为什么 LLM 需要「思维链」

一个简单的实验

Prompt A：
"23 个苹果分给 5 个小孩，每人几个？"

Prompt B：
"23 个苹果分给 5 个小孩，每人几个？请一步一步思考。"

A 经常错。B 几乎永远对。

为什么？

LLM 是「输出下一个 token」的概率机器。 中间没有"思考过程"，它的"思考"就是生成文本本身。

让它先输出推理过程，等于给它一个工作纸。

三种实用 CoT 模式

1. 逐步指令："请按以下步骤：1. ... 2. ..."
2. 角色提示："你是一个有 10 年经验的会计，请审视..."
3. 结构化输出：要求先输出 <thinking> 再输出 <answer>

我自己的常用模板

<role>{{role}}</role>
<task>{{task}}</task>
<context>{{context}}</context>
<thinking>
请先列出你打算怎么做（不超过 5 步），再给出最终答案。
</thinking>
<answer></answer>

为什么大多数人不写

懒。觉得"AI 应该自己懂"。 但 AI 真的不懂。它需要你指导它怎么思考。