思维链提示词（chain of thought）：用法、示例与适用边界

当任务需要明确展示中间步骤时，可以使用思维链提示词（chain of thought prompting）；但面对推理模型，不必每次都加上“请一步一步思考”。这项在 2022 年提出的技术，最初通过带有解题过程的示例，引导模型得出答案。如今的推理模型可以在内部完成推理，无须把过程全部写出来。处理业务任务时，应先说明需要哪些证据、交付什么结果，再根据任务需要调整推理强度。

什么是思维链提示（chain of thought prompting）？

思维链提示会向语言模型提供可供参照的中间步骤，或要求它生成这些步骤，而不是只给出最终答案。 大语言模型（LLM）根据你提供的指令和上下文生成文本。CoT 就是组织这种交互的一种方式。

Jason Wei 及其合作者在论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中提出了名为“思维链提示”的技术，论文首次提交于 2022 年 1 月 28 日。他们在提示词的示例中，把问题、简短的解题说明和答案放在一起，让模型沿用同样的模式处理新问题。这是在为已有模型设计提示词，并不需要为每项任务重新训练模型。原始论文。

可以把它想象成教分析人员核对库存。只给期末库存，看不出怎么算；把期初库存、出库量、入库量和最终余额一起列出来，计算方法就清楚了。这正是原始技术背后的直觉。

现代推理模型又带来了一个需要区分的问题：分析人员打的草稿，与交给经理的报告，是两回事。你可以给模型更多内部推理空间，同时仍然要求它简短作答。

思维链提示词的作用是什么？

它的目的是帮助模型处理那些中间运算或操作会影响结果的问题。如果模型能从明确的示范中受益，带有解题过程的示例就能教它该组合哪些数值、应用哪条规则。

对业务人员而言，真正有用的问题是：结果是否更准确、更容易核查？解释更长，并不能证明其中任何一点。应把这种提示方式当作一个待验证的改进方案，放到自己的任务中评估。

业务任务中的思维链提示词示例

要教模型一种方法，就给出完整示例；要说明审核人员需要看到什么，就明确输出要求。 两者可能重合，但要求模型展示步骤的出发点并不相同。

同一个库存问题，加上解题过程前后有什么不同？

下面用库存核对演示提示词的变化。示例面向业务场景编写，并非照搬论文。其中的计算仅用于说明，不是模型测试的输出。

调整前：示例只给答案

示例问题：期初有 12 件，发出 5 件，收到 3 件。还剩多少件？

示例答案：10 件。

新问题：期初有 18 件，发出 7 件，收到 4 件。还剩多少件？

调整后：同一示例加入中间计算

示例问题：期初有 12 件，发出 5 件，收到 3 件。还剩多少件？

示例答案：剩余库存 = 期初库存 − 出库量 + 入库量 = 12 − 5 + 3 = 10 件。

新问题：期初有 18 件，发出 7 件，收到 4 件。还剩多少件？

变化在于，示例中加入了计算方法。两种写法里，新问题的正确答案都是 15 件。这个提示词并不能证明模型一定会答对，它只是演示少样本思维链（few-shot CoT）如何工作。“Few-shot”指在提示词中提供示例，而单个示例就是这种模式的最小形式。

