这是「AI专家养成计划」系列教程的第11篇，共140篇。
适合人群：AI零基础学习者，每天15-25分钟，从零到AI达人。
上篇回顾
Day10我们掌握了结构化提示词的核心武器：
- CRIS万能公式：角色(Role)+任务(Task)+输入(Input)+格式约束(Style)
- 结构化提示词比模糊提问效率提升3-5倍
- 给AI看”好例子”比描述1000字更有效
还没消化的同学建议先回去翻翻Day10，今天的内容会用到这些基础。
一个让我抓狂的真实场景
上周我让AI帮我分析一个技术方案的可行性，提示词写得很漂亮——角色设了技术架构师，格式约束也给了，输入信息也齐了。
结果呢？AI直接甩给我一句：”方案可行，建议采用。”
我当场就懵了。可行？为什么可行？风险呢？成本呢？你连想都没想就告诉我可行？
后来我才搞明白一件事：AI不是不想好好回答，是我没告诉它”怎么想”。
这就好比你问一个实习生”这个方案行不行”，实习生心里可能有想法，但如果你不引导他一步步说出来，他就直接给你一个结论——要么行，要么不行。你追问”为什么”，他才开始掰扯理由。
思维链（Chain-of-Thought），就是那个”为什么”。
什么是思维链？用厨师做菜来解释
想象你去餐厅后厨学做菜。
没有思维链的做法：大厨颠勺、放料、出锅，你全程看到的是”唰”一下就做好了。你问他为什么先放油再放蒜，他说”就这么做的呗”。
有思维链的做法：大厨一边做一边讲——”先把锅烧热，因为冷锅放油容易粘；油温到七成热放蒜，这样蒜香能充分释放；蒜变金黄立刻下菜，晚了就糊了……”
你一下就明白了每一步背后的逻辑。
AI也一样。当你不给它”怎么想”的指令时，它倾向于直接跳到答案。但当你要求它一步一步推理时，它会把中间的思考过程展示出来，结果往往更准确、更靠谱。
这就是思维链的本质：不是让AI想得更多，而是让AI把想的过程说出来。
思维链的三种用法，从入门到精通
第一种：魔法咒语——”请一步步思考”
这是最简单的方式，只需要在提示词末尾加一句话：
请一步步思考（Let’s think step by step）
别小看这句话。Google的研究团队做过实验，在数学推理任务上，加了这句话，AI的准确率从17.7%飙升到了78.7%。不是技术升级，不是换模型，就是加了一句话。
举个例子，你问AI：”一个水池有两个进水管和一个出水管，进水管A每小时注入3吨水，进水管B每小时注入2吨水，出水管每小时排出1吨水。水池容量20吨，多久能装满？”
没有思维链，AI可能直接答”4小时”或”5小时”，有时候算对有时候算错。
加上”请一步步思考”，AI会这样回答：
1. 进水管A每小时注入3吨
2. 进水管B每小时注入2吨
3. 出水管每小时排出1吨
4. 净进水量 = 3+2-1 = 4吨/小时
5. 水池容量20吨 ÷ 4吨/小时 = 5小时
答案：5小时
看到区别了吗？中间每一步都清楚，就算出错了你也能定位到哪一步有问题。
第二种：引导式思维链——你来设计思考框架
“请一步步思考”是万能咒语，但有时候你想让AI按你的思路来推理。这时候你可以在提示词里直接给出思考框架。
比如你要AI分析”要不要把公司服务器迁移到云上”：
请按以下步骤分析：
1. 先列出当前自建服务器的成本构成
2. 再估算云服务的对应成本
3. 对比两者在灵活性、安全性、维护成本上的差异
4. 综合评估，给出建议和迁移方案
这就等于你给AI画了一张思维路线图。AI不会跑偏，不会漏项，每一步都踩在你指定的点上。
在实际工作中，我用得最多的就是这种方式。做项目评审、技术选型、风险评估，先在脑子里过一遍”我作为专家会怎么分析”，然后把步骤写出来喂给AI。效果比直接问”你觉得这个方案怎么样”好十倍。
第三种：示例式思维链——给AI看”别人怎么想的”
这是最高级的用法，也是Day12少样本学习的预告。简单说，就是你在提示词里给AI一个完整的推理示例，让它模仿你的思考方式。
比如：
问题：某公司员工从100人增长到150人，增长了百分之多少？
