思维链（Chain-of-Thought）

思维链（Chain-of-Thought）是一种针对大型语言模型（LLM）求解复杂问题时的提示词设计方法。它不只要求模型给出最终答案，而是让模型将推导过程中的“思考步骤”以文字形式明确地呈现出来。 简称“CoT”，作为提升推理和计算等多步骤任务精度的方法备受关注。 普通提示词下，模型会直接给出答案；而思维链则引导模型“先梳理情况，再一步步推导出结论”。这使模型能够逐步调用其内部积累的知识和推理能力，从而得出更准确、更有逻辑的回答。 具体示例（数学题）： 普通提示词： “1个120元的苹果，买3个要多少钱？” → 模型输出：“360元” 思维链提示词： “1个120元的苹果，买3个要多少钱？请包含思考步骤一并作答。” → 模型输出： “1个120元的苹果买3个，120元 × 3 = 360元。因此答案是360元。” 如上所示，通过让模型将中间思考过程以文字形式输出，众多研究表明，在复杂问答、数学推理、逻辑问题、法律判断等任务上的性能均有所提升。 思维链还可与Few-shot Learning、工具调用Agent、ReAct（Reasoning + Acting）等其他高效提示词方法相结合，作为提升AI Agent推理能力的核心技术，目前正被积极研究和应用。