信息提取：要求返回字段和对应证据

如果应付账款业务人员要提取发票号码，可以先给出直接的指令：

按原文返回发票号码，以及包含该号码的原文行。若未找到，返回 null。不要根据其他标识符推断发票号码。

让模型长篇解释自己如何识别出字段标签，价值不大。有了原文所在行，审核人员就能核对提取结果。如果任务进一步变成核对相互矛盾的采购订单和发票，再考虑增加推理强度。

业务决策：要求说明适用的规则

如果客服人员需要审核退款申请，应明确要交付哪些决策信息：

仅依据所提供的退款政策处理。返回建议、适用的政策条款、支持该建议的客户事实，以及任何导致无法作出决定的缺失信息。理由保持简洁。

这样的提示词明确了有用的证据，无须索取内部推理的完整记录。可复用的政策和输出要求适合放在系统提示词中，并与当前个案的文件清楚分开。

什么是零样本思维链提示？

零样本思维链（zero-shot CoT）要求模型进行中间推理，但不提供带有解题过程的示例。 Takeshi Kojima 及其合作者在论文《Large Language Models are Zero-Shot Reasoners》中研究了这种方式。论文首次提交于 2022 年 5 月 24 日，使用的指令是“让我们一步一步思考”。零样本 CoT 论文。

用于前面的库存任务，提示词就变成：

期初有 18 件，发出 7 件，收到 4 件。还剩多少件？让我们一步一步思考。

这句话给的是通用指令，没有示范具体方法。了解它有助于理解这项技术的发展，但它并不是能让当今所有模型表现都变好的通用开关。

不同变体对应的机制也不同。**少样本思维链（few-shot CoT）**提供带有解题过程的示例。**零样本思维链（zero-shot CoT）**只给指令，不给示例。Auto-CoT则利用模型，从多样化的问题中构建示例；它并不是推理模型内部思考的另一种叫法。Auto-CoT 论文。

用于业务任务时，应先把任务说清楚，再检查失败案例。如果缺的是方法、边界情况的处理方式，或指定的输出格式，再补充示例。

推理模型改变了什么？

面对原生支持推理的模型，你的主要工作是定义任务、约束和交付结果。 模型的推理控制项决定它可以投入多少内部推理；关于最终解释的指令，则决定用户会收到什么。

以下建议已于 2026 年 10 月 18 日，对照 OpenAI、Anthropic 和 Google 当时的在线文档核实。不同模型和 API 的控制方式各不相同，并不存在一套可以复制到所有服务商接口中的通用“思考预算”设置。

OpenAI：推理模型的指令要直接

OpenAI 的推理模型指南指出，这些模型会在内部推理，因此不必提示它们一步一步思考；这样做有时反而会影响表现。应先明确目标、相关背景、约束和输出格式。推理模型最佳实践。

这项建议并不适用于 OpenAI 的所有模型。GPT-4.1 的提示指南将它归为非推理模型，并指出，明确要求逐步处理可能有帮助，但会增加输出量和延迟。提示方式要根据实际使用的模型来选。GPT-4.1 提示指南。

Anthropic：先调整思考模式和推理强度，再逐步规定方法

Anthropic 的 Claude 提示指南更推荐宽泛的思考引导，而不是人为写定每一步推理过程。带有解题过程的示例仍然可以用来示范方法。对于适用的模型，关闭思考模式后，手动编写 CoT 提示可以作为备选；部分较新的模型可能会拒绝写出内部推理过程。Claude 提示最佳实践。

实际操作时，先为工作负载选择合适的推理强度。如果模型的行为仍需调整，再通过提示词引导。简单请求可能直接得到回答；设置了推理强度，也不意味着一定会出现可见的思考区块。思考过程引导。

Google：内部思考通常无须把计划写出来

Google 的 Gemini 提示指南指出，Gemini 2.5 和 Gemini 3 系列会在内部进行思考，因此通常不必要求模型输出提纲或详细推理步骤。指南也提到，面对难题，简单要求模型多花些精力思考可能有帮助，同时会消耗更多思考 token。这项建议有具体的任务前提，并不保证加上这句话就能改善每个答案。Gemini 提示设计策略。

对于字段查询，Google 的思考指南建议在支持的情况下采用最低或较低的思考强度。更高的推理强度应留给多步骤规划等复杂任务。Gemini 思考指南。

推理强度和思考预算有什么区别？

推理强度等级用于引导模型思考得多深入。Token 预算则在支持它的配置中，规定可用于思考的 token 额度。这两项设置都不会告诉模型，最终答案应包含哪些证据。

这些是需要在集成中查找的字段名，并不是一套通用配置格式。修改前，应查阅对应的 OpenAI 推理参考文档、Claude 思考指南和 Gemini Generate Content 参考文档。

