思维链提示技巧

思维链（Chain of Thought, CoT）是一种强大的提示策略，通过引导模型逐步推理来提升复杂问题的解决能力。

1. 基本原理

什么是思维链

传统提示：

问题：15 + 23 * 2 = ?
直接给出答案。
模型输出：61
​

思维链提示：

问题：15 + 23 * 2 = ?
请一步步思考。
模型输出：
1. 先计算乘法：23 * 2 = 46
2. 再计算加法：15 + 46 = 61
答案：61
​

为什么有效

• 分解复杂任务：将大问题拆解为小步骤
• 减少跳跃性错误：逐步推理降低错误率
• 增加透明度：可以检查推理过程

2. 基础技巧

零样本思维链

# 只需添加"请一步步思考"
prompt = """
Q: 罗杰有5个网球，他又买了2罐网球，每罐3个。现在他有多少个网球？
A: 请一步步思考。
"""

# 模型会自动生成推理链
# 1. 罗杰一开始有5个网球
# 2. 他买了2罐，每罐3个，所以买了2 * 3 = 6个
# 3. 总共有5 + 6 = 11个网球
​

少样本思维链

# 提供完整示例
prompt = """
Q: 王老师有15个苹果，她给5个学生每人2个苹果，还剩多少个？
A: 让我们一步步思考：
1. 王老师一开始有15个苹果
2. 她给5个学生每人2个，所以给出去5 * 2 = 10个
3. 剩下15 - 10 = 5个苹果

Q: 一个矩形长12cm，宽8cm，周长是多少？
A: 让我们一步步思考：
1. 矩形周长公式：2 * (长 + 宽)
2. 长12cm，宽8cm
3. 周长 = 2 * (12 + 8) = 2 * 20 = 40cm

Q: 一个停车场有25个车位，已经有16辆车，还能停几辆？
A: 让我们一步步思考：
"""

# 模型会延续模式
​

3. 高级技巧

自我一致性

# 多次采样，选择最一致的答案
def self_consistency(prompt, samples=5):
    answers = []
    for _ in range(samples):
        response = llm.generate(
            prompt,
            temperature=0.7  # 增加多样性
        )
        answers.append(extract_answer(response))
    
    # 投票选择最频繁的答案
    from collections import Counter
    most_common = Counter(answers).most_common(1)[0][0]
    return most_common

# 使用场景：数学计算、逻辑推理
​

树状思维

# 探索多个可能的推理路径
def tree_of_thoughts(problem, max_branches=3, max_depth=3):
    # 生成多个可能的下一步
    thoughts = generate_next_steps(problem)
    
    # 选择top-k个最有希望的
    selected = select_promising(thoughts, k=max_branches)
    
    # 递归探索
    for thought in selected:
        if depth < max_depth:
            result = tree_of_thoughts(
                thought, 
                max_branches, 
                max_depth + 1
            )
            if result:
                return result
    
    return None
​

思维树

问题：证明√2是无理数

根节点：证明√2是无理数
├─ 分支1：假设√2是有理数
│   ├─ 子分支1.1：表示为分数p/q
│   │   └─ 推导：p² = 2q²
│   └─ 子分支1.2：p和q互质
│       └─ 矛盾：p和q都是偶数
├─ 分支2：使用反证法
│   └─ 与分支1类似
└─ 分支3：其他证明方法
    └─ ...（可能行不通）

选择最佳路径：分支1 → 子分支1.1 → 矛盾
​

4. 应用场景

数学问题

math_prompt = """
问题：一个等差数列首项是3，公差是5，求前20项的和。

让我们一步步思考：
1. 等差数列求和公式：Sₙ = n(a₁ + aₙ)/2
2. 首项a₁ = 3，公差d = 5，项数n = 20
3. 第20项：a₂₀ = a₁ + (20-1)d = 3 + 19*5 = 3 + 95 = 98
4. 求和：S₂₀ = 20*(3 + 98)/2 = 20*101/2 = 1010

答案：1010
"""
​

逻辑推理

logic_prompt = """
问题：小明比小红大，小红比小刚大，小刚比小丽大。谁最小？

让我们一步步思考：
1. 小明 > 小红
2. 小红 > 小刚
3. 小刚 > 小丽

综合推理：
小明 > 小红 > 小刚 > 小丽

答案：小丽最小
"""
​

代码生成

coding_prompt = """
问题：实现一个函数，判断一个数是否为素数

让我们一步步思考：
1. 素数的定义：只能被1和自己整除的大于1的整数
2. 边界情况：小于2的数不是素数
3. 检查方法：试除法，从2到√n
4. 优化：跳过偶数

代码实现：
def is_prime(n):
    if n < 2:
        return False
    if n == 2:
        return True
    if n % 2 == 0:
        return False
    
    for i in range(3, int(n**0.5) + 1, 2):
        if n % i == 0:
            return False
    return True
"""
​

5. 优化策略

提示词模板

# 结构化思维链提示
def cot_prompt(question):
    return f"""
请一步步思考并回答以下问题。

问题：{question}

请按以下格式回答：
思考过程：
[你的推理步骤]

最终答案：
[你的答案]
"""
​

验证与反思

# 引导模型自我检查
verification_prompt = """
请检查你的答案是否正确。

问题：{question}
你的答案：{answer}

请验证：
1. 答案是否满足所有条件？
2. 是否有计算错误？
3. 逻辑是否合理？

验证结果：
"""
​

6. 常见陷阱

过度推理

问题：2 + 2 = ?
错误：过于复杂的推理链
正确：直接给出答案，简单问题不需要复杂推理
​

推理链断裂

问题：一个复杂的多步骤问题
错误：推理链中间跳步
正确：每一步都要明确，不要省略中间步骤
​

错误的推理方向

问题：求圆的面积
错误：从周长公式开始推理
正确：从面积公式A = πr²开始
​

思维链提示是提升大模型推理能力的关键技术，合理运用可以显著改善复杂任务的解决质量。