# 12.1 思维链

> 结果很可能是凑出来的，过程才是逻辑的体现。Let's think step by step.

## 12.1.1 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。

## 12.1.2 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。

## 12.1.3 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。

![快思考与慢思考对比图](/files/UDa53zA97tLT1aPsC97Y)

图 12-1：快思考（System 1）与 慢思考（System 2）对比

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。

## 12.1.4 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**。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/ai_beginner_guide/di-san-bu-fen-shi-zhan-ying-yong-ji-qiao/12_prompt_advanced/12.1_chain_of_thought.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.