大模型思维链（CoT）理论梳理

一、什么是思维链？

一句话总结，思维链（Chain of Thought，CoT），它是一种提示工程技术——引导大模型在给出最终答案之前，先输出一系列中间推理步骤。
是由Goolge在2022年1月提出的
思维链并没有给大模型增加任何新功能，而是激活大模型本来就有的潜能，不让其跳过中间推理步骤，而是将输出的推理过程作为新的推理前文，逐步逼近答案。

类比做数学题，是直接给出答案，还是一步步写出中间过程，最后算出答案，肯定是后者的正确率高

二、用来干什么

核心用途是提升大模型在需要多步推理的复杂任务上的表现。具体来说：

1. 分解复杂任务：模型将复杂问题拆解为更小、更易于管理的子任务，依次解决。
2. 减少推理错误：分步推导降低了“一步到位”时常见的逻辑跳跃错误。
3. 提高可解释性：用户可以看到模型的推理逻辑，便于调试和建立信任。
4. 便于纠错：当中间步骤出错时，可以精准定位问题所在，而不是面对一个“黑箱答案”无从下手。

三、发展脉络

1. 2022年 发现思维链的存在，利用提示词工程，激活思维链
2. 2024年 推理模型兴起，通过大规模强化学习将思维链能力内化到模型内部，模型强制自动推理，不需要提示词激活。代表模型DeepSeek R1
3. 2026年，推理能力（思考模式）”已是一项内置的核心功能，模型不再强制推理
   可以选择是否开启推理，以及推理强度。代表模型deepseek-v4-pro
   甚至有的模型可以自动决定是否开启思考模式(自适应思考)，代表模型caude 4.8 和 chatGpt 5.5

四、如何开启推理

4.1 普通模型：提示词工程

推理能力完全依赖提示词工程来激活，代表模型deepseek-v3，本地部署轻量模型等

开启方式：

• 零样本思维链（Zero-Shot CoT） ：在问题后直接添加触发短语，如“让我们一步步思考“”。模型会据此输出推理步骤。
• 少样本思维链（Few-Shot CoT） ：在提示中提供2-8个带有完整推理步骤的示例，让模型模仿。

思考内容的存放位置：
没有独立的“思考”字段。模型输出的推理过程和最终答案全部混在 content 字段中

4.2 推理模型：默认开启，不可关闭

模型将推理能力内置，强制推理，无需提示词唤醒。代表模型：deepseek-r1

思考内容的存放位置：
推理模型将思维链（推理过程）和最终答案分开存放，通过两个独立的字段返回。

reasoning=response.choices[0].message.reasoning_content answer=response.choices[0].message.content

4.3 当代模型：可开关的思考模式

模型同时具备“直接回答”和“深度思考”两种模式，通过API参数动态切换。代表模型DeepSeek V4 Pro、GPT-5系列

开启方式：
通过 thinking.type 等参数控制思考模式的开关

fromopenaiimportOpenAI client=OpenAI(api_key="<你的API Key>",base_url="https://api.deepseek.com")response=client.chat.completions.create(model="deepseek-v4-pro",messages=[{"role":"user","content":"9.11和9.8哪个更大？"}],# 开启思考模式（必须放在 extra_body 中）extra_body={"thinking":{"type":"enabled"}},# 或 "disabled" 关闭# 可选：控制思考强度reasoning_effort="high"# 可选 high / max)

思考强度控制：
当代模型还支持通过 reasoning_effort 参数控制思考的“深度”

思考内容的存放位置：
与推理模型一致，思维链通过 reasoning_content 返回，最终答案通过 content 返回

五、总结

从普通模型到当代模型，我们看到一条清晰的演进路径：推理从“提示词技巧”进化为“内置默认行为”，再进化为“可精细调控的开关” 。不变的是，无论哪种方式，思维链的本质都是让模型不跳过中间的推理过程——只是实现方式越来越优雅、越来越可控。