思维链（Chain-of-Thought）是一种提示方法：让模型在给出最终答案前，先把中间推理步骤一步步写出来。它解决的问题很具体。模型直接跳到结论时，多步计算和多步推理容易在中途算错，把过程摊开能让错误更早暴露，也方便你检查。
一句话定义
思维链就是让模型”先写推理、再给答案”，把解题过程显式摆出来。你在提示里加一句”请分步骤说明你的推理”，模型就会先列出中间步骤，最后才落到结论。它不需要改动模型，只要改你提问的方式，几乎能套在任何一个对话模型上。
一个例子
看一道两步题就清楚了：一个班有 18 个男生和 27 个女生，按每组 5 人分，能分成几组？直接问，模型可能张口报个数，对错全看运气。要求它走思维链，它会先写”总人数 18 + 27 = 45″，再写”45 ÷ 5 = 9″，最后给出 9 组。步骤摆在那儿，哪一步错了你一眼就能看到。你可以在 ChatGPT 或 Claude 里试这类提问，看它把推理展开成什么样。
要提醒一句：模型把步骤写得很顺，不代表步骤就对。ChatGPT 的回答可能出错，遇到关键的引用和数字，不能因为它”讲了推理”就跳过人工核验。Claude 也一样，它联网找来的资料和生成的结论，仍要回到原始来源核对。思维链让错误更容易被发现，但它不保证没有错误。
和相近概念的区别
思维链管的是”让模型显示推理过程”，常被和几个词搞混，值得分清。少样本提示（few-shot）是给模型几个示范例子让它照着做，思维链则是要求它把自己的推理摊开，两者可以叠加使用。”推理模型”指的是某些模型内置了更强的分步推理，而思维链是你能套在各种模型上的提问技巧，不挑模型。还有人把它等同于”回答写详细一点”，其实差别在于：思维链要的是可追溯、能逐步验算的中间步骤，而不是更长的结论。
什么时候用得上
需要多步推理、又想能检查过程的任务，最适合用思维链。典型场景包括数学题、逻辑推断，以及要分几步走的规划，还有任何”结论对不对，得看它怎么来的”的问题。反过来，简单的事实查询或一句话就能答的问题，硬加思维链只会让输出变长、变慢，没必要。一个实用习惯：先让模型给推理，再自己核对关键步骤，尤其是数字和引用，这一步不能省。
