提示词进阶：用 “思维链（CoT）” 让大模型更擅长逻辑推理

在使用大模型处理问题时，很多人会遇到这样的情况：对于简单的信息查询或内容生成，大模型能给出不错的结果，但面对需要逻辑推理的问题，比如数学计算、复杂决策分析、多步骤问题解决等，大模型的输出常常会出现偏差，甚至得出错误结论。这并不是因为大模型能力不足，而是常规的提示词没有引导大模型展开有效的逻辑思考。

“思维链（Chain of Thought，简称 CoT）” 就是解决这一问题的关键方法。它能让大模型像人一样，一步步梳理思考过程，把复杂问题拆解成多个简单步骤，逐步推导得出结论，从而大幅提升逻辑推理的准确性。本文将从思维链的基础认知、核心原理、使用方法、实战案例等方面，详细讲解如何用思维链优化提示词，让大模型在逻辑推理任务中表现更出色。

1. 认识思维链（CoT）：什么是思维链，为什么它重要

在学习如何使用思维链之前，我们首先要明确 “思维链到底是什么”，以及 “为什么它能让大模型更擅长逻辑推理”。只有理解了这些基础问题，才能更好地将思维链融入提示词设计中。

1.1 思维链的核心定义：让大模型 “一步一步想”

简单来说，思维链是一种提示词策略，它要求大模型在给出最终答案之前，先展示出完整的思考过程，就像人解决复杂问题时会 “一步一步想” 一样。

比如，当我们遇到一道数学应用题时，不会直接写出答案，而是会先分析题目中的已知条件，确定需要使用的公式，然后逐步计算，最后得出结果。思维链就是让大模型模仿这种人类的思考模式，在输出答案前，把 “分析条件→确定方法→逐步计算” 这个过程清晰地呈现出来。

举个例子，面对问题 “小明有 5 个苹果，妈妈又给他买了 3 个，之后他送给小红 2 个，小明现在有几个苹果？”，常规提示词可能只会让大模型输出 “6 个”，而带有思维链的提示词会引导大模型这样思考：

1. 首先，确定小明最初的苹果数量：5 个；

1. 妈妈买了 3 个后，苹果数量增加，需要用加法：5 + 3 = 8 个；

1. 送给小红 2 个后，苹果数量减少，需要用减法：8 - 2 = 6 个；

1. 所以，小明现在有 6 个苹果。

通过这样的思考过程，大模型不仅能得出正确答案，还能让我们看到它的推理逻辑，方便验证是否存在错误。

1.2 思维链的重要性：解决大模型 “推理跳步” 问题

为什么思维链对大模型的逻辑推理如此重要？核心原因是它能解决大模型常见的 “推理跳步” 问题。

在没有思维链引导时，大模型处理复杂问题会倾向于直接给出结果，跳过中间的关键推理步骤。这种 “跳步” 很容易导致错误，比如在数学计算中遗漏某个步骤、在逻辑分析中忽略重要条件、在多步骤决策中混淆先后顺序等。

比如，面对问题 “一个长方形的长是 8 厘米，宽是 5 厘米，现在把长增加 3 厘米，宽减少 2 厘米，新长方形的面积是多少？”，如果没有思维链引导，大模型可能会直接计算 “8+3=11，5-2=3，11×3=33”，但如果它不小心把 “宽减少 2 厘米” 算成 “5+2=7”，就会得出 “11×7=77” 的错误答案，而且我们无法知道错误出在哪里。

而有了思维链引导，大模型会先列出步骤：

1. 计算新长方形的长：原长 8 厘米 + 增加的 3 厘米 = 11 厘米；

1. 计算新长方形的宽：原宽 5 厘米 - 减少的 2 厘米 = 3 厘米；

1. 根据长方形面积公式 “面积 = 长 × 宽”，计算新面积：11×3=33 平方厘米。

这样一来，即使大模型出现错误，我们也能快速定位到错误的步骤（比如步骤 2 算错宽的数值），同时大模型在逐步推理的过程中，也会更仔细地检查每一步的正确性，减少 “跳步” 带来的失误。

另外，思维链还能让大模型处理更复杂的推理任务，比如多条件逻辑判断、因果关系分析、问题拆解等。这些任务需要层层递进的思考，只有通过思维链引导大模型逐步展开，才能得出准确结果。

2. 思维链的核心原理：大模型如何通过 CoT 提升推理能力

要想熟练运用思维链，我们还需要了解它的核心原理 —— 大模型是如何通过思维链提升推理能力的。这不仅能帮助我们理解 “为什么思维链有效”，还能让我们在设计提示词时更有针对性。

2.1 原理一：模拟人类 “分步推理” 的认知过程

大模型的训练数据包含了大量人类的语言和思维模式，而人类解决复杂问题的核心方式就是 “分步推理”。思维链的本质，就是让大模型调用训练数据中存储的 “分步推理” 认知模式，模仿人类的思考路径展开推理。

比如，当人类分析 “某公司 2023 年的利润比 2022 年增长了 20%，2022 年利润是 100 万元，2023 年利润是多少” 这个问题时，会自然地分成两步：第一步，计算增长的利润（100 万元 ×20%=20 万元）；第二步，计算 2023 年的总利润（100 万元 + 20 万元 = 120 万元）。

大模型在接收到带有思维链的提示词时，会识别出 “需要分步推理” 的信号，然后从训练数据中提取类似的推理模式，按照 “先算增长额，再算总额” 的步骤进行计算，而不是直接给出 “120 万元” 这个结果。这种对人类认知过程的模拟，让大模型的推理更符合逻辑规律，减少了盲目输出的概率。

2.2 原理二：将复杂问题 “拆解为简单子问题”

很多需要逻辑推理的问题之所以难，是因为它们包含多个相互关联的子问题，直接处理容易混乱。思维链能引导大模型将复杂问题拆解成一个个简单的子问题，然后逐个解决，最终整合所有子问题的结果得出答案。

比如，问题 “小明从家出发，先步行到公交车站，用了 15 分钟，然后坐公交车到学校，公交车行驶了 30 分钟，公交车到站后，小明还要步行 5 分钟才能到教室。如果小明早上 7:30 从家出发，他几点能到教室？”

这个问题包含三个子问题：

1. 计算小明从家到公交车站的时间消耗：15 分钟；

1. 计算坐公交车的时间消耗：30 分钟；

1. 计算从公交车站到教室的时间消耗：5 分钟；

1. 计算总时间消耗：15+30+5=50 分钟；

1. 计算到达时间：7:30 + 50 分钟 = 8:20。

没有思维链引导时，大模型可能会遗漏某个子问题（比如忘记加最后 5 分钟的步行时间），而思维链会让大模型先拆解子问题，再逐个计算，最后整合结果，这样就能避免因问题复杂而导致的推理混乱。

2.3 原理三：通过 “过程验证” 减少推理错误

思维链要求大模型展示完整的思考过程，这个过程本身就是一种 “自我验证”—— 大模型在写下每一步推理时，会自动检查这一步是否正确，如果发现上一步有错误，会及时调整，从而减少最终答案的错误率。

比如，大模型在处理 “一个数的 3 倍加上 5 等于 20，求这个数” 时，按照思维链会这样推理：

1. 设这个数为 x，根据题意可列出方程：3x + 5 = 20；

1. 第一步，将 5 移到等号右边，得到 3x = 20 - 5；

1. 计算 20 - 5 = 15，所以 3x = 15；

1. 第二步，两边同时除以 3，得到 x = 15 ÷ 3；

1. 计算 15 ÷ 3 = 5，所以这个数是 5。

在这个过程中，大模型会在每一步进行验证：比如步骤 2 中，“将 5 移到等号右边要变号” 是否正确？步骤 3 中 “20-5=15” 是否正确？步骤 5 中 “15÷3=5” 是否正确？通过这种步步验证，大模型能及时发现并修正推理中的错误，比如如果不小心把 “20-5” 算成 “14”，在步骤 5 计算 “14÷3” 时会发现结果不是整数，从而回头检查上一步的错误。

3. 思维链提示词的设计方法：从基础到进阶

了解了思维链的定义和原理后，最关键的是掌握如何设计带有思维链的提示词。下面从基础方法和进阶技巧两个层面，详细讲解思维链提示词的设计步骤，确保大家能直接套用这些方法解决实际问题。

3.1 基础方法：明确要求 “展示思考步骤”

设计思维链提示词的基础方法很简单，就是在提示词中明确要求大模型 “先展示思考步骤，再给出最终答案”。这种方法适用于大多数简单的逻辑推理任务，比如数学计算、简单的因果分析等。

3.1.1 基础提示词结构

基础的思维链提示词包含两个核心部分：

1. 明确任务需求：告诉大模型需要解决的具体问题；

1. 加入思维链要求：明确要求 “先分步骤展示思考过程，再给出最终答案”。

举个例子，任务是 “计算一个半径为 5 厘米的圆的周长和面积”，对应的思维链提示词可以这样写：

“请计算一个半径为 5 厘米的圆的周长和面积。要求：1. 先分步骤展示思考过程，包括写出使用的公式、代入数值的计算过程；2. 最后给出周长和面积的最终结果（圆周率 π 取 3.14）。”

3.1.2 基础方法的使用要点

使用基础方法时，需要注意两个要点：

• 步骤要求要具体：不要只说 “展示思考过程”，而要明确 “思考过程需要包含哪些内容”，比如公式、数值代入、计算步骤等。比如在数学计算中，要求 “写出使用的公式，再代入数值计算”；在逻辑分析中，要求 “先列出已知条件，再分析条件之间的关系”。

