提示词工程进阶：CoT（思维链）推理指南

为什么大模型有时候会“一本正经地胡说八道”？很多时候是因为它跳过了中间的推理步骤，直接猜测答案。思维链（Chain of Thought, CoT）是一种通过引导模型展示推理过程来提高准确率的技术。

什么是思维链？

简单来说，就是告诉模型：“在给出答案之前，先一步步地想一想”。这种方法在处理数学题、逻辑推理和常识问答时效果尤为显著。

Zero-Shot CoT

最简单的应用是“零样本思维链”。你只需要在 Prompt 结尾加上一句咒语：

加上这句话后，模型会输出：罗杰原本有 5 个球。2 罐球每罐 3 个，就是 2 * 3 = 6 个。5 + 6 = 11。答案是 11。

Few-Shot CoT

对于更复杂的任务，我们可以提供几个包含推理过程的示例（Few-Shot）。

Q: 约翰有 10 个苹果，吃掉了 2 个，送给了朋友 3 个。还剩几个？
A: 
1. 开始有 10 个苹果。
2. 吃掉 2 个，剩下 10 - 2 = 8 个。
3. 送给朋友 3 个，剩下 8 - 3 = 5 个。
答案是 5。

Q: 停车场有 20 辆车，开走了 5 辆，又开进来 8 辆。现在有几辆？
A:
1. 开始有 20 辆。
2. 开走 5 辆，20 - 5 = 15。
3. 开进来 8 辆，15 + 8 = 23。
答案是 23。

总结

CoT 不仅能提高模型的准确率，还能让我们看到模型的“思考过程”，从而更容易调试和改进 Prompt。在实际开发中，建议优先尝试 Zero-Shot CoT，如果效果不佳，再构建高质量的 Few-Shot 示例。