返回博客

思维链提示:让 AI 一步一步把答案想清楚

一句话提示词,把 AI 在推理题上的准确率从 18% 拉到 79%。文章给出可直接复制的模板,搞定日常工作里的判断、对比和分析。

思维链提示:让 AI 一步一步把答案想清楚
你向 ChatGPT 抛了个需要动脑子的问题——也许是在两个方案之间做选择,也许是要分析一笔决策,也许是一道分好几步才能解的题。AI 几乎是秒回,语气笃定。唯一的问题是:答案完全错了。
这种事比你想的常见得多。AI 助手的训练目标是输出听起来合理的回答,而不是真的把问题想透。碰到稍微复杂一点的提问,AI 经常跳过思考的环节,直接给结论——错得离谱,但语气一点都不慌。
其实有办法解决。2022 年,Google 的研究人员发现,在提示词里加上一句「让我们一步一步思考」(Let's think step by step),就能把数学题的准确率从 17.7% 提升到 78.7%。不是笔误。一句话,让 AI 答对的概率翻了四倍多。
这种技巧叫做思维链提示(chain-of-thought prompting),原理是逼 AI 把推理过程写出来,而不是一口气跳到结论。下面来看怎么把它用在真实任务上,不只是数学题。

什么是思维链提示?

思维链(CoT)提示,字面意思就是它字面的意思:先让 AI 把推理过程一步步讲清楚,再给出最终答案。不是问「答案是什么?」,而是问「先把你的思路讲一遍,再告诉我答案」。
可以类比成让同事「把过程写出来」。如果对方只丢给你一个结论,没有解释,你根本判断不出他是认真想过,还是顺嘴一说。但如果他把推理过程铺开——「我先看了 X,因为 Z 排掉了 Y,最后落到这个结论」——你就能一眼看出逻辑里有没有漏洞。
AI 也是同样的道理。逼它把中间步骤写出来,会带来两个变化:
  1. AI 自己在写的过程中就能发现错误,及时纠正
  2. 万一答案错了,你能精准看到逻辑是在哪一步跑偏的

AI 为什么爱跳步骤(然后答错)

有件事很多人没意识到:AI 模型其实并不是按人类的方式在「思考」。它是在几十亿条文本里做模式匹配,预测下一个词最可能是什么。当你抛出一个直接的问题,它就直接挑那个统计上最可能的答案。
对简单问题来说,这套机制完全够用。「法国的首都是哪里?」根本不需要推理——这种问答 AI 见过几百万次,配对早就刻在权重里了。
但只要任务真的需要逻辑——对比方案、权衡取舍、解多步骤的问题——单纯的模式匹配就开始崩。AI 会挑一个听起来对的答案,根本没花力气验证它是不是真的对。
思维链提示就是把这条捷径堵上。让 AI 把推理过程说出口,它就必须生成中间步骤,而这些步骤会反过来约束最终的结论。当你被迫展示「怎么走到这一步」,要走到错误结论就难得多了。
对比图:左边 AI 直接抛出答案,右边 AI 先写出推理步骤再回答
对比图:左边 AI 直接抛出答案,右边 AI 先写出推理步骤再回答

思维链最简单的用法

最省事的版本零门槛。在你原本的提示词后面加一句话就行:
  • 「让我们一步一步思考。」
  • 「先把你的推理过程讲一遍。」
  • 「在给出最终答案前,先解释你的思路。」
  • 「把这个问题拆成步骤来分析。」
研究人员测下来,「让我们一步一步思考」这一句效果最好;后来一项跟进研究又找到了更胜一筹的版本:「让我们一步一步把这件事捋清楚,确保答案准确。」
举个实际场景。假设你在纠结要不要接一个新工作机会。
不用思维链:

我应不应该接受这份工作?薪水比现在高 20%,但要搬到生活成本高 40% 的城市。


AI 大概会基于浅层模式匹配,扔给你一个「应该」或「不应该」。
用上思维链:

我应不应该接受这份工作?薪水比现在高 20%,但要搬到生活成本高 40% 的城市。

请一步一步分析,从财务影响、生活质量和职业发展三个维度逐一展开,最后再给出结论。


这次 AI 会逐项拆开:算清楚 20% 的涨薪能不能覆盖 40% 的生活成本上涨,再衡量你可能得到什么、失去什么,最后给出有理有据的建议。

少样本 CoT:示范给 AI 看怎么想

上面那种「让我们一步一步思考」的写法叫零样本 CoT——你没给任何例子。多数情况下它就够用了,但碰到复杂任务或专业领域,给 AI 一两个推理范例,效果会更好。
这种叫少样本 CoT:在提示词里附上一两个完整的推理示例,等于把你想要的思考路径直接演示给 AI 看。
下面是一个分析商业决策的模板:

我需要你帮我评估一些方案,希望你按下面这种方式来推理:

示例:
问题:我们要不要把月付改成年付?

第一步——找出关键因素:现金流可预测性、客户流失风险、定价心理。

第二步——逐项分析:
- 现金流:年付让我们提前拿到收入,可预测性更强
- 流失风险:年付用户的流失率显著低于月付
- 定价:可以为年付提供折扣,整体不亏

第三步——衡量取舍:主要的副作用是新用户决策门槛被抬高。

第四步——结论:可以做,但同时保留两种选项,年付给 15% 折扣。

现在请用同样的推理结构来分析我的问题:
{{question}}
示例本身不需要和你真正的问题完全对应——它的作用只是把你想要的推理结构展示给 AI 看。AI 会把这套模式套用到你具体的情境里。

