思维链 CoT 的作用是什么？

知识专题：Prompt 与结构化输出题目类型：原理机制技术难度：基础

更新时间：2026-10-18

未标记

问AI

考查重点：中间步骤与推理可靠性。CoT通过中间步骤把复杂任务拆成较小判断，让后步利用前步结果；可能改善多步推理，但关键计算与最终结论仍需验证

本题目录

参考答案

CoT（Chain of Thought，思维链）通过中间推理步骤，把复杂问题拆成较小的判断或计算，让后一步能利用前一步结果。原始few-shot CoT在示例中同时展示问题、推理过程和答案；zero-shot CoT则用逐步分析类指令引导模型。

它可能改善多步计算、逻辑和约束推理，但不保证正确，也不是越长越好。生成出来的解释可能包含错误或事后合理化，因此还要核对关键中间量、依据和最终结果。

直接预测答案容易跳过条件。把“识别变量—建立关系—计算—校验”展开，可为困难步骤分配更多生成计算，并让后续输出使用已生成的中间结果。这里是推理时利用上下文，不是每次提示都会更新模型参数。

例如商品原价200元，先八折再减20元，应先得到200×0.8=160，再计算160-20=140。若把顺序反过来会得到144。关键是顺序与中间量，而不是多写几段文字。

给出清楚目标、必要条件和少量正确且相关的示例；需要外部事实时先检索或调用工具，计算可交给计算器，再检查结果是否符合约束。要求输出关键依据和可核验步骤即可，不必把完整内部推理当接口要求。

用相同题集、模型和解码设置比较直接回答与逐步方法，分别记录最终正确率、耗时和token成本。对简单抽取、翻译和格式转换，额外步骤可能只增加成本；在事实证据不足时，多推理也不会创造可靠知识。

CoT可以只在文本里推进推理。Agent还需要执行工具、读取真实观察并调整下一步；ReAct把推理与动作交替组织。模型写出“已经查询数据库”不等于系统执行过查询，必须由工具记录和返回值确认。

可能是读错条件、某步计算错、缺少证据，或解释只是支持已有结论的合理化。应将关键中间量交给独立规则或工具检查，再评测终局正确性，不能用解释长度与流畅度代替质量。

国内：JavaGuide：Prompt Engineering：思维链：借鉴逐步分析、关键依据与最终答案的分工，说明正文中只要求可核验步骤、简单任务不必增加冗长解释的取舍。
国内：WeThinkIn：提示工程：思维链与复杂推理：参考中间判断拆解、合理化解释与成本风险，说明正文中 CoT 能利用前序结果却仍需独立校验的原因。
国内：DeepSeek-AI：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning v2：依据训练与生成推理行为的区分，解释正文中提示时利用上下文并不更新模型参数的事实。
国外：Wei等 / Google：Chain-of-Thought Prompting：借鉴输入、推理示例和输出的原始 few-shot 方法，说明正文中 CoT 如何通过示例引导分步推理。
国外：Kojima等 / 东京大学、Google：Large Language Models are Zero-Shot Reasoners：参考 zero-shot 逐步提示及成功、失败案例，说明正文中逐步生成可能改善推理但不保证正确的边界。