思維鏈Chain of Thought (CoT)

它在解決什麼問題

語言模型本質上是一步步預測下一個字，遇到需要多步驟推理的問題（例如一道應用題、一段需要拆解的邏輯判斷），如果直接要求它「給答案」，容易在中間某一步跳過關鍵推理，導致結論出錯。

思維鏈的做法很直接：要求模型把推理過程寫出來，再給出最終答案，而不是直接跳到結論。把「怎麼想」攤開來，模型比較容易在自己的推導過程中發現矛盾或漏掉的步驟，準確度往往因此提升。

兩種出現方式

提示詞技巧。 在 prompt 裡明確要求「請一步一步思考，說明你的推理過程，最後再給出結論」，這是最早、也是任何模型都能用的做法，不需要模型本身有特別訓練。

模型內建的推理能力。 部分模型在訓練階段就被訓練成遇到複雜問題會自動展開較長的推理過程，不需要使用者特別提示，這類模型通常被稱為「推理模型」。它們回答複雜問題前的等待時間通常比較長，因為背後在做更多步驟的推論。

什麼時候該用

1. 1

   數學與邏輯類問題

   牽涉多個步驟才能算出答案的題目，展開推理過程能明顯降低中途算錯的機率。

2. 2

   需要判斷「為什麼」的任務

   例如比較兩個方案的優劣、抓資料裡的因果關係，把推理過程寫出來也方便你檢查它的判斷邏輯合不合理。

3. 3

   除錯與檢查類任務

   請它解釋每一步「怎麼想的」，比只要結論更容易發現它哪裡想錯了，你也能針對錯的那一步追問。

常見誤解

寫出推理過程不代表推理過程一定正確。 模型仍可能一步一步「很有條理地」推導出錯誤結論，攤開步驟只是讓錯誤更容易被發現，不是保證正確的機制。

推理過程長不等於品質高。 有些回答會把簡單的問題也拆成一長串步驟，看起來很仔細，實際上只是在重複繞圈，判斷品質還是要看結論站不站得住腳。