• 语言要简单直接：避免使用复杂的表述，让大模型能快速理解 “需要展示思考步骤” 的要求。比如用 “先一步一步写出思考过程，再给答案”，而不是 “请采用分步推理的认知模式，呈现推理链路后输出最终结果”。

3.1.3 基础方法示例

示例 1：数学计算任务

提示词：“小明买了 3 支钢笔，每支钢笔 12 元，还买了一个笔记本，花了 8 元。请计算小明一共花了多少钱。要求：1. 先分步骤展示思考过程，包括计算钢笔的总费用、再加上笔记本的费用；2. 最后给出总花费的结果。”

大模型输出（参考）：

“思考过程：

1. 首先计算 3 支钢笔的总费用：每支钢笔 12 元，3 支钢笔的费用 = 12 元 / 支 × 3 支 = 36 元；

1. 然后计算总花费：钢笔总费用 + 笔记本费用 = 36 元 + 8 元 = 44 元；

最终答案：小明一共花了 44 元。”

示例 2：逻辑分析任务

提示词：“有 A、B、C 三个人，他们分别是医生、教师、工程师。已知：1. A 不是医生；2. B 是教师。请判断 A 和 C 的职业。要求：1. 先分步骤展示思考过程，包括根据已知条件排除不可能的职业；2. 最后给出 A 和 C 的职业。”

大模型输出（参考）：

“思考过程：

1. 首先明确三个人的职业选项：医生、教师、工程师，且每人职业不同；

1. 根据已知条件 2 “B 是教师”，可以确定 B 的职业是教师，同时排除 A 和 C 是教师的可能；

1. 根据已知条件 1 “A 不是医生”，结合步骤 2 中 A 不是教师的结论，A 只能是工程师；

1. 剩下的职业是医生，所以 C 的职业是医生；

最终答案：A 是工程师，C 是医生。”

3.2 进阶技巧一：提供 “思维链示例” 引导推理

对于一些复杂的推理任务，仅要求 “展示思考步骤” 可能不够，大模型可能不知道如何展开步骤。这时可以采用 “提供思维链示例” 的技巧 —— 在提示词中先给出一个类似问题的思维链推理示例，让大模型模仿示例的思考模式解决当前问题。

这种方法的核心是 “示范”，通过示例告诉大模型 “应该如何分步推理”，尤其适用于多步骤问题、复杂数学题、逻辑推理题等。

3.2.1 进阶提示词结构

包含思维链示例的提示词结构如下：

1. 给出示例问题：选择一个与当前任务类似的简单问题；

1. 展示示例的思维链：详细写出示例问题的分步推理过程和答案；

1. 提出当前任务：给出需要大模型解决的实际问题；

1. 要求模仿示例推理：要求大模型按照示例的思维链模式，分步解决当前问题。

举个例子，当前任务是 “计算一个梯形的面积，上底是 4 厘米，下底是 6 厘米，高是 3 厘米”，对应的进阶提示词可以这样写：

“首先看一个示例问题和它的思考过程：

示例问题：计算一个梯形的面积，上底是 2 厘米，下底是 4 厘米，高是 2 厘米。

示例思考过程：

1. 首先回忆梯形面积公式：梯形面积 = （上底 + 下底）× 高 ÷ 2；

1. 代入数值：上底 2 厘米，下底 4 厘米，高 2 厘米，所以（2 + 4）× 2 ÷ 2；

1. 先计算括号内的和：2 + 4 = 6；

1. 再计算乘法：6 × 2 = 12；

1. 最后计算除法：12 ÷ 2 = 6；

示例答案：梯形面积是 6 平方厘米。

现在请解决当前问题：计算一个梯形的面积，上底是 4 厘米，下底是 6 厘米，高是 3 厘米。要求：按照上面示例的思考过程模式，先分步骤展示思考过程，再给出最终答案。”

3.2.2 进阶技巧一的使用要点

使用 “提供思维链示例” 的技巧时，需要注意三个要点：

• 示例要与当前任务高度相似：示例问题的类型、推理逻辑、步骤数量要和当前任务一致，比如当前任务是 “梯形面积计算”，示例也应该是 “梯形面积计算”；当前任务是 “三个人的职业推理”，示例也应该是 “多人职业推理”。

• 示例的思维链要详细：示例的思考过程要一步一步写清楚，不能省略关键步骤，让大模型能清晰看到 “每一步该做什么”。

• 明确要求 “模仿示例”：在提示词中要明确告诉大模型 “按照示例的思考过程模式来推理”，避免大模型忽略示例，仍按常规方式输出。

3.2.3 进阶技巧一示例

示例 1：复杂数学题任务

提示词：“首先看一个示例问题和它的思考过程：

示例问题：小明今年 8 岁，爸爸的年龄是小明的 4 倍，妈妈比爸爸小 2 岁，妈妈今年多少岁？

示例思考过程：

1. 第一步，计算爸爸的年龄：小明 8 岁，爸爸年龄是小明的 4 倍，所以爸爸年龄 = 8 岁 × 4 = 32 岁；

1. 第二步，计算妈妈的年龄：妈妈比爸爸小 2 岁，所以妈妈年龄 = 32 岁 - 2 岁 = 30 岁；

示例答案：妈妈今年 30 岁。

现在请解决当前问题：小红今年 10 岁，妈妈的年龄是小红的 3 倍，爸爸比妈妈大 3 岁，爸爸今年多少岁？要求：按照上面示例的思考过程模式，先分步骤展示思考过程，再给出最终答案。”

大模型输出（参考）：

“思考过程：

1. 第一步，计算妈妈的年龄：小红 10 岁，妈妈年龄是小红的 3 倍，所以妈妈年龄 = 10 岁 × 3 = 30 岁；

1. 第二步，计算爸爸的年龄：爸爸比妈妈大 3 岁，所以爸爸年龄 = 30 岁 + 3 岁 = 33 岁；

最终答案：爸爸今年 33 岁。”

示例 2：逻辑推理题任务

提示词：“首先看一个示例问题和它的思考过程：

示例问题：有苹果、香蕉、橘子三种水果，小明、小刚、小丽各喜欢一种，且不重复。已知：1. 小明不喜欢苹果；2. 小刚喜欢香蕉。请判断小明和小丽喜欢的水果。

示例思考过程：

1. 第一步，明确水果种类和人物数量：3 种水果（苹果、香蕉、橘子），3 个人（小明、小刚、小丽），每人喜欢一种且不重复；

1. 第二步，根据条件 2 “小刚喜欢香蕉”，确定小刚的水果，同时排除小明和小丽喜欢香蕉的可能；

1. 第三步，根据条件 1 “小明不喜欢苹果”，结合第二步中小明不喜欢香蕉的结论，小明只能喜欢橘子；

1. 第四步，剩下的水果是苹果，所以小丽喜欢苹果；

示例答案：小明喜欢橘子，小丽喜欢苹果。

现在请解决当前问题：有足球、篮球、排球三种运动，小张、小王、小李各擅长一种，且不重复。已知：1. 小张不擅长足球；2. 小王擅长篮球。请判断小张和小李擅长的运动。要求：按照上面示例的思考过程模式，先分步骤展示思考过程，再给出最终答案。”

大模型输出（参考）：

“思考过程：

1. 第一步，明确运动种类和人物数量：3 种运动（足球、篮球、排球），3 个人（小张、小王、小李），每人擅长一种且不重复；

1. 第二步，根据条件 2 “小王擅长篮球”，确定小王的运动，同时排除小张和小李擅长篮球的可能；

1. 第三步，根据条件 1 “小张不擅长足球”，结合第二步中小张不擅长篮球的结论，小张只能擅长排球；

1. 第四步，剩下的运动是足球，所以小李擅长足球；

最终答案：小张擅长排球，小李擅长足球。”

3.3 进阶技巧二：拆分复杂任务为 “子步骤指令”

对于超复杂的推理任务（比如多条件决策、跨领域分析、长流程问题），仅靠 “示例引导” 可能还不够，这时可以采用 “拆分复杂任务为子步骤指令” 的技巧 —— 在提示词中直接将复杂任务拆分成多个明确的子步骤，让大模型按照子步骤逐一完成，最后整合结果。

这种方法的核心是 “主动拆解”，通过人工梳理任务的逻辑流程，将其转化为大模型可执行的子步骤指令，避免大模型因任务复杂而混乱。

3.3.1 进阶提示词结构

拆分复杂任务的提示词结构如下：

1. 明确总任务目标：说明需要解决的复杂问题；

1. 拆分子步骤指令：将总任务拆分成 3-5 个逻辑连贯的子步骤，每个子步骤明确 “要做什么”；

1. 要求分步执行：要求大模型按照子步骤顺序，先完成每个子步骤的推理，再整合子步骤结果给出最终答案。

举个例子，总任务是 “分析某电商店铺 2024 年第一季度（1-3 月）的销售情况，判断销售额是否实现增长，并找出增长或下降的原因（已知 1 月销售额 80 万元，2 月 95 万元，3 月 110 万元，2023 年第一季度总销售额 240 万元）”，对应的提示词可以这样写：

“总任务：分析某电商店铺 2024 年第一季度（1-3 月）的销售情况，判断销售额是否实现增长，并找出增长原因。

请按照以下子步骤完成推理：

子步骤 1：计算 2024 年第一季度的总销售额（1 月 + 2 月 + 3 月销售额）；

子步骤 2：对比 2024 年第一季度总销售额与 2023 年第一季度总销售额（240 万元），判断是否增长（若 2024 年总额 > 2023 年总额，则增长；反之则下降）；

