思维链实战：让Agent的推理能力提升50%

什么是思维链（Chain-of-Thought）

大模型不是不聪明，是"跳步"了。你让它直接给答案，它在脑子里跳过了一大堆步骤直接猜结果。加上"让我们一步一步思考"，强迫它把推理过程写出来，准确率直接飙升。

三种用法

基础CoT：加一句就行

问：小明有5个苹果，给了小红2个，又买了3个，现在有几个？
答：让我们一步步思考：
1. 初始：5个苹果
2. 给小红2个：5-2=3个
3. 买了3个：3+3=6个
答案是6个。

少样本CoT：给推理示例

先给2个"问题→推理步骤→答案"的完整示例，再问新问题。模型会模仿推理格式。

自洽性CoT：多条路径投票

让模型从3个不同角度推理同一问题，取多数答案。适合高风险决策场景。

什么时候用

• ✅ 数学计算、逻辑推理、多步决策 → 必用
• ✅ 代码调试、Bug分析 → 效果显著
• ❌ 简单问答、情感分类 → 浪费Token

Agent实战建议

• 在System Prompt里预设：遇到计算类问题，先输出推理步骤
• CoT输出可以作为"可解释性"日志，方便排查Agent为什么做了某个决策
• Token消耗会增加30-50%，但换来的准确性提升绝对值