Chain of Thought（思维链）

Chain of Thought（CoT，思维链）是 LLM 推理能力的基础技术之一。通过引导模型在输出最终答案前显式展示中间推理步骤，CoT 能显著提升模型在数学、逻辑、编程等多步推理任务上的表现。

例如，当被问到"小明有 5 个苹果，给了小红 2 个后又买了 3 个，现在有几个？"时，使用 CoT 的模型会先输出推理步骤（5-2=3，3+3=6），再给出最终答案。

Zero-shot CoT：添加"让我们一步一步思考"（Let's think step by step）指令，无需示例即可触发推理。

Tree of Thoughts（ToT）：在每一步探索多个推理分支，评估后选择最佳路径，适合搜索和规划任务。

Self-Consistency：多次运行 CoT 后取多数投票结果，提升答案可靠性。

Chain of Verification（CoVe）：先生成答案，再生成验证步骤对答案进行自我检查。

2026 年大多数 AI Agent 框架已将 CoT 内建为默认推理策略。ReAct 模式（Reasoning + Acting）本质上是 CoT 的 Action 增强版——模型在思考步骤之间穿插工具调用和外部观察。Token 消耗增加 2-5 倍是 CoT 的主要代价。