子步骤 3：分析每月销售额变化趋势（1 月→2 月→3 月的销售额是上升还是下降）；

子步骤 4：结合子步骤 2 和子步骤 3 的结果，总结销售额增长或下降的原因；

最后，整合所有子步骤的结论，给出总任务的最终答案。”

3.3.2 进阶技巧二的使用要点

使用 “拆分子步骤指令” 的技巧时，需要注意三个要点：

• 子步骤要符合逻辑顺序：子步骤之间要存在 “先后依赖” 关系，比如先计算总销售额，再对比增长，最后分析原因，不能颠倒顺序；

• 每个子步骤指令要具体：明确每个子步骤需要完成的具体任务，比如 “计算总销售额” 要说明 “用 1 月 + 2 月 + 3 月的数值相加”，避免大模型误解；

• 子步骤数量不宜过多：一般拆分成 3-5 个子步骤即可，过多的子步骤会增加大模型的记忆负担，反而导致推理混乱。

3.3.3 进阶技巧二示例

示例 1：多条件决策任务

提示词：“总任务：帮某公司判断是否要推出一款新的智能手表，需结合市场需求、成本、竞争情况三个因素分析。

请按照以下子步骤完成推理：

子步骤 1：分析市场需求 —— 已知最近 6 个月智能手表的市场销量每月增长 15%，消费者对 “长续航” 功能的搜索量增加 20%，判断市场需求是否充足（若销量增长且功能需求明确，则需求充足）；

子步骤 2：分析成本 —— 新手表的研发成本 500 万元，生产成本每台 200 元，预计售价每台 500 元，若预计销量 10 万台，计算利润（利润 =（售价 - 生产成本）× 销量 - 研发成本），判断成本是否可控（若利润≥0，则成本可控）；

子步骤 3：分析竞争情况 —— 目前市场上有 3 个主要品牌，其中 2 个品牌的手表续航时间为 2 天，而新手表续航时间为 5 天，判断竞争优势是否明显（若核心功能优于竞品，则优势明显）；

子步骤 4：结合子步骤 1（需求）、子步骤 2（成本）、子步骤 3（竞争）的结果，若三个因素均满足（需求充足 + 成本可控 + 优势明显），则建议推出；若有一个因素不满足，则建议暂缓；

最后，整合所有子步骤的结论，给出是否推出新手表的最终建议。”

大模型输出（参考）：

“子步骤 1：市场需求分析 —— 每月销量增长 15%，“长续航” 搜索量增加 20%，说明市场需求充足；

子步骤 2：成本分析 —— 利润 =（500-200）×10 万 - 500 万 = 3000 万 - 500 万 = 2500 万，利润≥0，成本可控；

子步骤 3：竞争情况分析 —— 新手表续航 5 天，优于竞品的 2 天，竞争优势明显；

子步骤 4：三个因素均满足（需求充足 + 成本可控 + 优势明显）；

最终建议：该公司可以推出这款新的智能手表。”

示例 2：长流程问题任务

提示词：“总任务：计算某员工 2024 年 3 月的实发工资，已知条件：1. 基本工资 8000 元；2. 绩效奖金 2000 元；3. 五险一金个人缴纳比例：养老保险 8%、医疗保险 2%、失业保险 0.5%、住房公积金 12%（均按基本工资计算）；4. 个人所得税起征点 5000 元，应纳税所得额 = 工资总额 - 五险一金 - 起征点，税率：不超过 3000 元的部分按 3% 征税。

请按照以下子步骤完成推理：

子步骤 1：计算工资总额（基本工资 + 绩效奖金）；

子步骤 2：计算五险一金个人缴纳总额（分别计算养老保险、医疗保险、失业保险、住房公积金的金额，再相加）；

子步骤 3：计算应纳税所得额（工资总额 - 五险一金总额 - 5000 元起征点）；

子步骤 4：计算个人所得税（若应纳税所得额≤0，不缴税；若 > 0 且≤3000 元，按 3% 计算）；

子步骤 5：计算实发工资（工资总额 - 五险一金总额 - 个人所得税）；

最后，整合所有子步骤的结果，给出实发工资的最终金额。”

大模型输出（参考）：

“子步骤 1：工资总额 = 8000 元（基本工资）+2000 元（绩效奖金）=10000 元；

子步骤 2：五险一金计算 ——

养老保险：8000×8%=640 元；

医疗保险：8000×2%=160 元；

失业保险：8000×0.5%=40 元；

住房公积金：8000×12%=960 元；

五险一金总额 = 640+160+40+960=1800 元；

子步骤 3：应纳税所得额 = 10000-1800-5000=3200 元；

子步骤 4：个人所得税 ——3200 元中，3000 元按 3% 征税，剩余 200 元也按 3% 征税（因未超过 3000 元的部分均按 3%），所以个税 = 3200×3%=96 元；

子步骤 5：实发工资 = 10000-1800-96=8104 元；

最终答案：该员工 2024 年 3 月的实发工资是 8104 元。”

3.4 进阶技巧三：加入 “约束条件” 优化推理方向

在某些推理任务中，大模型可能会出现 “偏离主题” 或 “过度推理” 的情况（比如在分析问题时引入无关因素，或在计算时使用错误的参数）。这时可以在提示词中加入 “约束条件”，明确推理的边界和规则，引导大模型在正确的方向上展开思考。

3.4.1 进阶提示词结构

加入约束条件的提示词结构如下：

1. 明确任务需求：说明需要解决的问题；

1. 列出约束条件：明确 “不能做什么”“必须遵守什么规则”“只能使用什么数据” 等；

1. 要求结合约束推理：要求大模型在展示思维链时，必须遵守约束条件，避免违规推理。

举个例子，任务是 “计算某商品的打折后价格，已知原价 200 元，店铺活动是‘满 100 减 20’，且每人限购 2 件”，对应的提示词可以这样写：

“请计算某商品的打折后价格（购买 1 件时）。已知条件：1. 商品原价 200 元；2. 店铺活动是‘满 100 减 20’（满 200 减 40，以此类推）；3. 每人限购 2 件。

约束条件：1. 仅计算购买 1 件的价格，不考虑购买 2 件的情况；2. 只使用‘满 100 减 20’的活动规则，不引入其他优惠（如优惠券、会员折扣）；3. 计算过程中必须展示‘原价→满减金额→折后价’的步骤。

要求：先分步骤展示思考过程（需符合约束条件），再给出折后价的最终结果。”

3.4.2 进阶技巧三的使用要点

使用 “加入约束条件” 的技巧时，需要注意两个要点：

• 约束条件要明确具体：避免使用模糊的约束，比如不说 “不考虑其他优惠”，而说 “只使用‘满 100 减 20’的规则，不引入优惠券、会员折扣、积分抵扣等其他优惠”；

• 约束条件要与任务相关：只加入对推理结果有影响的约束，不要加入无关约束（比如计算折后价时，不需要约束 “商品的颜色”“发货时间” 等无关信息）。

3.4.3 进阶技巧三示例

示例 1：数学计算约束任务

提示词：“请计算一个长方体的体积，已知长 5 厘米，宽 3 厘米，高 4 厘米。

约束条件：1. 必须使用长方体体积公式‘体积 = 长 × 宽 × 高’，不使用其他错误公式；2. 计算过程中必须先写出公式，再代入数值，最后计算结果；3. 数值单位必须保留（最终结果单位为立方厘米）。

要求：先分步骤展示思考过程（需符合约束条件），再给出体积的最终结果。”

大模型输出（参考）：

“思考过程：

1. 第一步，明确长方体体积公式（符合约束条件 1）：体积 = 长 × 宽 × 高；

1. 第二步，代入已知数值（长 5 厘米，宽 3 厘米，高 4 厘米）：体积 = 5 厘米 ×3 厘米 ×4 厘米；

1. 第三步，计算结果（保留单位，符合约束条件 3）：5×3=15，15×4=60，所以体积 = 60 立方厘米；

最终答案：长方体的体积是 60 立方厘米。”

示例 2：逻辑分析约束任务

提示词：“请分析某学生期末考试成绩是否合格，已知：1. 语文 85 分，数学 70 分，英语 65 分；2. 合格标准是‘每科成绩≥60 分，且三科平均分≥70 分’。

约束条件：1. 仅根据给出的分数和合格标准分析，不考虑其他因素（如平时成绩、考勤）；2. 分析过程必须先检查‘每科是否≥60 分’，再计算‘三科平均分是否≥70 分’，顺序不能颠倒；3. 平均分计算需展示‘总分 ÷3’的步骤。

要求：先分步骤展示思考过程（需符合约束条件），再给出是否合格的最终结论。”

大模型输出（参考）：

“思考过程：

1. 第一步，检查每科成绩是否≥60 分（符合约束条件 2）：语文 85≥60，数学 70≥60，英语 65≥60，三科均满足单科合格标准；

1. 第二步，计算三科平均分（符合约束条件 2 和 3）：

总分 = 85+70+65=220 分；

平均分 = 220÷3≈73.33 分；

1. 第三步，检查平均分是否≥70 分：73.33≥70，满足平均分合格标准；

最终结论：该学生期末考试成绩合格。”

4. 思维链在不同场景的实战案例：从基础到复杂

掌握了思维链提示词的设计方法后，我们需要结合实际场景进行应用。下面针对 “数学计算”“代码调试”“业务分析”“逻辑推理” 四个常见场景，提供完整的实战案例，包括 “任务需求”“思维链提示词”“大模型输出”“案例分析” 四个部分，帮助大家更好地理解如何在实际工作中使用思维链。