计费： OpenAI 明确说明，推理 token 按输出 token 计费，即使 API 不会展示原始推理 token。服务商计费说明。

Token 是模型处理和生成内容的单位；AI 中的 token 是什么一文解释了可见文本与 token 用量之间的区别。答案很短，背后也可能有大量内部推理。

什么时候应该要求模型展示步骤？

当步骤本身就是有用的交付内容时，就应要求模型展示。 财务人员可能需要公式和代入的数据；客服审核人员可能需要政策条款与对应事实；业务分析师可能需要假设、来源引用，以及支撑建议的计算过程。

把要求写具体：

返回建议、支持该建议的来源引用、关键假设和简洁说明。展示复现结果所需的计算过程。标明缺失的证据。

这样的解释可供人核查，并不要求模型交出每一个内部想法、失败尝试或未对外展示的中间状态。

服务商提供的思考摘要则是另一类输出。OpenAI 提供受支持的推理摘要，而非原始推理 token；Anthropic 也将 Claude 的思考文本描述为摘要，而非原始思维链。应把这些摘要视为排查问题的辅助信息，不要当作完整的计算记录。OpenAI 推理摘要、Claude 思考输出。

开发者应定义应用能够校验的字段；业务人员应定义审核者能够核查的证据。如果决策依赖当前余额或订单状态，就用工具获取这些事实。函数调用可以把模型接入这些外部操作；要求模型思考更久，并不能补上缺失的记录。

思维链提示词什么时候会适得其反？

如果任务只是简单查询或固定格式的信息提取，就不必设计复杂的推理提示词。 返回一个已知的账户 ID，不应还要附带长篇论证。额外的文字只会增加应用需要解析、审核人员需要阅读的内容。

另一个限制是延迟。把推理过程写出来会增加输出量，提高模型的原生推理强度则可能让有用的答案更晚返回。OpenAI 在 GPT-4.1 文档中说明了输出量与延迟的权衡，Google 也建议为简单任务降低思考强度。实际原则是：先用直接的提示词，只有评估结果证明有必要，才增加复杂度。GPT-4.1 指南、Gemini 思考建议。

信息缺失是另一类问题。如果从未向模型提供相关政策，要求它进行更长的推理就用错了办法。应先获取政策，并确认版本。如果输入过大，应先调整放入上下文窗口的内容，也就是模型可用的工作空间，再尝试增加思考量。

过于僵化的方法，也可能不适合当前任务。一个只处理入库和出库的库存示例，并没有说明退货、损耗或预留库存该怎么算。示例要有代表性，也要允许模型指出缺少规则。

原始论文的数据能说明什么，又不能说明什么？

原始基准测试证明的是特定任务上的历史结果，并不承诺业务准确率会提升多少。 Wei 等人的 NeurIPS 2022 论文报告，PaLM 540B 在数学应用题基准 GSM8K 上，使用标准提示的准确率为 17.9%，使用思维链提示则为 56.9%。该实验设置提供了八个带有解题过程的示例。这些数据来自 2023 年 1 月 10 日论文修订版的表 1。论文及实验结果。

这些数字不能用来估算发票信息提取、退款建议或当今推理模型的效果提升。模型、基准和提示设置都会影响结果。可以用它们理解这项技术为何受到关注，但最终仍要测试你准备上线的任务。

关于思维链，哪些说法被夸大了？

解释听起来有说服力，不代表它就是完整的审计记录。 Anthropic 在 2025 年 4 月 3 日发布的研究中发现，一些模型使用了提供给它们的提示线索，却没有在解释中说明这些线索的影响。实验针对特定模型和任务，在受控场景中进行，并未衡量所有业务流程。即便如此，它仍然说明：不能把模型给出的理由，当作答案生成方式的证明。Anthropic 关于推理忠实性的研究。

