10.1 思维链

说明 本讲核心：结果很可能是凑出来的，过程才是逻辑的体现。 一句话口诀：Let's think step by step.

10.1.1 为什么 AI 会做错小学数学题？

如果你问 GPT-3 一个这样的问题：

“小明有 5 个苹果，吃了 2 个，又买了 3 筐，每筐 10 个，现在有几个？”

它可能会直接回一个数字：35。 但如果是更复杂的逻辑题，它很可能会算错，比如算出 30 或者 40。 因为它像个 心算很快但粗心大意的小学生，它是凭“直觉”（概率）猜一个数字，而不是真的在算。

10.1.2 一句话，可能显著提升稳定性

怎么样让它变聪明？ 只需要加一句咒语：

请一步一步地思考（Let's think step by step）。

更稳妥的写法（推荐） 如果你不需要它把“思考过程”写得很长，可以改成：“请给出可检查的关键步骤/中间结果，并在最后给出答案。”

一旦你加了这句话，也就是引导它使用 思维链（CoT），它更可能给出类似下面这种“可检查步骤”的回答（不同模型/产品可能会隐藏或简化部分思考过程）：

好的。

1. 起始有 5 个苹果。

2. 吃了 2 个，剩下 5 - 2 = 3 个。

3. 买了 3 筐，每筐 10 个，共 3 * 10 = 30 个。

4. 总数 = 剩下的 3 个 + 新买的 30 个 = 33 个。 答案是 33。

你看，虽然它可能本来想蒙 35，但一旦被逼着写出了 计算过程（草稿纸），它自己就发现了逻辑链条，从而得出了正确答案。

10.1.3 隐式推理 vs 显式推理

近年的一些“更擅长推理”的模型与产品形态，已经把部分思维链能力内化了。你在界面上可能会看到它在“思考中...”。 这叫 慢思考（System 2 Thinking）。

• 快思考（System 1）：脱口而出，凭直觉，容易错。

• 慢思考（System 2）：深思熟虑，有逻辑，更准确。

当我们面对复杂任务（如写代码、做策划、算账）时，可以主动引导 AI 给出可检查的关键步骤，再由你复核结果。

10.1.4 思考题

在工作中，你向老板汇报时，是直接给结论（System 1），还是展示你的推导过程（System 2）？ 哪种方式更有说服力？ 其实，AI 和老板一样，都喜欢看 路书。