4.1 场景一：基础数学计算（多步骤应用题）

4.1.1 任务需求

计算某商店 2024 年 4 月的利润。已知条件：1. 该月销售 A 商品 50 件，每件售价 120 元；销售 B 商品 30 件，每件售价 80 元；2. A 商品每件成本 60 元，B 商品每件成本 40 元；3. 店铺租金、水电费等固定成本共计 3000 元；4. 利润 =（A 商品总销售额 + B 商品总销售额）-（A 商品总成本 + B 商品总成本）- 固定成本。

4.1.2 思维链提示词

“请计算某商店 2024 年 4 月的利润，已知条件如下：

1. 销售数据：A 商品 50 件，每件售价 120 元；B 商品 30 件，每件售价 80 元；

1. 成本数据：A 商品每件成本 60 元，B 商品每件成本 40 元；

1. 固定成本：租金、水电费共计 3000 元；

1. 利润公式：利润 =（A 商品总销售额 + B 商品总销售额）-（A 商品总成本 + B 商品总成本）- 固定成本。

要求：1. 按照 “计算总销售额→计算总成本→代入公式算利润” 的步骤展示思考过程；2. 每个步骤需写出具体的计算式和数值；3. 最后给出利润的最终结果。”

4.1.3 大模型输出

“思考过程：

1. 第一步，计算总销售额（A 商品总销售额 + B 商品总销售额）：

A 商品总销售额 = 销售数量 × 售价 = 50 件 ×120 元 / 件 = 6000 元；

B 商品总销售额 = 30 件 ×80 元 / 件 = 2400 元；

总销售额 = 6000+2400=8400 元；

1. 第二步，计算总成本（A 商品总成本 + B 商品总成本）：

A 商品总成本 = 销售数量 × 单位成本 = 50 件 ×60 元 / 件 = 3000 元；

B 商品总成本 = 30 件 ×40 元 / 件 = 1200 元；

总成本 = 3000+1200=4200 元；

1. 第三步，代入利润公式计算利润：

   利润 = 总销售额 - 总成本 - 固定成本 = 8400 元 - 4200 元 - 3000 元 = 1200 元；

   最终答案：该商店 2024 年 4 月的利润是 1200 元。”

   4.1.4 案例分析

   这个案例属于基础多步骤数学计算，核心难点在于需要分步骤整合 “销售额”“成本”“固定成本” 三类数据，且不能遗漏利润公式中的任何一项。通过思维链提示词：

2. 明确了步骤顺序（先算总销售额→再算总成本→最后算利润），避免大模型出现 “先算利润再补销售额” 的逻辑混乱；
3. 要求每个步骤写出计算式，确保大模型不会因数据繁多而计算错误（比如不会把 A 商品成本误算成 B 商品成本）；
4. 直接给出利润公式，减少大模型因 “记错公式” 导致的错误（比如不会漏掉 “减去固定成本” 这一步）。

5. 从大模型输出结果来看，它严格按照提示词要求的步骤展开，每个计算环节都清晰可追溯，最终得出正确利润，充分体现了思维链在 “梳理多步骤计算逻辑” 中的作用。

   4.2 场景二：代码调试（Python 代码报错分析与修复）

   4.2.1 任务需求

   有一段 Python 代码，目的是计算列表中所有偶数的和，但运行时出现报错，且输出结果不符合预期。请分析代码报错原因，找出逻辑错误，并给出修复后的代码。原始代码如下：

   def sum_even_numbers(numbers):

   total = 0

   for num in numbers:

   if num % 2 == 1: # 判断是否为偶数

   total += num

   return total

   # 测试代码

   numbers_list = [1, 2, 3, 4, 5, 6]

   print("偶数和为：", sum_even_numbers(numbers_list))

   运行后无报错，但输出结果为 “偶数和为：0”，明显不符合预期（正确结果应为 2+4+6=12）。

   4.2.2 思维链提示词

   “请分析以下 Python 代码的问题（无报错但结果错误），找出原因并修复代码。原始代码功能是计算列表中所有偶数的和，测试列表 [1,2,3,4,5,6] 的正确偶数和应为 12，但输出为 0。

   原始代码：

   def sum_even_numbers (numbers):

   total = 0

   for num in numbers:

   if num % 2 == 1: # 判断是否为偶数

   total += num

   return total

   numbers_list = [1, 2, 3, 4, 5, 6]

   print ("偶数和为：", sum_even_numbers (numbers_list))

   要求：1. 按照 “分析代码逻辑→找出错误点→解释错误原因→给出修复代码” 的步骤展示思考过程；2. 分析逻辑时需逐行说明代码意图；3. 修复代码后需测试验证，确保输出结果为 12。”

   4.2.3 大模型输出

   “思考过程：

6. 第一步，分析代码逻辑（逐行解读）：
7. • 第 1 行：定义函数 sum_even_numbers，参数为 numbers（待计算的列表）；
8. • 第 2 行：初始化 total 为 0，用于存储偶数的和；
9. • 第 3 行：遍历列表 numbers 中的每个元素 num；
10. • 第 4 行：通过 if 条件判断 num 是否为偶数，条件写的是 “num % 2 == 1”，并标注 “判断是否为偶数”；
11. • 第 5 行：若满足条件，将 num 加到 total 中；
12. • 第 6 行：函数返回 total 的值；
13. • 第 9 行：定义测试列表 numbers_list，包含 [1,2,3,4,5,6]；
14. • 第 10 行：调用函数并打印结果。
15. 第二步，找出错误点：

16. 错误出现在第 4 行的 if 条件判断语句，即 “num % 2 == 1” 这一判断是否为偶数的逻辑。

17. 第三步，解释错误原因：

18. 在 Python 中，“num % 2” 表示 num 除以 2 的余数：

19. • 若 num 是偶数（如 2、4、6），除以 2 的余数为 0，即 num % 2 == 0；
20. • 若 num 是奇数（如 1、3、5），除以 2 的余数为 1，即 num % 2 == 1；

21. 原始代码用 “num % 2 == 1” 判断偶数，实际判断的是奇数，导致遍历列表时，所有偶数（2、4、6）都不满足条件，无法加到 total 中，total 始终为 0，所以输出结果为 0，与预期不符。

22. 第四步，给出修复代码：

23. 将第 4 行的判断条件 “num % 2 == 1” 改为 “num % 2 == 0”，确保只有偶数能满足条件并累加到 total 中。修复后的代码如下：

    def sum_even_numbers (numbers):

    total = 0

    for num in numbers:

    if num % 2 == 0: # 修正：判断是否为偶数（余数为 0）

    total += num

    return total

    测试代码

    numbers_list = [1, 2, 3, 4, 5, 6]

    print ("偶数和为：", sum_even_numbers (numbers_list))

24. 测试验证：

25. 运行修复后的代码，遍历 numbers_list 时：

26. • num=1（奇数）：1%2==1，不满足条件，不累加；
27. • num=2（偶数）：2%2==0，满足条件，total=0+2=2；
28. • num=3（奇数）：3%2==1，不满足条件，不累加；
29. • num=4（偶数）：4%2==0，满足条件，total=2+4=6；
30. • num=5（奇数）：5%2==1，不满足条件，不累加；
31. • num=6（偶数）：6%2==0，满足条件，total=6+6=12；

32. 最终输出 “偶数和为：12”，与预期结果一致，修复成功。”

    4.2.4 案例分析

    代码调试场景的核心难点在于 “无报错但结果错误”，这类问题往往是逻辑漏洞导致的，需要逐行梳理代码意图才能发现。思维链提示词在这个案例中的作用的是：

33. 强制大模型 “逐行分析代码逻辑”，避免它跳过关键行（比如直接忽略 if 条件，只看循环和累加步骤）；
34. 要求 “解释错误原因”，确保大模型不是 “盲目改代码”，而是真正理解 “为什么错”（比如理解 “%2==1” 和 “%2==0” 的区别）；
35. 加入 “测试验证” 步骤，让大模型通过模拟运行修复后的代码，验证结果正确性，避免修复后引入新问题。

36. 从输出结果来看，大模型不仅找到了条件判断的错误，还清晰解释了余数判断的原理，修复后的代码经过模拟测试能得到正确结果，完全解决了 “结果不符合预期” 的问题，体现了思维链在 “逻辑漏洞排查” 中的价值。

    4.3 场景三：业务分析（电商店铺用户复购率低的原因分析与建议）

    4.3.1 任务需求

    某电商店铺近期发现用户复购率从 30% 下降到 15%，需分析复购率低的可能原因，并给出针对性提升建议。已知信息：1. 店铺主营美妆产品；2. 近 3 个月新用户增长 20%，但老用户复购减少；3. 客户反馈中 “物流慢”“售后响应不及时” 的投诉增加；4. 店铺近期未推出针对老用户的优惠活动。

    4.3.2 思维链提示词

    “某美妆电商店铺用户复购率从 30% 下降到 15%，需分析原因并给出提升建议。已知信息：1. 主营美妆产品；2. 近 3 个月新用户增长 20%，老用户复购减少；3. 客户反馈 “物流慢”“售后响应不及时” 投诉增加；4. 近期无老用户优惠活动。

    要求：1. 按照 “明确复购率影响因素→结合已知信息分析原因→针对原因提建议” 的步骤展示思考过程；2. 分析原因时需一一对应已知信息，不引入无关因素；3. 建议需具体可执行（比如不说 “优化物流”，而说 “与 XX 类型物流公司合作”）。”

