CoT 思维链：让模型一步步思考

CoT 是什么

思维链（Chain-of-Thought）：引导模型在给出答案前先输出中间推理步骤。对数学、逻辑、多步规划类任务，准确率提升显著 —— 因为模型把"心算"变成了"草稿纸"。

两种基本用法

• Zero-shot CoT：不加示例，只加一句魔法短语 ——

"请一步一步思考后再给出答案。"
或英文："Let's think step by step."

• Few-shot CoT：示例中不仅给"问→答"，还给完整的推理过程，模型会模仿推理风格。对格式要求高、推理路径复杂的任务效果更稳。

进阶：自洽性（Self-Consistency）

对关键问题：同一问题采样多条推理路径（temperature 稍高，跑 3~5 次），少数服从多数选最终答案。用成本换可靠性的经典手段，适合离线批处理。

何时用、何时别用

• ✅ 适用：数学计算、逻辑推理、多步规划、根因分析；
• ❌ 不适用：简单分类、格式转换、创意写作 —— 强行 CoT 只会增加 token 与延迟，甚至"过度推理"出错；
• ⚠️ 注意：推理步骤可能本身是幻觉（"看起来合理"），结论仍需验证；面向用户的场景可要求"内部推理、只给结论"以控制篇幅。

与结构化输出配合

常见生产模式：先让模型在 JSON 字段 reasoning 里写推理、在 answer 里给结论 —— 既获得 CoT 的准确率提升，又保持输出可解析。