第六章 思维链与推理增强

思维链（Chain-of-Thought, CoT）是提示词工程领域的一项里程碑式技术。2022 年，Google 研究团队发现，通过在提示词中引导模型展示推理步骤，可以显著提升其在复杂推理任务上的表现。这一发现改变了人们对语言模型能力边界的认识。

思维链提示的核心思想是：不仅要求模型给出答案，还要求它展示得出答案的推理过程。这种方式激活了模型的推理能力，使其能够处理需要多步骤思考的复杂问题。

本章将深入探讨思维链技术的原理、变体和高级应用，帮助读者掌握这一提升模型推理能力的关键技术。

---

本章目标

• 理解本章核心概念与适用场景

• 掌握可复用的提示词/工作流模式

• 能将方法迁移到自己的任务中

先修知识

• 建议先阅读上一章或同等基础内容

• 如涉及代码示例，具备基本编程与 API 调用常识

本章内容

• 6.1 思维链提示的原理与价值

• 6.2 零样本与少样本思维链

• 6.3 自一致性与多路径推理

• 6.4 思维树与高级推理策略

• 6.5 Reasoning 模型专题：内置推理范式

• 6.6 Reasoning 模型决策框架：何时使用与最佳实践

• 6.7 本章实战练习

• 本章小结

---

📚 延伸阅读：提示词在智能体循环中的自动装配机制，参见 《OpenClaw 从入门到精通》第 10.3 节；上下文窗口管理对提示词效果的影响，参见 《大模型上下文工程权威指南》。