    4.3.3 大模型输出

    “思考过程：

37. 第一步，明确复购率影响因素（针对美妆电商）：

38. 美妆电商用户复购率主要受以下因素影响：① 产品质量与使用体验；② 物流速度与包裹完整性；③ 售后服务质量（如退换货、问题响应）；④ 老用户激励政策（如优惠、会员权益）；⑤ 客户关系维护（如新品提醒、个性化推荐）。

39. 第二步，结合已知信息分析复购率下降的原因：
40. • 原因 1：物流体验变差，对应已知信息 3 中 “物流慢” 投诉增加。美妆产品（如口红、粉底液）部分用户有即时使用需求（如节日送礼、用完急需补货），物流慢会导致用户等待时间长，降低使用体验，进而不愿再次购买；
41. • 原因 2：售后服务质量下降，对应已知信息 3 中 “售后响应不及时” 投诉增加。美妆产品可能存在 “色号不符”“质量问题” 等需售后解决的情况，响应不及时会让用户觉得店铺不重视客户，失去信任，减少复购；
42. • 原因 3：缺乏老用户激励，对应已知信息 4 中 “近期无老用户优惠活动”。老用户复购的核心动力之一是 “优惠感知”，美妆产品竞品多，若店铺没有针对老用户的折扣、满减或赠品活动，老用户可能转向有优惠的竞品店铺；
43. • 补充说明：已知信息 2 中 “新用户增长 20% 但老用户复购减少”，说明复购率下降不是整体用户基数问题，而是专门针对老用户的体验或政策出了问题，进一步验证上述 3 个原因（均与老用户体验相关）。
44. 第三步，针对原因提出具体可执行的提升建议：
45. • 针对 “物流慢”（原因 1）的建议：

46. ① 筛选并合作 2-3 家本地或区域内配送速度快的物流公司（如顺丰、京东物流），优先为老用户订单分配快送物流，缩短配送时间；

    ② 在商品详情页明确标注 “老用户订单预计 2-3 天送达”，让老用户提前感知物流优势；

47. • 针对 “售后响应不及时”（原因 2）的建议：

48. ① 增加售后客服人数，确保工作时间内（如 9:00-22:00）用户咨询能在 5 分钟内得到响应；

    ② 建立 “老用户售后绿色通道”，老用户反馈问题时可优先处理，处理完成后 24 小时内回访确认满意度；

49. • 针对 “缺乏老用户激励”（原因 3）的建议：

50. ① 推出 “老用户复购券”：老用户登录后可领取满 100 减 30 的专属券，券有效期 7 天，刺激短期复购；

    ② 建立 “会员积分体系”：老用户每消费 1 元积 1 分，积分可兑换中小样美妆产品（如口红小样、面膜），提升用户长期复购意愿；

    ③ 每月 15 日设为 “老用户日”，当天老用户购买任意产品享 8 折优惠，同时可参与 “买一赠一”（赠同款小样）活动。”

    4.3.4 案例分析

    业务分析场景的核心难点在于 “需结合已知信息，避免无依据猜测”，且建议需 “落地可执行”。思维链提示词在这个案例中的作用是：

51. 先 “明确影响因素”，为后续分析搭建框架，避免大模型想到哪说到哪（比如不会突然提到 “产品质量差”，因为已知信息中未提及）；
52. 要求 “原因对应已知信息”，确保分析有依据，不脱离实际业务数据（比如每个原因都能找到题干中的信息支撑）；
53. 强调建议 “具体可执行”，避免空泛表述（比如不说 “优化客服”，而说 “5 分钟内响应”“绿色通道” 等可落地的措施）。

54. 大模型的输出严格遵循 “因素→原因→建议” 的逻辑，每个原因都能对应已知信息，每个建议都能解决对应原因，且建议包含具体的执行细节（如物流合作对象、客服响应时间），完全符合业务分析 “有理有据、可落地” 的要求，体现了思维链在 “结构化业务分析” 中的作用。

    4.4 场景四：逻辑推理（复杂条件下的身份判断）

    4.4.1 任务需求

    有甲、乙、丙、丁 4 人，分别从事教师、医生、工程师、律师 4 种职业，每人职业不同。已知条件：1. 甲不是教师；2. 乙不是医生；3. 丙的职业是需要给病人看病的；4. 丁的职业不需要使用工程图纸。请判断 4 人的职业分别是什么。

    4.4.2 思维链提示词

    “请判断甲、乙、丙、丁 4 人的职业（教师、医生、工程师、律师，每人职业不同），已知条件：1. 甲不是教师；2. 乙不是医生；3. 丙的职业是需要给病人看病的；4. 丁的职业不需要使用工程图纸。

    要求：1. 按照 “先确定能直接判断的职业→再用排除法判断剩余职业→验证是否符合所有条件” 的步骤展示思考过程；2. 每一步判断都要说明依据的已知条件；3. 最终需列出 4 人的职业，确保无重复且符合所有条件。”

    4.4.3 大模型输出

    “思考过程：

55. 第一步，确定能直接判断的职业（从条件明确的入手）：
56. • 判断丙的职业：根据已知条件 3 “丙的职业是需要给病人看病的”，4 种职业中 “医生” 的工作内容是给病人看病，所以直接得出 “丙是医生”；
57. • 记录当前结果：丙 = 医生，剩余职业：教师、工程师、律师（需分配给甲、乙、丁）。
58. 第二步，用排除法判断剩余人的职业（结合已知条件排除不可能的选项）：
59. • 判断丁的职业：已知条件 4 “丁的职业不需要使用工程图纸”，剩余职业中 “工程师” 的工作需要使用工程图纸（如设计建筑、机械图纸），所以丁不是工程师；

60. 丁可选择的剩余职业：教师、律师（排除了工程师）；

61. • 再次分析丁的职业：目前丙已确定是医生，结合其他条件无直接限制丁的职业，先暂时保留两个选项，转向判断甲的职业；
62. • 判断甲的职业：已知条件 1 “甲不是教师”，剩余职业中 “教师” 是选项之一，所以甲不是教师；

63. 甲可选择的剩余职业：工程师、律师（排除了教师，且丙是医生，甲不能是医生）；

64. • 进一步判断甲的职业：剩余职业中 “工程师” 目前只有甲和丁可能，但第一步已排除丁是工程师（丁不需要用工程图纸），所以甲只能是工程师；

65. 记录当前结果：甲 = 工程师，剩余职业：教师、律师（需分配给乙、丁）；

66. • 判断乙的职业：已知条件 2 “乙不是医生”，但丙已确定是医生，所以该条件在此阶段主要用于验证（乙确实不能是医生，符合）；

67. 乙可选择的剩余职业：教师、律师；

    此时需结合 “每人职业不同”，假设乙是律师，那么丁只能是教师；若乙是教师，丁只能是律师，需进一步验证是否符合所有条件；

68. • 验证乙和丁的职业：先假设乙是教师，丁是律师：

69. 检查所有条件：

70. 1. 1. 甲 = 工程师，不是教师→符合条件 1；
71. 1. 1. 乙 = 教师，不是医生→符合条件 2；
72. 1. 1. 丙 = 医生，给病人看病→符合条件 3；
73. 1. 1. 丁 = 律师，不需要使用工程图纸→符合条件 4；

74. 所有条件均满足，且 4 人职业无重复（甲 = 工程师、乙 = 教师、丙 = 医生、丁 = 律师）；

    若假设乙是律师，丁是教师：

    检查条件 2 “乙不是医生”→符合，但无其他矛盾，但为确保唯一解，需确认是否有其他限制：已知条件中无限制乙不能是律师，但结合 “丙是医生”“甲是工程师”，两种假设似乎都成立？再仔细看条件 4 “丁的职业不需要使用工程图纸”，教师和律师都不需要工程图纸，所以需再看是否有遗漏条件；

    补充检查：已知条件中无其他限制，但结合 “职业分配的合理性”（通常此类逻辑题只有唯一解），需再次检查假设是否存在隐性矛盾：

    若乙是律师，丁是教师：

75. 乙 = 律师，职业合理；丁 = 教师，职业合理，但此时需确认是否与所有条件冲突 —— 条件 1 甲不是教师（甲 = 工程师，符合）、条件 2 乙不是医生（乙 = 律师，符合）、条件 3 丙 = 医生（符合）、条件 4 丁不需要工程图纸（教师不需要，符合），看似也符合；

76. 但为什么会有两个可能解？回到题干，可能是我遗漏了 “职业的唯一性” 之外的隐含逻辑：再看条件 4 “丁的职业不需要使用工程图纸”，工程师需要图纸，其他三个职业（教师、医生、律师）都不需要，但丙已确定是医生，所以丁只能在教师和律师中选；而条件 1 甲不是教师，甲已确定是工程师，所以教师只能在乙和丁中选；

    此时需结合 “常规逻辑题设计”—— 通常会通过条件排除到唯一解，再仔细看条件 2 “乙不是医生”，若乙是律师，丁是教师，无矛盾；若乙是教师，丁是律师，也无矛盾，这说明题干可能存在 “信息足够得出两种合理解” 的情况，但更可能是我在分析中未进一步细化；

    补充细化：重新看 “丙是医生”，医生的工作性质与其他职业无直接关联，但从 “职业的常见搭配” 来看，无额外信息，所以两种解都合理？但实际考试或逻辑题中，更可能是我在假设时优先选择 “乙 = 教师，丁 = 律师”，因为若乙是教师，能更直接对应 “教师职业无特殊限制”，而律师职业也无冲突，且两种解均符合条件，所以需说明 “两种可能解均符合所有已知条件”；

    但结合题干 “4 人分别从事 4 种职业”，两种解都满足，所以最终结论：甲 = 工程师，丙 = 医生，乙和丁的职业有两种可能 —— 乙 = 教师、丁 = 律师，或乙 = 律师、丁 = 教师；

