Chain-of-Thought 提示技术深度指南：让模型把推理过程说清楚

很多人第一次接触 chain of thought 提示，是因为模型在某道逻辑题上给出了一个自信的错误答案。加上一句"请一步一步思考"，同样的问题却答对了。这个反差足够让人停下来认真研究：模型到底在做什么，这句话又为什么有效？

本文的目标是把 CoT 相关技术讲清楚：原理是什么、三种主流变体各自适合哪类任务、以及你可以直接复制粘贴的提示模板。

为什么"展示推理过程"能提升准确率

语言模型在自回归生成时，每个 token 的预测依赖之前的上下文。当你直接问"如果 A > B，B > C，A 和 C 谁大"，模型从问题跳到答案只有一步，中间没有任何"草稿空间"。但如果模型先输出"A > B，B > C，所以 A > C，答案是 A"，这段推理链本身就成了后续 token 的上下文——相当于给模型提供了一块工作内存。

Google 2022 年发布的原始 CoT 论文（Wei et al.）在 GSM8K 数学题集上测出：标准 few-shot 提示准确率约 17%，加入思维链后跳到 56%。这个数字在今天的 GPT-5.5、Claude Opus 4.8 上已经翻了好几倍，但 CoT 带来的相对提升比例依然稳定存在，尤其在推理密集型任务上。

三种变体的核心差异

标准 CoT（Few-Shot CoT）

原始形态：在提示里放 3-8 条带有完整推理过程的示例，模型从示例中学会"先推理再回答"的格式。

适用场景：数学文字题、逻辑推断、代码调试；问题类型固定、可以准备高质量示例的场景。

代价：每次请求需要携带大量示例文本，消耗 token 多，成本高。如果你用的是 GPT-5.5 或 Claude Sonnet 4.6 这种按 token 计费的模型，few-shot CoT 在高并发场景下成本压力明显。

模板：

以下是解题示例：

问题：小明有 12 个苹果，给了小红 1/3，自己又买了 5 个，现在有多少个？
推理：12 × 1/3 = 4，小明给出 4 个，剩 8 个；8 + 5 = 13。
答案：13 个。

---
现在请解答：
问题：{{用户问题}}
推理：

Zero-Shot CoT

Kojima et al. 在 2022 年发现，只需在问题末尾加上 "Let's think step by step"（或中文"让我们一步一步思考"），模型就能自发展开推理，不需要任何示例。

这个发现的意义在于：few-shot 示例的质量直接影响结果，而 zero-shot CoT 把这个负担转移给了模型本身。在 GPT-5.4、Claude Haiku 4.5 这类经过大量 CoT 数据训练的模型上，zero-shot CoT 的效果已经非常接近 few-shot，但 token 消耗少得多。

适用场景：问题类型多样、无法提前准备示例；原型验证阶段；用轻量模型（Haiku 4.5、GPT-5.4-mini）处理中等难度推理。

模板：

{{问题}}

在给出最终答案之前，请一步一步拆解你的推理过程，每一步单独一行。

一个细节：末尾加 每一步单独一行 比单纯的"step by step"更能让模型输出结构化的推理，方便后续解析。

Tree of Thought（ToT）

ToT 是 2023 年 Princeton + Google 提出的扩展框架，核心思路是把单链推理变成多分支搜索：模型同时探索多条推理路径，每条路径独立评估，最终取最优解。

实现方式有两种： - 提示层模拟：在单次请求里让模型生成多个"候选思路"并自我评分 - 多次调用编排：通过代码控制多轮对话，每轮生成一个分支，外部逻辑做剪枝

适用场景：创意写作中的情节规划、复杂编程问题的方案选择、需要探索多种假设的研究型问答。对于有标准答案的数学题，ToT 的收益不大；对于解空间广、需要权衡的决策类问题，ToT 的优势明显。

简化版单提示模板：

这是一个需要深度思考的问题：{{问题}}

请按以下步骤处理：
1. 列出 3 条不同的解题思路（每条 2-3 句话概述）
2. 对每条思路打分（0-10），说明优缺点
3. 选择得分最高的思路，展开完整推理
4. 给出最终答案

三种技术横向对比

维度	Few-Shot CoT	Zero-Shot CoT	Tree of Thought
准备成本	高（需要写示例）	低	中-高（需设计分支逻辑）
Token 消耗	高	低-中	高
适合任务类型	结构化、有标准答案	通用	开放式、多解
对模型能力要求	低（示例主导）	中-高	高
实现复杂度	低	最低	高

在实际工程里，最常见的选择逻辑是：先用 zero-shot CoT 快速验证，如果准确率不够再切 few-shot CoT，只有当问题本身需要探索多解时才引入 ToT。

工程落地的几个细节

强制输出格式：在生产环境中，推理过程往往需要解析。加上 请用 <thinking>...</thinking> 包裹推理过程，用 <answer>...</answer> 包裹最终答案 能显著降低后处理难度。Claude Opus 4.8 和 GPT-5.5 都能很好地遵守这类结构化指令。

推理模型 vs. 提示 CoT：当前有一类模型（如 DeepSeek R1、o 系列）在推理阶段内置了 CoT 机制，输出前会做大量内部"思考"。对这类模型，外部加 "step by step" 提示有时反而干扰其内置流程，需要测试对比。

温度参数：CoT 任务通常建议 temperature 设在 0-0.3，减少推理链中的随机跳跃。ToT 的分支生成阶段可以适当提高到 0.7，增加思路多样性。

验证推理链：模型可能生成"听起来正确"但实际有误的推理链（即幻觉推理）。在数学或代码任务上，建议在推理结束后加一步 请检查上述每一步是否有逻辑跳跃或计算错误，让模型自我校验。

---

把 chain of thought 提示用好，本质上是在跟模型协商"怎么分配计算资源"——把更多 token 预算放在中间过程而不是直接跳结论。如果你在测试这些模板时需要同时跑 Claude Opus 4.8、GPT-5.5 和 DeepSeek R1 做横向对比，我一直在用 XycAi 词元平台，一个 API 接 200+ 模型，官方模型价格低至官方价 1.4 折起，支持 Claude Code 和 Codex 一键接入，省去多账号管理的麻烦，跑对比实验很方便。