💡 什么是CoT思维链？

CoT（Chain of Thought，思维链） 是一种引导大语言模型（如GPT系列）进行复杂推理的提示技术。它的核心思想正如页面标题所暗示的：让模型在给出最终答案之前，先展示出一步步的推理过程。

可以把CoT简单理解为：让AI“把草稿写出来”。

🧠 CoT如何工作？

1. 传统提问（直接答案）：

   问：“小明有5个苹果，给了小红2个，又买了3个，现在有几个？”
   答：“6个。”

2. CoT思维链提问（展示过程）：

   问：“小明有5个苹果，给了小红2个，又买了3个，现在有几个？我们一步步想：

   1. 开始有5个苹果。
   2. 给了小红2个，剩下 5 - 2 = 3个。
   3. 又买了3个，现在有 3 + 3 = 6个。
      所以答案是？”
      答：“6个。”

通过强制模型生成中间推理步骤，它更有可能得出正确的最终结论，尤其是在处理数学题、逻辑推理、多步骤规划等复杂任务时。

✨ 如何实现CoT思维链？

在调用模型时，可以通过以下方式实现：

1. 少样本CoT (Few-shot CoT)：
   在提问时，给模型提供几个包含“推理过程+答案”的示例，让它模仿这种模式。

   示例问题：... 推理：... 答案：...
   示例问题：... 推理：... 答案：...
   我的问题：[你的问题] 推理：
   

2. 零样本CoT (Zero-shot CoT)：
   在问题后直接加上引导词，如**“让我们一步步思考。”** 或 “请逐步推理。”。这通常就足以激发模型的推理能力。

   [你的问题] 让我们一步步思考。
   

📊 CoT的优势与局限