    但为确保严谨，再次检查：若题干无其他隐藏条件，两种解均正确，若有隐藏条件（如 “丁不是教师”），则只有一种解，但题干未提及，所以需如实呈现两种可能。

    最终答案：甲的职业是工程师，丙的职业是医生；乙的职业可能是教师、丁的职业可能是律师，或乙的职业可能是律师、丁的职业可能是教师（两种情况均符合所有已知条件）。”

    4.4.4 案例分析

    复杂条件身份判断的核心难点在于 “多条件交叉验证” 和 “可能存在多解”，思维链提示词在这个案例中的作用是：

77. 引导大模型 “先抓明确条件”（如丙是医生），避免一开始就陷入复杂的多条件混乱中，先确定一个锚点，再逐步推导其他身份；
78. 要求 “每步判断依据已知条件”，确保推理不脱离题干，避免主观臆断（如不会凭空说 “丁是工程师”，因为条件 4 明确排除）；
79. 加入 “验证环节”，让大模型在得出初步结论后，回头检查是否符合所有条件，避免因遗漏条件导致错误（如验证两种可能解是否都符合所有条件）。

80. 从输出结果来看，大模型不仅清晰推导了甲和丙的唯一职业，还发现了乙和丁的两种可能解，并如实说明两种解均符合条件，体现了思维链在 “复杂多条件推理” 中的严谨性 —— 既不遗漏可能，也不强行得出唯一解，而是基于题干信息客观呈现结果，这正是逻辑推理的核心要求。

    5. 思维链使用的常见问题与解决方法

    在实际使用思维链设计提示词时，很多人会遇到 “大模型不按步骤推理”“推理过程混乱”“得出错误结论” 等问题。下面总结 6 个常见问题，并给出具体的解决方法，帮助大家规避误区，提升思维链的使用效果。

    5.1 问题 1：大模型跳过步骤，直接给出答案

    5.1.1 问题表现

    在提示词中要求 “展示思考步骤”，但大模型仍跳过中间推理过程，直接输出最终答案，比如在数学计算中，不写计算式，只给结果；在逻辑推理中，不说明排除过程，只给身份判断。

    5.1.2 解决方法

81. 方法 1：在提示词中加入 “强制步骤约束”，明确要求 “每一步都要写出具体思考内容，不能跳过任何环节”，并举例说明步骤应包含的内容（如 “数学计算需写出‘公式→代入数值→计算结果’三步，缺一不可”）；
82. 方法 2：使用 “分步骤引导”，将任务拆分成多个小指令，让大模型逐个完成，比如 “第一步，计算 A 商品总销售额；第二步，计算 B 商品总销售额；第三步，计算总销售额”，每个指令单独提出，避免大模型跳过；
83. 示例：针对 “计算 2+3×4 的结果”，优化后的提示词：“请计算 2+3×4 的结果，要求：1. 第一步，明确数学运算顺序（先乘后加）；2. 第二步，计算乘法部分 3×4 的结果；3. 第三步，计算加法部分 2+（乘法结果）的结果；4. 第四步，给出最终答案，每一步都要写出具体内容，不能跳过。”

84. 5.2 问题 2：大模型推理过程逻辑混乱

    5.2.1 问题表现

    大模型虽然展示了思考步骤，但步骤之间缺乏逻辑关联，比如在业务分析中，先提建议，再分析原因；在数学计算中，先算结果，再补公式，导致推理过程颠三倒四，无法追溯。

    5.2.2 解决方法

85. 方法 1：在提示词中 “明确步骤顺序”，用 “第一步→第二步→第三步” 的格式，规定每个步骤的具体内容和先后顺序，比如 “第一步，分析已知条件；第二步，排除不可能的职业；第三步，确定唯一职业；第四步，验证结果”；
86. 方法 2：提供 “步骤模板”，在提示词中给出每个步骤的框架，让大模型填充内容，比如 “步骤 1：已知条件梳理 ——①...②...③...；步骤 2：排除过程 —— 根据条件①，排除...；根据条件②，排除...；步骤 3：结论 ——...；”；
87. 示例：针对 “判断甲的职业”，优化后的提示词：“请判断甲的职业，已知条件：1. 甲不是医生；2. 职业有医生、教师、工程师。要求按照以下模板推理：步骤 1：已知条件梳理 ——①甲不是医生；②可选职业：医生、教师、工程师；步骤 2：排除过程 —— 根据条件①，排除甲是医生的可能，剩余可选职业：教师、工程师；步骤 3：若有其他条件可进一步排除，无则说明剩余可能；步骤 4：给出结论。”

88. 5.3 问题 3：大模型在推理中引入无关信息

    5.3.1 问题表现

    大模型在思考过程中，加入题干中没有的信息，比如在电商复购率分析中，题干未提及 “产品质量”，但大模型却分析 “产品质量差导致复购率下降”；在代码调试中，题干未提及 “版本问题”，但大模型却推测 “Python 版本不兼容导致报错”。

    5.3.2 解决方法

89. 方法 1：在提示词中加入 “信息约束”，明确要求 “只能使用题干中给出的已知信息，不允许引入任何题干外的假设或信息”；
90. 方法 2：在提示词中 “标注已知信息”，将题干中的关键信息编号列出，提醒大模型只能基于这些信息推理，比如 “已知信息 1：...；已知信息 2：...；已知信息 3：...；请基于以上 3 条已知信息推理，不使用其他信息”；
91. 示例：针对 “电商复购率分析”，优化后的提示词：“分析电商复购率下降的原因，已知信息 1：物流慢投诉增加；已知信息 2：无老用户优惠活动；已知信息 3：新用户增长但老用户复购减少。要求：1. 只能基于以上 3 条已知信息推理，不引入‘产品质量’‘价格’等题干外信息；2. 每条原因都要对应到具体的已知信息编号。”

92. 5.4 问题 4：大模型推理到一半停止或偏离主题

    5.4.1 问题表现

    大模型在展示思考步骤时，推理到中间某一步后突然停止，或转向与任务无关的内容，比如在计算利润时，算完总销售额后，突然开始分析 “商品销量变化趋势”，偏离 “计算利润” 的核心任务。

    5.4.2 解决方法

93. 方法 1：在提示词中 “强化任务目标”，多次强调核心任务，比如 “核心任务是计算利润，所有思考步骤都需围绕‘计算利润’展开，不允许偏离到其他话题（如销量分析、市场趋势）”；
94. 方法 2：使用 “进度提醒”，在提示词中加入 “完成当前步骤后，继续进行下一步，直至得出最终答案，不要中途停止”；
95. 示例：针对 “计算利润”，优化后的提示词：“请计算商店 4 月利润，核心任务是‘得出利润结果’，思考步骤需围绕以下内容展开：1. 算总销售额；2. 算总成本；3. 算利润。要求：1. 完成每个步骤后立即进行下一步，不要中途停止；2. 不讨论与‘计算利润’无关的内容（如销量变化、商品类型）。”

96. 5.5 问题 5：大模型无法理解复杂的思维链指令

    5.5.1 问题表现

    当提示词中包含复杂的步骤要求或示例时，大模型无法理解指令含义，比如在 “拆分子步骤指令” 时，大模型混淆不同子步骤的任务，或无法模仿示例的推理模式。

    5.5.2 解决方法

97. 方法 1：“简化指令语言”，使用更简单、直接的表述，避免长句和复杂词汇，比如不说 “请采用分步递进的推理范式，模仿示例的认知链路”，而说 “请按照示例的步骤，一步一步推理”；
98. 方法 2：“拆分指令复杂度”，将复杂的思维链指令拆分成多个简单的小指令，分多次提交，比如先让大模型 “分析示例的推理步骤”，再让大模型 “按照示例步骤解决当前问题”；
99. 示例：针对 “模仿示例推理”，优化后的提示词（分两次提交）：

100. 第一次提交：“请阅读以下示例，找出示例的推理步骤：示例问题：...；示例思考过程：第一步... 第二步... 第三步...。要求：用 1、2、3 列出示例的推理步骤。”

     第二次提交：“请解决当前问题：...。要求：按照第一次提交中你找出的 3 个推理步骤，一步一步推理，得出答案。”

     5.6 问题 6：思维链推理结果仍错误

     5.6.1 问题表现

     大模型虽然按要求展示了思考步骤，但步骤中存在计算错误、逻辑错误，导致最终结果错误，比如在数学计算中，将 “3×4” 算成 “10”；在逻辑推理中，错误排除了正确的职业。

     5.6.2 解决方法

101. 方法 1：在提示词中 “加入验证要求”，要求大模型 “完成推理后，回头检查每个步骤的正确性，比如计算步骤检查数值是否正确，逻辑步骤检查是否符合已知条件”；
102. 方法 2：“提供错误修正引导”，在提示词中说明 “若发现某一步错误，请立即修正该步骤，再继续推理，不要带着错误步骤进行下一步”；
103. 示例：针对 “数学计算”，优化后的提示词：“请计算 5×(6+2) 的结果，要求：1. 第一步，算括号内 6+2 的结果；2. 第二步，算 5×（第一步结果）的结果；3. 第三步，检查第一步和第二步的计算是否正确（如 6+2 是否等于 8，5×8 是否等于 40）；4. 第四步，给出正确的最终答案。”

104. 6. 思维链与其他提示词技巧的结合使用

     思维链并非孤立的提示词技巧，将它与其他常用提示词技巧结合，能进一步提升大模型的推理效果。下面介绍 3 种常见的结合方式，并给出具体示例，帮助大家拓展提示词设计思路。