思维链什么时候真有用,什么时候反而帮倒忙

思维链不是万能解药。沃顿商学院的一项研究发现,它在难题上确实能提升表现,但用在简单题上反而可能拉低准确率,因为它强行引入了不必要的复杂度。
适合用思维链的场景:
  • 需要在多个方案之间做对比、权衡取舍
  • 任务涉及多步骤推理或计算
  • 需要排查问题、定位原因
  • 答案要建立在因果分析之上
  • 你不只是想要结论,更想看 AI 的推理过程
不适合用思维链的场景:
  • 只是查个事实或定义
  • 需要的是创意输出,比如头脑风暴或写作
  • 想要的是摘要或翻译
  • 速度比准确度更重要
  • 任务本来就不涉及逻辑推理
还有一点值得注意:思维链对小模型效果有限。Google 最早那篇研究发现,明显的提升只出现在 1000 亿参数以上的模型上。今天主流的消费级 AI——ChatGPT-4、Claude、Gemini——都在这个量级以内,可以放心用。但如果你用的是更早或更小的模型,效果可能不太稳定。

5 条可以直接用的 CoT 提示词模板

下面这几条提示词,复制粘贴就能用,每一条都内置了思维链的结构。

1. 决策分析

请帮我做个决策:{{decision_to_make}}

按下面这几步来分析:
1. 列出我应该考虑的关键因素
2. 分析每个方案在这些因素上的表现
3. 找出主要风险和需要权衡的取舍点
4. 给出建议,并说明理由

请结合我的具体情况,不要只给泛泛的套话。

2. 利弊对比

请对比这两个方案:{{option_1}} vs {{option_2}}

请系统地推进:
1. 先列出 5 个对这类决策最重要的判断标准
2. 用每条标准对两个方案分别打分
3. 标出任何「一票否决」或「必须满足」的硬性条件
4. 衡量整体取舍
5. 给出明确的建议

不要只罗列优缺点——要真正分析哪些因素更重要、为什么更重要。

3. 根因分析

帮我搞清楚这件事为什么会发生:{{problem_description}}

按这个流程来推理:
1. 先把「实际发生的事」和「本应发生的事」区分清楚
2. 列出所有可能的原因,包括看起来不太可能的
3. 对每个原因,思考有什么证据可以确认或排除它
4. 基于现有信息,找出最可能的根本原因
5. 给出验证方法和应对建议

4. 步骤拆解与规划

我要完成这件事:{{goal}}。

请把它拆成可执行的步骤:
1. 先确认必须先做什么(前置条件)
2. 划分主要阶段或关键节点
3. 每个阶段下,列出具体要做的动作
4. 标注依赖关系(哪一步要等哪一步完成)
5. 提示可能的卡点,以及怎么应对

请给出具体的、可落地的步骤,不要含糊的建议。

5. 复杂问题分析

{{complex_question}}

回答之前,先把这件事捋一遍:
1. 拆解一下这个问题真正在问什么
2. 找出问题里隐含的假设
3. 列出影响答案的关键因素
4. 对每个因素逐一推理
5. 然后给出答案,并附上支撑这个答案的推理过程

如果存在真正的不确定性,请坦诚说明,不要硬装确定。
这几条模板的套路是一样的:先说清楚你要什么,再明确告诉 AI 你希望它按怎样的推理过程来回答。这种结构会引导 AI 完成完整分析,而不是一头扎到结论里。
提示词模板卡片,展示变量占位符在不同任务中被填入的过程
提示词模板卡片,展示变量占位符在不同任务中被填入的过程
如果你发现自己反复在用这些模板——每次只是把里面的决策、问题、提问换一下——那可以试试 PromptNest。它能让你把这些模板连同 {{变量}} 一起存起来,下次要用时直接填空,复制完整的提示词就行。

推理走偏了怎么办

有时候你已经在用思维链了,AI 也老老实实把步骤写出来了——但结论还是错的。下面是几个常用的应对方法。
推理过程看着没问题,结论却是错的。这通常说明 AI 一开始就基于了一个错误的前提。可以追问:「你这里做了哪些假设?请把它们一条一条写出来。」很多时候问题不在逻辑本身,而藏在没说出口的前提里。
AI 漏掉了重要因素。直接补一句:「你没考虑 {{factor}},把它加进来后,分析会怎么变?」AI 会把新信息纳入推理,往往会修正自己原来的结论。
推理在绕圈或者过于含糊。逼它给细节:「你在第二步说『这可能有风险』。具体是什么风险?怎么衡量?」一旦要给出具体数字或具体例子,那种模糊的「思考」就藏不住了。
你怀疑 AI 太自信了。试试:「请扮演反方,找出反对这个结论的最强论据。」这一招经常能挖出 AI 第一次回答时刻意绕过的问题。
思维链提示的真正价值,不只是为了得到一个更好的答案,而是把 AI 的推理过程暴露出来,让你能发现并纠正错误。把第一次回答当成草稿,而不是最终答案。

今天就开始用思维链

你不需要背技巧,也不用照搬复杂的框架。记住核心一句话就行:当你需要 AI 真正去,而不只是猜,就让它把过程写出来。
挑一件你常用 AI 处理的事——分析、对比、排查问题都行——加一句「让我们一步一步把这个想清楚」,看看回答有什么变化。一旦感受到差别,你自然就知道什么时候该用了。
如果你想把这类推理类提示词攒成一个自己的库,存哪都行——便签 App、笔记、文档,你顺手用什么就用什么。如果想要一个专门做这件事的工具,PromptNest 是一款 Mac 原生应用(在 Mac App Store 上一次性 $19.99,没有订阅、不用注册、完全本地运行),把你的提示词整齐分类、变量预留好。不管用哪种方式,关键是让你最好用的提示词随手就能调出来——而不是埋在过去的聊天记录里翻不出来。
AI 是真的在帮你思考,还是只是听起来很自信?区别往往就是那一句话:「让我们一步一步把这个想清楚。」