思维链

为什么有效

对需要多步推理的问题，直接要答案等于逼模型“一步跳到结论”。让它把过程写出来，相当于把计算摊开在多个 token 上、每一步基于上一步，降低了中间出错后无法挽回的概率。Kojima 等人还发现，仅加一句“让我们一步步思考”（zero-shot CoT）就能触发类似效果。

与 ReAct 的边界

思维链是纯内部推理：全程不查资料、不调工具，只在文本里展开逻辑，适合数学、常识推断、逻辑题。ReAct 在推理步骤之间插入真实的外部动作。需要事实、需要与环境交互时用 ReAct；只是需要“想清楚”时用思维链。

常见误解

• 写出来的“推理步骤”是一种输出格式，不必然反映模型内部的真实计算过程。
• 思维链对简单事实性问题帮助不大，还会增加 token 成本。

相关术语

参考来源

1. Wei et al. — Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, NeurIPS 2022 (arXiv:2201.11903)
2. Kojima et al. — Large Language Models are Zero-Shot Reasoners (arXiv:2205.11916)