摘要：在面对复杂推理任务时，直接让大语言模型 (LLM) 给出答案往往不够可靠。Chain-of-Thought Prompting (思维链提示) 通过引导模型展示中间推理步骤，大幅提升了在数学、常识和符号推理等任务上的表现。本文将深入浅出地解释 CoT 的原理，并用 Python 代码演示零样本与少样本 CoT 的实现，最后通过图表直观对比不同提示策略的效果。

---

1. 什么是思维链？

Chain-of-Thought (CoT) 是一种提示工程技术，它要求模型在输出最终答案之前，显式地生成一系列中间推理步骤——就像人类在解一道数学题时，会先写出推导过程再得出结果。

比如，问模型：

一个农场有 15 只鸡和 8 只兔子，一共有多少条腿？

• 标准提示 (Standard Prompting)：模型可能直接猜一个数字，容易出错。
• 思维链提示 (CoT Prompting)：模型会先计算鸡腿数 15×2=30，再计算兔腿数 8×4=32，然后求和 30+32=62，最后给出答案 62。

这个“思考过程”就是思维链。它不仅提高了答案的准确率，还让模型的决策过程变得可解释、可调试。

---

2. 为什么思维链有效？

CoT 之所以强大，背后有几个关键原因：

1. 将复杂问题分解为简单子问题

   多步推理任务本质上是一系列简单计算的组合。显式写出步骤可以避免模型“跳步”导致的幻觉或逻辑断裂。

2. 更充分地利用模型的预训练知识

   大规模语言模型在预训练时已经见过海量的推理过程，CoT 只是激活了这种能力，让模型模仿人类解题的格式。

3. 自验证与纠错

   当模型一步步输出时，某些错误会在中间步骤暴露出来，模型有机会在后续步骤中自行纠正（尤其在结合 Self-Consistency 时）。

4. 适用于大模型，是“涌现能力”的体现

   研究显示，CoT 仅在模型参数规模达到 ~100B 级别时才表现出显著增益，这进一步印证了它是大规模模型的一种涌现能力。

---

3. 代码实战：零样本 CoT

我们使用 openai 库来演示。零样本 CoT 不需要提供范例，只需在问题末尾加上一句魔法提示：“Let’s think step by step.”

import openai

# 设置你的 API key
openai.api_key = "YOUR_API_KEY"

def zero_shot_cot(question):
    # 在问题后追加思维链触发器
    prompt = f"{question}\n\nLet's think step by step."

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",   # 或用 "gpt-4"
        messages=[{"role": "user", "content": prompt}],
        temperature=0.0          # 保证结果稳定
    )
    return response.choices[0].message.content

# 测试问题
question = "小明有 12 个苹果，他给了小红一半，然后又买了 3 个，最后吃了 1 个。他现在有几个苹果？"
answer = zero_shot_cot(question)
print(answer)

输出示例：

Step 1: 小明一开始有 12 个苹果。
Step 2: 他给了小红一半，也就是 12 / 2 = 6 个苹果，所以剩下 12 - 6 = 6 个。
Step 3: 然后他买了 3 个，总数变成 6 + 3 = 9 个。
Step 4: 最后他吃了 1 个，剩下 9 - 1 = 8 个。
因此，小明现在有 8 个苹果。

可以看到，即使我们没有给任何示例，模型也能自动生成结构化的推理步骤，并得到正确答案。

---

4. 代码实战：少样本 CoT

对于更复杂的任务（如多位数算术、符号推理），提供少量精心设计的推理范例效果会更稳定。这就是 Few-shot CoT。

下面我们手动构建一个 prompt，其中包含两个示例，每个示例都展示了完整的推理链。

def few_shot_cot(question):
    # 示例1：逻辑推理
    example1 = """
Q: 一个篮球队进行单循环赛，每两队之间赛一场。如果总共进行了 28 场比赛，请问有多少支球队参赛？
A: 设球队数为 n，则比赛场数为 n(n-1)/2。根据题意 n(n-1)/2 = 28，所以 n(n-1) = 56。
试数：7×8=56，所以 n=8。答案是 8 支球队。
"""
    # 示例2：数学计算
    example2 = """
Q: 一个数的 3 倍加上 10 等于 40，这个数是多少？
A: 设这个数为 x，则 3x + 10 = 40。两边减 10 得 3x = 30。两边除以 3 得 x = 10。所以这个数是 10。
"""
    # 拼接最终 prompt
    prompt = f"{example1}\n{example2}\nQ: {question}\nA:"

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.0
    )
    return response.choices[0].message.content

question = "一个游泳池有进水管和排水管。单开进水管 4 小时注满，单开排水管 6 小时排空。如果两个管子同时打开，多久能注满？"
print(few_shot_cot(question))

输出示例：

设游泳池的总水量为 1，则进水管每小时注水 1/4，排水管每小时排水 1/6。
同时打开时，每小时净注水量为 1/4 - 1/6 = 1/12。
所以注满需要的时间为 1 ÷ (1/12) = 12 小时。
答案是 12 小时。

---

5. 图表：CoT 的效果究竟有多强？

论文 “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” 中的实验表明，CoT 在多个数学推理基准上大幅超越标准提示。以下是各数据集上 标准提示 与 思维链提示 的准确率对比。

📊 数据表

数据集	标准提示 (Standard)	思维链提示 (CoT)	提升幅度
GSM8K	40.5%	68.7%	+28.2%
SVAMP	47.3%	80.5%	+33.2%
ASDiv	58.0%	75.4%	+17.4%
AQuA	35.2%	52.6%	+17.4%

📈 柱状图

💡 图表说明：蓝色柱为 Standard Prompting，橙色柱为 Chain-of-Thought。在所有数学推理数据集上，CoT 均取得了 17~33 个百分点的巨大提升。

---

6. 进阶技巧与注意事项

• Self-Consistency：对同一个问题用 CoT 生成多条推理路径，然后投票选出最一致的答案，可以进一步榨取性能。
• Auto-CoT：让模型自动生成推理链示例，省去人工编写范例的麻烦。
• 局限性：CoT 仍然依赖于模型的底层推理能力，对于知识边界之外或需要外部工具的问题，可能需要结合检索增强生成 (RAG) 或工具调用。
• 成本：生成长推理链会消耗更多 token，在实际应用中需要权衡成本与收益。

---

7. 总结

Chain-of-Thought Prompting 是一种简单却极为有效的技术，它通过模仿人类“出声思考”的方式，解锁了大语言模型深藏的推理潜力。无论你是 AI 工程师还是产品经理，理解并善用 CoT 都能让 LLM 在逻辑密集型的任务中表现得更可靠、更透明。

动手试一试吧：把今天学到的 Let's think step by step. 魔法加入你的下一个 prompt，你很可能立刻就能看到惊喜！

---

参考资料：

• Wei et al., “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models”, NeurIPS 2022.
• Kojima et al., “Large Language Models are Zero-Shot Reasoners”, NeurIPS 2022.
• Wang et al., “Self-Consistency Improves Chain of Thought Reasoning in Language Models”, ICLR 2023.