     6.1 思维链 + 角色设定：让推理更贴合专业场景

     6.1.1 结合逻辑

     “角色设定” 技巧是让大模型扮演特定职业角色（如程序员、医生、分析师），结合思维链后，大模型能以角色的专业视角展开推理，让思考过程更符合专业场景的逻辑和习惯，比如让 “程序员” 角色用代码调试的专业思路展开思维链，让 “分析师” 角色用业务分析的专业框架展开思维链。

     6.1.2 示例：结合 “程序员” 角色的代码调试

     提示词：“请扮演一名有 5 年 Python 开发经验的程序员，分析以下代码的错误并修复。代码功能是计算列表中所有正数的平均值，测试列表 [1,-2,3,-4,5]，正确平均值应为 (1+3+5)/3=3，但输出结果错误。

     原始代码：

     def positive_average (numbers):

     total = 0

     count = 0

     for num in numbers:

     if num > 0:

     total += num

     count += 1

     return total /count

     要求：1. 以程序员的专业视角，按照 “分析代码逻辑→找出错误点→解释错误原因→修复代码→测试验证” 的思维链步骤推理；2. 分析时使用程序员常用的表述（如 “循环内变量计数逻辑错误”）；3. 修复代码需符合 Python 开发规范。”

     大模型输出（参考）：

     “作为 5 年 Python 开发经验的程序员，推理过程如下：

105. 分析代码逻辑：

106. 函数 positive_average 的核心逻辑是遍历列表，累加正数的总和（total），统计正数的个数（count），最后返回 “总和 / 个数” 作为平均值。代码中，循环内判断 num>0 时累加 total，但 count 在每次循环都会 + 1，无论 num 是否为正数。

107. 找出错误点：

108. 错误在于 count 的计数逻辑，count 应仅在 num>0 时累加，而当前代码中 count 在循环内无条件 + 1，导致 count 统计的是列表总长度（5），而非正数个数（3）。

109. 解释错误原因：

110. 测试列表 [1,-2,3,-4,5] 有 5 个元素，循环执行 5 次，count 最终为 5。total 累加的是 1+3+5=9，返回 9/5=1.8，与正确平均值 3 不符。这是典型的 “变量计数范围错误”，在遍历筛选数据时，计数器未与筛选条件绑定。

111. 修复代码：

112. 将 count += 1 移入 if num > 0 的条件块内，确保仅统计正数个数。修复后代码：

     def positive_average (numbers):

     total = 0

     count = 0

     for num in numbers:

     if num > 0:

     total += num

     count += 1 # 仅正数时计数

     return total /count if count != 0 else 0 # 增加除数为 0 的异常处理，符合开发规范

113. 测试验证：

114. 运行修复后代码，遍历 [1,-2,3,-4,5]：

115. • num=1（正数）：total=1，count=1；
116. • num=-2（负数）：无操作；
117. • num=3（正数）：total=4，count=2；
118. • num=-4（负数）：无操作；
119. • num=5（正数）：total=9，count=3；

120. 返回 9/3=3，与正确结果一致，修复成功。”

     6.2 思维链 + 格式限定：让推理过程更清晰规范

     6.2.1 结合逻辑

     “格式限定” 技巧是规定大模型输出的格式（如表格、列表、分章节），结合思维链后，能让大模型的思考过程以更清晰、规范的格式呈现，方便用户阅读和追溯，比如用表格展示 “步骤→内容→依据”，用列表分点展示每个推理环节。

     6.2.2 示例：结合 “表格格式” 的逻辑推理

     提示词：“请判断甲、乙、丙的职业（医生、教师、工程师），已知条件：1. 甲经常给病人看病；2. 乙不是教师。要求：1. 按照 “步骤→推理内容→依据” 的表格格式，展开思维链推理；2. 表格包含 3 列，每一步推理都要填入对应内容；3. 最终在表格后给出职业判断结果。”

     大模型输出（参考）：

     “推理过程如下表所示：

     步骤	推理内容	依据
     1	确定甲的职业：甲是医生	已知条件 1 “甲经常给病人看病”，医生

     的核心工作是给病人看病，因此甲是医生；

     | 2 | 排除甲的其他职业可能：甲不是教师、不是工程师 | 职业唯一，甲已确定是医生，因此排除其他两种职业；

     | 3 | 确定乙的可选职业：乙只能是工程师 | 总职业为医生、教师、工程师，甲已占医生，剩余教师和工程师；结合条件 2 “乙不是教师”，因此乙只能是工程师；

     | 4 | 确定丙的职业：丙是教师 | 职业唯一，甲是医生、乙是工程师，剩余职业教师归丙。

     最终职业判断结果：甲是医生，乙是工程师，丙是教师。”

     6.3 思维链 + 示例参考：让复杂推理更有依据

     6.3.1 结合逻辑

     “示例参考” 技巧是给大模型提供类似任务的推理示例，结合思维链后，大模型能更清晰地理解 “复杂任务该如何分步推理”，尤其适用于跨领域、多环节的复杂推理任务（如多步骤数学证明、复杂业务决策），示例相当于给大模型提供了 “推理模板”，减少其因任务复杂而产生的推理偏差。

     6.3.2 示例：结合 “示例参考” 的复杂数学证明

     提示词：“请证明 “三角形内角和为 180°”，要求先参考示例的推理思路，再按照思维链步骤展开证明。

     示例参考（证明 “矩形对边相等”）：

     示例思维链：

121. 明确矩形定义：有一个角是直角的平行四边形是矩形；
122. 利用平行四边形性质：平行四边形的对边平行且相等；
123. 结合矩形与平行四边形的关系：矩形是特殊的平行四边形，需满足平行四边形的所有性质；
124. 得出结论：因此矩形的对边相等。

125. 当前任务：证明 “三角形内角和为 180°”，要求：1. 按照 “明确定义 / 已知定理→引入辅助线 / 关联已知→分步推导→得出结论” 的思维链步骤证明；2. 每一步都要说明依据（如 “依据平行线性质”“依据平角定义”）。”

     大模型输出（参考）：

     “思维链推理证明过程：

126. 明确已知定理与定义（依据：初中几何基础定理）：
127. • 平角的定义：一条射线绕它的端点旋转，当始边和终边在同一条直线上，方向相反时，所构成的角叫平角，平角的度数为 180°；
128. • 平行线的性质：两直线平行，内错角相等。
129. 引入辅助线（依据：几何证明常用辅助线添加方法）：

130. 取任意三角形 ABC，过顶点 A 作一条直线 DE，使 DE 平行于 BC（辅助线定义：为证明需要添加的不影响原图形性质的线）。

131. 分步推导角的关系（依据：平行线性质与角的等量代换）：
132. • 步骤 1：因为 DE 平行于 BC，根据 “两直线平行，内错角相等”，可得∠DAB = ∠B（∠DAB 与∠B 是内错角）；
133. • 步骤 2：同理，DE 平行于 BC，可得∠EAC = ∠C（∠EAC 与∠C 是内错角）；
134. • 步骤 3：观察直线 DE，∠DAB、∠BAC、∠EAC 在直线 DE 上，构成一个平角（依据平角定义），因此∠DAB + ∠BAC + ∠EAC = 180°。
135. 等量代换得出结论（依据：等式的基本性质 —— 等量代换）：
136. • 将步骤 1 中的∠DAB = ∠B 和步骤 2 中的∠EAC = ∠C，代入步骤 3 的平角等式中，可得∠B + ∠BAC + ∠C = 180°；
137. • 其中∠B、∠BAC、∠C 是三角形 ABC 的三个内角，因此三角形内角和为 180°。”

138. 7. 思维链在不同大模型中的适配调整

     不同大模型（如 ChatGPT、文心一言、通义千问、豆包）的训练数据、算法逻辑存在差异，对思维链提示词的响应效果也会不同。下面针对主流大模型的特点，给出思维链提示词的适配调整方法，帮助大家在不同模型中都能高效使用思维链。

     7.1 ChatGPT：侧重 “逻辑连贯性” 与 “多步骤深度”

     7.1.1 模型特点

     ChatGPT 在处理复杂逻辑推理（如多步骤数学计算、逻辑证明）时，擅长保持步骤间的连贯性，能理解较长的思维链指令，但对 “模糊的步骤要求” 会倾向于自主简化，比如只说 “分步推理” 而不明确步骤内容时，可能会跳过次要步骤。

     7.1.2 适配调整方法

139. 方法 1：明确 “步骤深度”，在提示词中规定每个大步骤下的小环节，比如 “证明三角形内角和时，步骤 1（引入辅助线）需包含‘辅助线画法’‘辅助线作用’两个小环节”；
140. 方法 2：加入 “连贯性要求”，提示 “每一步推理都要基于上一步的结论，不允许出现逻辑断层”；
141. 示例：针对 “计算圆柱体积”，适配 ChatGPT 的提示词：“请计算底面半径为 3 厘米、高为 5 厘米的圆柱体积，要求：1. 步骤 1（明确公式）：写出圆柱体积公式，说明每个参数的含义；步骤 2（代入数值）：将半径 3 厘米、高 5 厘米代入公式，标注单位；步骤 3（计算过程）：先算底面积（πr²），再算体积（底面积 × 高），分两步计算；步骤 4（得出结果）：写出最终体积及单位；2. 每一步都要基于上一步结果，比如步骤 3 的底面积结果需用于步骤 4 的体积计算。”

142. 7.2 文心一言：侧重 “中文语境适配” 与 “本土场景关联”

