思维链与零样本思维链

Chain-of-Thought and Zero-shot CoT

PE-R-01内容已写满G02推理增强第 6 层

推理增强思维链自适应思考

一句话结论

CoT 不是通用加速器：先看模型有没有原生思考、任务串行深度够不够，两个门控都通过才写显式推理指令。

本页结构（可跳转）

判据分流图：按「模型类别 × 任务串行深度」决定写不写显式推理指令，并把思考内容的回传约束单列。（本站自制）

01为什么需要它

思维链是提示词工程史上收益最确定的技巧之一，也是当前最容易被误用的一条：它的价值取决于模型是否已具备原生思考能力，以及任务是否需要多步串行推导。

把这两点判断清楚，才能避免在推理模型上白付延迟与 token。

适用边界

CoT 的效力由一个门控条件决定：模型是否具备原生思考机制，以及任务是否真需要多步串行推导。在这个门控之外强加显式步骤指令，只换来更长的输出与延迟，答案准确率不会改善。多轮对话还有一条独立的工程约束：含思考块的助手轮次必须原样回传、历史只能追加，任何手工编辑或删改都会触发报错或让该块被丢弃。此外，结构化输出类需求不应靠 CoT 解决，应交给模式约束与校验回路。

02机制说明

思维链的基本做法是引导模型先输出中间推理步骤再给结论，为逻辑推导留出草稿空间。

零样本思维链则只加一句触发语即可生效，无需示例。
现行官方口径把它整体降级：偏好一般性指令而非规定性步骤，手写思维链只在思考功能关闭时作为兜底；在部分新模型上要求模型把推理写进标签甚至会被拒绝。
同时，多轮对话中的思考内容有工程约束——必须原样回传且历史保持追加式，否则会报错或被丢弃。
因此本节点要先判断模型类别与任务串行深度，再决定写不写推理指令，而不是无条件加一句「一步一步思考」。

03何时该用 / 何时不该用

按场景对照：先看条件，再看该怎么做。
类别	场景 / 条件（总结）	具体做法（细节）
该用	非推理模型上处理多步推导任务	显式引导推理步骤仍有明确收益。
该用	推理模型的思考功能被关闭时	手写思维链可作为兜底手段。
该用	需要模型展示可信中间过程的场合	显式推理步骤可读、可复核。
不该用	推理模型默认开启思考的场景	手写步骤边际收益趋零甚至为负。
不该用	多轮对话中改写历史	含思考内容的历史必须原样追加，不得编辑。

04实验台

shellbash

查看代码

# 在**非推理模型**上做最小对照：同一道多步题，零样本直答 vs 零样本 CoT
Q='一个仓库周一入库 120 箱，周二入库 85 箱，周三出库 137 箱，周四入库 96 箱。现在库存 164 箱，问周一之前库存多少箱？先只给答案。'
curl -s https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d "{\"model\":\"gpt-4.1-mini\",\"messages\":[{\"role\":\"user\",\"content\":\"$Q\"}],\"temperature\":0}"

# 只改一句触发语，其余（模型 / 参数 / 题干）逐字不动
curl -s https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d "{\"model\":\"gpt-4.1-mini\",\"messages\":[{\"role\":\"user\",\"content\":\"$Q 一步一步思考。\"}],\"temperature\":0}"

预期观察：两条命令都返回 200；CoT 那条的 completion_tokens 明显更高，且正文里出现中间步骤（120+85-137+96 之类）。把同一题目跑 20 次统计首次正确率：非推理模型上 CoT 一般高于直答，且在库存这种串联减法任务上差距最明显。若换成推理模型（思考默认开启），同一对照的差距会缩到噪声级（T1a 在 GPQA 类任务上量到 2.9%–3.1% 的边际增益，而耗时增加 20–80%），此时这句触发语只买到延迟。

promptmarkdown

查看代码

对照两条提示词，第二条是零样本思维链的标准形态：

【A 直答】把下面的题目直接给出最终数值答案，不要写过程。

【B 零样本 CoT】把下面的题目一步一步思考，写出每一步的中间结果后再给最终数值答案。

两条只在「是否要求中间步骤」上不同，模型、题型、温度、最大输出长度都必须一致，否则对照无效。
题目要选**串行深度高**的多步推导题（多步算术、约束满足、单位与汇率换算是典型），不要选单跳事实题。

预期观察：在非推理模型上，B 的首次正确率应高于 A，且差额随题目串行步数增加而扩大。若把同一对提示词搬到推理模型上，差额收敛到噪声级，而输出 token 与延迟明显上升——这正是串行深度与模型类别两个门控变量的实测体现。

05证据

主张对具备显式推理能力的模型，CoT 提示往往只带来边际甚至为零的准确率增益，却显著增加生成所需的时间与 token——这是范式反转的量化依据。

分级paper

来源S-0035 https://arxiv.org/abs/2506.07142

原文

展开原文关键句

For models designed with explicit reasoning capabilities, CoT prompting often results in only marginal, if any, gains in answer accuracy. However, it significantly increases the time and tokens needed

主张官方口径已把手工思维链降级为兜底：模型有原生思考时应当依赖思考，而部分新模型可能直接拒绝「写出推理」的要求。

分级official

来源S-0001 https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices

原文

展开原文关键句

Manual chain-of-thought (CoT) prompting as a fallback. When thinking is off ... rely on thinking instead ... a prompt that asks the model to write out its reasoning

主张对比评测显示，高性能模型上简单提示常优于更复杂的提示且成本更低；逐步推理这类常用风格并不占优。

分级paper

来源S-0037 https://arxiv.org/abs/2507.13525

原文

展开原文关键句

For high-performance LLMs, simple prompts often outperform more complex ones while reducing cost. In contrast, commonly used prompting styles in natural language processing

06术语

术语思维链　Chain-of-Thought, CoT

界定引导模型先写出中间推理步骤再给答案的技巧；在具备原生思考的推理模型上其边际收益趋零甚至为负，在非推理模型与高串行深度任务上仍有效。

07失效模式

把「一步一步思考」当万能开关在思考默认开启的模型上它只抬高 token 与延迟，准确率停在噪声级。
在显式推理指令里规定死步骤官方口径偏好一般性指令，规定性步骤会挤掉模型本可自行展开的更优推理路径。
手工编辑含思考块的历史改写后再次请求会报错或让该块被静默丢弃，长程任务的推理上下文由此断裂且难以定位。
只用单跳事实题验证 CoT串行深度不足的题目本身不需要中间草稿，据此得出「CoT 无效」的结论无法外推。

08在本站知识结构中的位置

所属分组: G02推理增强
依赖深度: 第 6 层（同层节点彼此无先后约束）

前置PE-F-06→PE-R-01 本节点→后继PE-R-02

在交互全景图中定位本节点。