让 AI 先想清楚再回答：一句话的魔法
这篇文章要解决什么问题
你让 AI 算一道稍微复杂的题，或者做一个需要几步推理的决策，它经常会跳过中间过程，直接给一个结论。这个结论有时是错的，但更常见的问题是——你看不出它到底是怎么想的，没法判断这个结论可不可信。
比如你问：“一个水果摊有 23 个苹果，上午卖掉 8 个，下午进了 12 个，最后剩下的一半给了员工，剩多少？” 现代模型通常能答对，但它给你的可能只是一个”14”——你不知道它中间是怎么算的，有没有偷懒跳步骤，万一错了你也没法追查。
读完这篇你能带走什么
- 什么是思维链（Chain of Thought, CoT），以及它是怎么被发现的
- 一句话的魔法技巧：让 AI 在回答前先展示思考过程
- 什么场景特别适合用，什么场景不需要（避免过度使用）
什么是思维链（CoT）
思维链（Chain of Thought，简称 CoT）就是让 AI 在回答问题之前，把思考过程一步一步写出来，而不是直接给结论。
这不是什么复杂的技术，就是一个 prompt 上的小技巧。但它的效果夸张到当时让整个研究圈震动——在 Kojima 2022 论文的 MultiArith 数学推理数据集上，text-davinci-002 模型的准确率从约 18% 提升到约 79%，就因为在问题后面加了一句话。
一个科学的笨办法
Zero-shot CoT（不需要给示例，一句话触发）的发现过程挺朴素的——不是灵光一闪，是科学的笨办法。
2022 年，Takeshi Kojima 团队想找一个”让模型自发分步推理”的触发语，他们手工列了一堆候选挨个测：
- “Let’s solve this problem by splitting it into steps.”
- “Let’s think about this logically.”
- “Let’s think step by step.”
- 还有更多类似的尝试……
在大量实验之后，他们发现**“Let’s think step by step”效果最好**——就这一句英文，6 个词，准确率提升最明显。这个结论写进论文《Large Language Models are Zero-Shot Reasoners》，成了 prompt 工程史上最有名的发现之一。
翻译成中文就是——“请一步一步思考”。
为什么”一句话”就能有效
上一篇讲过 AI 是”概率预测引擎”——它一个词一个词地生成回答。
这意味着：对大部分聊天模型来说，输出本身就是思考过程——它没有一个单独的”想”的阶段，也没有演算中间步骤的空间。所有的推理要么发生在输出里，要么就没发生。
所以对复杂问题，AI 的出错不是”不会”，而是”没有机会想”——在还没有把问题拆清楚之前，它就开始写结论了。
“请一步一步思考”这句话改变了 AI 的输出路径。原本 AI 可能跳过 5 步直接给结论，加了这句话后它会把每一步分别写出来。每写对一步，就为下一步提供了更准的上下文；同时你也能在任何一步发现问题并纠正它。
一个例外
有一类专门的推理模型（官方宣传时会强调”思考""reasoning”之类的字眼），它们内部已经在做 CoT 这件事了——会先进行大量看不见的推理再给你最终结论。对这类模型，“请一步步思考”的效果会弱一些，因为机制已经内置了。
但对你日常用的普通聊天模型（大多数场景下用的都是这类），这招依然非常有效。
什么时候特别需要用
这招在以下场景效果特别明显：
- 数学/计算题：尤其是多步运算、含百分比、含单位换算的题
- 逻辑推理：案件分析、关系推断、条件判断
- 多步决策：从 A、B、C 三个方案里选一个，涉及多个评估维度
- 代码调试：让 AI 先描述程序执行流程，再指出问题所在
- 文档分析：从一份长材料中提取信息、做对比、得结论
这些任务的共同点是——答案依赖于中间步骤是否正确。让 AI 把中间步骤说出来，你也能在任何一步发现问题并纠正它。
什么时候不需要用
不是所有问题都需要这招。以下场景用了反而会让 AI 啰嗦：
- 简单事实查询（“水的沸点是多少”）
- 简单分类（“这句话是表扬还是批评”）
- 开放式写作（“写一段 100 字的自我介绍”）
这些问题要么没什么”推理步骤”可言，要么推理过程对最终结果没影响。加”一步步思考”只会让 AI 多写一段冗余的解释。
判断原则很简单：如果你觉得这个问题换一个聪明点的人来答，需要动笔演算或者分步骤分析——那就加这句话。否则不用加。
进阶一点：给它一个”草稿本”
如果你想让 AI 的思考过程更清晰，或者想把”思考”和”结论”明确分开，可以用一个更结构化的写法：
请按下面的格式回答：
思考过程： [一步步分析问题]
最终结论： [一句话的答案]
这样 AI 的输出会被切成两块——结论清楚，推理过程也在。当结论有疑问时，你能直接回到具体某一步检查它的推理对不对，而不是整段回答重新理解一遍。
这一招在你需要把 AI 的答案转给别人看的场景特别有用——结论一眼看到，推理链也齐全可查。
如果 Zero-shot 不够用，还有更强的 Few-shot CoT（给几个示例让 AI 模仿推理风格），下一篇专门讲。