链。

2022 年，研究人员发现了一个惊人的现象：只要在问题后面加上一句“Let's think step by step“（让我们一步一步思考），大模型的推理准确率就能大幅提升。原因在于，模型在训练语料里见过大量”先思考后作答“的文本，这句话就像一个开关，把模型拨到了”推理模式“：它不再试图直接蹦结论，而是先输出一段像模像样的推理过程。从形式上看，Zero-shot CoT 只是把 Prompt 从单纯的问题 \(x\)，变成了”问题 + 触发短语”的组合：

但 Zero-shot CoT 并非万能：对只需一步推理的简单任务，这句话纯属多余，还白白增加 token 开销；对需要领域知识的复杂推理，它又常常“带不动”。王老师的班里有几个基础弱的学生，光喊“写过程”也写不出像样的过程——这时候就需要掏出几道例题示范了，这正是下一节的主角。

Few-shot CoT：用示范带出推理

王老师发现光喊口号不管用后，改成在黑板上先写两道示范题：第一题完整写出“拆数→分步→汇总”的全过程，第二题写到一半，留给学生补完。这叫少样本（Few-shot）：例子的说服力，永远比一句空泛的要求强。

Few-shot CoT 就是在 Prompt 里放入若干组「题目 + 带推理过程的作答」作为示例，再附上真正要解决的新题目。模型看到示例里的推理模式后，会在新题上“照着写”。和标准 Few-shot 的关键差别在于：普通示例只给“题目→答案”，CoT 示例给的是“题目→推理步骤→答案”。研究表明，真正起作用的是推理步骤本身，而不是示例里的答案——模型学的是“如何写过程”的格式，而非死记硬背结果。形式化地看：

把两种方式摆在一起看：Zero-shot CoT 是“空口要求”，Few-shot CoT 是“以身作则”。当任务越复杂、模型规模越小，示范的价值就越明显。实操中还有个技巧：示例的推理过程也要用 CoT 风格，且宁缺毋滥——放三五个高质量示范，远比堆一大堆残缺示范效果好。

数学推理应用：过程的力量

王老师最欣慰的是，养成写过程的习惯后，小明的应用题正确率肉眼可见地提高了。数学题是思维链最肥沃的土壤：它有明确的步骤、可复算的中间量，而且“看起来会做”和“真能做对”之间差距巨大——这正是大模型最容易翻车的地方。

直接问大模型“23×47 等于多少”，它可能给出 1091 这种接近但错的答案；改用 CoT 提示后，模型会先做乘法分配律拆解、再分步计算、最后汇总，错误率显著下降。在 GSM8K 等数学基准上，思维链常常能带来数倍于标准 Prompt 的准确率提升。一个典型的思维链推理过程长这样：

思维链在数学应用中还有两个额外赠品：结果验证与错误定位。因为每一步都暴露在文本里，下游程序可以复算每个中间值——就像王老师能指着试卷说“你错在 920+161 这一步”，而不是笼统地打一个大红叉。这种“可审计的推理”，正是金融、教育等严肃场景最看重的能力。

效果评估：用数据说话

学期结束时，王老师拿出成绩单做了个对比：小明写了完整过程的题目，正确率比“空手答题”时高出近三倍。数据一摆出来，全班都服了“写过程”的价值。评估思维链的效果，同样要拿出硬指标。

主要看三个方面。第一是准确率：在同一批基准题（如 GSM8K 数学题、多跳问答）上，分别用标准 Prompt 和 CoT Prompt 测试，对比正确率；第二是成本：思维链会生成更多 token，推理延迟和 API 费用同步上升，必须权衡；第三是一致性：同一道题跑多次，看答案是否稳定——如果每次推理过程都不一样，可信度就要打折扣。其中准确率提升可以量化成：

评估也要看清适用边界：当任务本身只需一步推理时，CoT 的提升趋近于零；当模型太小、或训练语料与任务领域差距过大时，CoT 甚至可能“带偏”推理方向。王老师最终意识到，写过程是手段不是目的——合适的学生配上合适的题目，这剂良药才真正见效。这也是 Prompt 工程最朴素的真理：先小规模实验，用数据说话，再决定是否全线启用。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-# 思维链演示:用规则算术模拟 CoT 的"分步推导"结构import re  class RuleBasedCoT:    """小型分步算术推理器,模拟思维链提示下的输出结构"""     def __init__(self):        self.steps_log = []  # 记录每一步中间结果     def chain_of_thought(self, expr):        """CoT 模式:先输出推理步骤,再给出最终答案"""        m = re.match(r"^(\d+)\s*\*\s*(\d+)$", expr)        if not m:            return {"error": "仅支持形如 23*47 的乘法表达式"}        a, b = int(m.group(1)), int(m.group(2))        if not (10 <= b <= 99):            return {"error": "请让第二个因数在 10-99 之间,便于展示拆数"}        b10, b1 = (b // 10) * 10, b % 10        r1, r2 = a * b10, a * b1        # 每一步对应模型生成的一段推理文本        self.steps_log = [            "拆数:把 {} 拆成 {} 和 {}".format(b, b10, b1),            "分步:先算 {} x {} = {}".format(a, b10, r1),            "分步:再算 {} x {} = {}".format(a, b1, r2),            "汇总:{} + {} = {}".format(r1, r2, a * b),        ]        return {"steps": list(self.steps_log), "answer": a * b}     def direct_answer(self, expr):        """标准模式:不展示过程,只返回最终结果"""        m = re.match(r"^(\d+)\s*\*\s*(\d+)$", expr)        if not m:            return {"error": "仅支持乘法表达式"}        a, b = int(m.group(1)), int(m.group(2))        return {"answer": a * b, "steps": []}  def main():    solver = RuleBasedCoT()     print("=== 标准提示:计算 23*47 ===")    direct = solver.direct_answer("23*47")    print("模型输出(只有答案):", direct)     print("\n=== 思维链提示:请一步一步推理 ===")    cot = solver.chain_of_thought("23*47")    for line in cot["steps"]:        print("  ", line)    print("  最终答案:", cot["answer"])     # 校验:分步推导的答案与直接计算一致    assert cot["answer"] == direct["answer"], "答案不一致!"    print("\n校验通过:思维链的最终答案正确且过程可复算")  if __name__ == "__main__":    main()

1. def chain_of_thought(self, expr):定义 CoT 模式的入口，所有分步推理逻辑都在这里完成
2. m = re.match(r"^(\d+)\s*\*\s*(\d+)$", expr)用正则解析“数*数”形式的乘式，提取两个因数
3. b10, b1 = (b // 10) * 10, b % 10把第二个因数拆成整十和个位，模拟思维链第一步“拆数”
4. r1, r2 = a * b10, a * b1分步计算两个子乘法，得到可独立验算的中间量
5. self.steps_log = [...]按“拆数→分步→汇总”的顺序拼接推理链，对应模型输出的中间步骤序列
6. return {"steps": list(self.steps_log), "answer": a * b}返回带完整过程的输出，正是 CoT 提示词要求的格式
7. assert cot["answer"] == direct["answer"]校验分步推导与直接计算一致，体现思维链“可验证”的优势

常见误区

面试题