要让决策可审计，应保存提供给模型的文件、检索到的记录、工具结果、适用规则和最终输出。对照原始来源核实引用，能重新计算的就重新计算。模型写出的解释有助于审核人员理解建议，但不能替代这些记录。

另一种夸大说法是：有了推理模型，就不再需要设计提示词。推理模型改变的是你需要明确哪些内容。业务目标、证据范围、异常处理和输出格式，仍然需要由你来定义。

本周可以怎样调整现有工作流？

如果所有请求都统一附加了“请一步一步思考”，现在就值得做一次调整测试。 开发者可以试着从常规信息提取任务中移除这条指令，在同一批案例上比较直接描述任务的提示词。业务人员则可以把“详尽解释所有推理”改成明确的审核材料要求：证据、计算、假设和简洁的建议。

测试新方案时，保留仍然有效的提示词。 非推理模型配合有用的示例，并不会自动过时。迁移到推理模型，是重新评估的理由，并不意味着应该直接删除旧流程。

1. 1

   选一个答案可以核查的任务

   选择发票字段提取或库存核对等重复性任务。写清楚什么算正确、什么情况应报告信息缺失，以及软件必须能解析哪些内容。

2. 2

   每次只比较一项变化

   固定模型和输入案例，比较直接提示与带有解题过程示例的提示。然后，在推理模型上固定提示词，只调整模型支持的推理强度等级。记录答案是否正确、缺少证据时如何处理、完成时间和 token 用量。

3. 3

   只保留收益足以抵消复杂度的改动

   算术和需要精确匹配的字段，优先用确定性检查。需要判断的地方，使用评分标准和人工审核；让 LLM 担任评审可以帮助扩大评估规模，但它的评分也需要校准。将满足质量和响应时间要求的版本上线。

周一就可以开始：挑一个用于重复性业务任务的提示词，明确审核人员需要哪些证据，再按上述方法比较。保留能通过检查的最简单配置。

思维链提示词常见问题

什么是思维链提示？

它是在最终答案之前，通过中间步骤或带有解题过程的示例来引导语言模型的方法。最初的少样本技术通过示例演示方法；零样本 CoT 则不提供示例，直接要求模型分步骤处理。

思维链有哪些直观的例子？

在 AI 提示词中，带有计算过程的库存题就是一个例子：期初库存减去出库量，再加上入库量，得到期末库存。把这一计算过程和已解答的示例放在一起，就能演示如何处理类似问题。

能给一个思维链提示词示例吗？

“期初有 18 件，发出 7 件，收到 4 件。还剩多少件？让我们一步一步思考。”这是零样本 CoT 的例子。对于原生支持推理的模型，也可以直接要求最终交付期末库存，以及能够复现结果的计算过程。

现在还需要思维链提示词吗？

需要，尤其是模型能够从明确示范中受益，或任务本身需要展示解题过程时。推理模型改变了默认做法：先把指令写清楚，并使用模型原生的推理控制项；有帮助时，再加入示例或解释要求。

思维链提示是谁提出的？

Jason Wei 及其合作者在 2022 年的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中提出了名为“思维链提示”的技术。他们将自然语言写成的中间解释与提示词中的示例结合起来，建立在更早关于理由说明和提示方法的研究之上。

思维链提示词最主要的好处是什么？

它能帮助适合这种方法的模型，通过中间运算或操作处理问题，而不是直接跳到答案。是否能改善你的工作流，取决于模型和任务；解释更长，本身并不是质量指标。

提示链和思维链提示有什么区别？

提示链（prompt chaining）把工作流拆成多次模型调用，将上一次的结果传入下一次。思维链提示则关注单个提示示例或回答中的中间步骤。一个工作流可以同时使用两者，但它们是不同的设计选择。

想获取构建实用 AI 工作流的操作指南，可以订阅邮件通讯。