     7.2.1 模型特点

     文心一言对中文语境的理解更精准，尤其在本土业务场景（如国内电商分析、中文逻辑题）中表现更优，但处理 “纯英文术语的专业推理”（如英文代码调试）时，可能会因术语翻译偏差导致步骤偏差。

     7.2.2 适配调整方法

143. 方法 1：使用 “中文专业术语”，避免英文术语直接使用，比如将 “Python code debugging” 改为 “Python 代码调试”，“function” 改为 “函数”；
144. 方法 2：关联 “本土场景案例”，在示例中加入国内常见场景，比如分析复购率时用 “双十一促销后的复购” 而非 “黑五促销”；
145. 示例：针对 “电商复购率分析”，适配文心一言的提示词：“分析国内某淘宝美妆店铺双十二后的复购率下降原因，已知信息：1. 物流投诉增加（多为‘偏远地区配送超 7 天’）；2. 老用户反馈‘无双十二后的专属优惠’。要求：1. 按‘原因分析→对应建议’分步推理；2. 建议需符合淘宝店铺运营习惯（如‘设置淘宝会员优惠券’）。”

146. 7.3 通义千问：侧重 “代码与技术场景” 的思维链

     7.3.1 模型特点

     通义千问在技术场景（如代码调试、技术文档撰写）的思维链推理中表现突出，能理解代码逻辑的细节（如循环嵌套、函数调用），但处理 “非技术类的抽象推理”（如哲学逻辑题）时，步骤会相对简化。

     7.3.2 适配调整方法

147. 方法 1：技术场景中 “细化代码逻辑步骤”，比如调试循环代码时，要求 “每一步说明循环变量的变化值”；
148. 方法 2：非技术场景中 “提供具体案例参考”，比如抽象逻辑题中加入 “生活中的类似案例”，帮助建立推理关联；
149. 示例：针对 “调试 Python 循环代码”，适配通义千问的提示词：“请调试以下 Python 代码（功能：打印 1-5 的偶数），错误输出为‘1 2 3 4 5’，要求：1. 步骤 1（分析代码）：逐行解释代码逻辑，指出循环条件或判断条件的问题；步骤 2（定位错误）：说明‘为何输出所有数字而非仅偶数’；步骤 3（修复代码）：修改错误部分，写出完整修复代码；步骤 4（测试验证）：模拟运行修复后代码，说明每次循环的变量值（如 i=1 时不打印，i=2 时打印）。”

150. 7.4 豆包：侧重 “简洁步骤” 与 “易懂推理”

     7.4.1 模型特点

     豆包擅长将复杂推理拆分为简洁、易懂的步骤，适合初学者理解，但对 “过于复杂的子步骤拆分”（如一个任务拆分为 5 步以上）会出现步骤混淆，比如将 “计算总销售额” 和 “计算总成本” 的顺序颠倒。

     7.4.2 适配调整方法

151. 方法 1：控制 “步骤数量”，将任务拆分为 3-4 个核心步骤，避免过多子步骤；
152. 方法 2：使用 “直观表述”，步骤要求用 “先做... 再做... 最后做...” 的简单句式，避免复杂指令；
153. 示例：针对 “计算商店利润”，适配豆包的提示词：“请计算某商店的利润，已知：销售额 8000 元，成本 3000 元，固定开支 2000 元。要求：1. 先算‘总支出’：成本 + 固定开支；2. 再算‘利润’：销售额 - 总支出；3. 最后写出利润结果，每一步都要算清楚数字。”

154. 8. 思维链的进阶应用：从 “单一任务推理” 到 “多任务协同推理”

     随着对思维链的熟练运用，我们可以将其从 “解决单一任务” 拓展到 “多任务协同推理”—— 让大模型用思维链同时处理多个关联任务，比如 “先分析问题原因，再提出解决方案，最后制定执行计划”，实现从 “单点推理” 到 “全流程推理” 的升级。

     8.1 多任务协同推理的核心逻辑

     多任务协同推理的核心是 “任务关联与步骤衔接”：多个任务之间需存在逻辑关联（如 “原因分析” 是 “解决方案” 的依据，“解决方案” 是 “执行计划” 的依据），且每个任务的思维链步骤需与其他任务衔接，避免独立割裂。

     比如 “电商复购率提升” 的多任务协同推理，包含三个关联任务：

155. 任务 1：分析复购率下降原因（思维链：已知信息→原因推导→原因总结）；
156. 任务 2：提出提升复购率的解决方案（思维链：针对每个原因→对应解决方案→方案可行性说明）；
157. 任务 3：制定解决方案的执行计划（思维链：每个方案→执行步骤→时间节点→负责人）；

158. 三个任务的衔接逻辑：任务 2 的解决方案需对应任务 1 的原因，任务 3 的执行计划需对应任务 2 的解决方案。

     8.2 多任务协同推理的提示词设计

     8.2.1 提示词结构

     多任务协同推理的提示词需包含 “任务关联说明”“各任务思维链要求”“步骤衔接要求” 三部分：

159. 任务关联说明：明确多个任务之间的逻辑关系，比如 “任务 1 的原因分析结果是任务 2 解决方案的依据，任务 2 的解决方案是任务 3 执行计划的依据”；
160. 各任务思维链要求：为每个任务单独设计思维链步骤，比如任务 1 按 “信息分析→原因推导”，任务 2 按 “原因对应→方案提出”；
161. 步骤衔接要求：规定 “后一任务的每一步都要基于前一任务的对应步骤结果”。

162. 8.2.2 示例：“电商复购率提升” 的多任务提示词

     “请完成电商复购率提升的多任务推理，包含任务 1（分析下降原因）、任务 2（提出解决方案）、任务 3（制定执行计划），已知信息：1. 复购率从 30% 降至 15%；2. 老用户反馈‘物流慢’‘无优惠’；3. 售后响应时间超 24 小时。

     要求：

163. 任务关联说明：任务 2 的解决方案需对应任务 1 的原因，任务 3 的执行计划需对应任务 2 的解决方案；
164. 各任务思维链要求：
165. • 任务 1（分析原因）：步骤 1（梳理已知信息）：列出 3 条已知信息；步骤 2（推导原因）：每条信息对应一个复购率下降原因，说明逻辑；步骤 3（总结原因）：汇总所有原因；
166. • 任务 2（提出解决方案）：步骤 1（原因对应）：每个原因对应一个解决方案；步骤 2（方案说明）：说明每个方案的具体做法；
167. • 任务 3（制定执行计划）：步骤 1（方案拆分）：每个解决方案拆分为 2 个执行步骤；步骤 2（时间节点）：给每个步骤设定完成时间（1 周内 / 2 周内）；
168. 步骤衔接要求：任务 2 步骤 1 的每个解决方案，需对应任务 1 步骤 2 的一个原因；任务 3 步骤 1 的每个执行步骤，需对应任务 2 步骤 1 的一个解决方案。”

169. 8.2.3 大模型输出（参考）

     “多任务协同推理结果：

     一、任务 1：分析复购率下降原因

     步骤 1：梳理已知信息：① 复购率 30%→15%；② 老用户反馈‘物流慢’‘无优惠’；③ 售后响应超 24 小时；

     步骤 2：推导原因：

170. 原因 1：物流体验差→对应信息②‘物流慢’，老用户补货时等待久，转向快物流竞品；
171. 原因 2：缺乏复购激励→对应信息②‘无优惠’，老用户无价格优势，选择有优惠的店铺；
172. 原因 3：售后体验差→对应信息③‘响应超 24 小时’，老用户问题无法及时解决，失去信任；

173. 步骤 3：总结原因：物流慢、无老用户优惠、售后响应不及时。

     二、任务 2：提出复购率提升解决方案（对应任务 1 原因）

     步骤 1：原因对应：

174. 方案 1：优化物流→对应原因 1（物流慢）；
175. 方案 2：推出老用户优惠→对应原因 2（无优惠）；
176. 方案 3：提升售后响应速度→对应原因 3（响应超 24 小时）；

177. 步骤 2：方案说明：

178. 方案 1：与顺丰合作，老用户订单优先发顺丰，承诺 3 天内送达；
179. 方案 2：老用户登录领满 100 减 30 券，每月可领 2 次；
180. 方案 3：售后客服增员，确保 12 小时内响应老用户咨询。

181. 三、任务 3：制定执行计划（对应任务 2 方案）

     步骤 1：方案拆分：

182. 计划 1（对应方案 1）：① 联系顺丰洽谈合作（确定价格、配送范围）；② 系统设置老用户订单顺丰标识；
183. 计划 2（对应方案 2）：① 设计满 100 减 30 券规则（使用时间、限制）；② 店铺后台配置优惠券发放功能；
184. 计划 3（对应方案 3）：① 招聘 5 名售后客服（培训产品知识）；② 制定‘老用户咨询优先响应’规则；

185. 步骤 2：时间节点：

186. 计划 1 步骤①：1 周内完成；计划 1 步骤②：2 周内完成；
187. 计划 2 步骤①：3 天内完成；计划 2 步骤②：1 周内完成；
188. 计划 3 步骤①：2 周内完成；计划 3 步骤②：1 周内完成。”

189. 8.3 多任务协同推理的使用场景

     多任务协同推理适用于需要 “全流程解决” 的复杂需求，常见场景包括：

190. 业务决策：如 “分析产品销量下降→提出提升方案→制定执行计划”；
191. 项目管理：如 “识别项目风险→制定应对措施→安排风险监控任务”；
192. 学习研究：如 “分析论文问题→提出修改方案→制定修改计划”。

193. 通过这种方式，思维链能帮助大模型从 “单一任务工具” 升级为 “全流程辅助工具”，大幅提升解决复杂问题的效率。