思考过程：增长人数 = 150-100 = 50人；增长率 = 50÷100×100% = 50%
答案：50%
>
现在请用同样的方式解答：
问题：某产品月活从8000增长到12000，增长了百分之多少？
AI会模仿你示例中的推理模式来回答新问题。这招在数学计算、逻辑推理、代码调试等场景特别好用。
什么时候该用思维链？
不是所有场景都需要思维链。简单任务加了反而啰嗦。我的经验法则是这样的：
必须用思维链的场景：数学计算、逻辑推理、因果分析、多因素决策、代码调试、方案对比。这些场景有一个共同点——中间有推理步骤，不是查字典式的直接回答。
不需要思维链的场景：翻译、摘要、格式转换、简单的信息检索。”法国首都是哪里”这种问题，你让AI一步步推理就属于脱裤子放屁了。
记住一个判断标准：如果这个问题你自己也需要想一想才能回答，那就用思维链；如果你不假思索就能答，那就不需要。
实战：一个完整的思维链提示词模板
把Day10的CRIS公式和今天的思维链结合起来，我给你一个可以直接用的模板：
角色：你是一位资深的{领域}专家
>
任务：请分析{具体问题}
>
思考步骤：
1. 先明确问题的核心矛盾是什么
2. 列出影响决策的关键因素（至少3个）
3. 对每个因素进行分析和评估
4. 综合所有因素给出结论
>
要求：请展示完整的推理过程，不要直接跳到结论
这个模板我在团队里推广了一个月，反馈是”AI终于像个人了”。以前AI给的答案像百度百科，现在像一个会思考的同事在跟你讨论问题。
一个容易踩的坑
有人觉得思维链就是让AI”多说点”，于是在提示词里写”请详细回答”。这跟思维链是两回事。
“详细回答”是让AI扩展篇幅，它可能把一个简单的观点翻来覆去说三遍，但推理逻辑还是跳着的。
“一步步思考”是让AI展示逻辑链条，哪怕每一步只用一句话，整个推理过程也是完整的。
一个重逻辑，一个重篇幅。方向完全不同。
地铁深读：思维链背后的故事
思维链这个概念，最早由Google Brain团队在2022年的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》中正式提出。论文作者Jason Wei等人发现，大语言模型本身具备推理能力，但需要被”激活”。
这个发现有点反直觉。我们以为AI是”学不会推理”，实际上是”会推理但懒得推理”——就像一个聪明的学生，你不催他打草稿，他就直接在脑子里算，算错了也发现不了。
更有趣的是，后续研究发现，思维链的效果跟模型规模高度相关。小模型（比如几十亿参数的）加了思维链反而可能更差，因为它会”一本正经地胡说八道”——中间步骤看似合理，其实是编的。只有大模型（百亿参数以上）才能真正驾驭思维链。
这也解释了为什么同一个技巧，在ChatGPT和某些小模型上效果天差地别。
2023年以后，思维链已经从一个”提示词技巧”演变成了AI推理的底层范式。OpenAI的o1模型、DeepSeek的R1模型，本质上都是把思维链内化到了模型训练中——你不用写”请一步步思考”，模型自己就会先推理再回答。
但对于我们普通用户来说，手动加思维链提示词依然是最实用、最灵活的方式。毕竟不是所有场景都需要推理，按需触发才是效率最高的。
今日小结
今天只讲了一个核心概念：思维链。三句话总结：
- 思维链 = 要求AI把”怎么想的”说出来，而不是直接给答案
- 最简单的方式是在提示词末尾加”请一步步思考”
- 高级玩法是你自己设计思考框架，引导AI按你的思路推理
明天Day12我们讲少样本学习——给AI看几个好例子，它就知道怎么干活了。思维链+少样本，这俩组合起来用，提示词的威力直接翻倍。
下篇预告
Day12——少样本学习：给AI看例子
你有没有发现，教小孩做题，讲十遍规则不如直接做一道示范题？AI也一样。明天教你用”举例子”的方式，让AI秒懂你的意图。
*作者：攀岩者，技术总监，19年 IT 全栈实战。精通网络、安全、云计算、容器、数据库、超算，持证 PMP、ITIL、CKA、网络工程师、信息安全等级保护、AIX 天工计划。主导过多个千万级政务与智慧城市项目，从售前到交付全流程打通。热衷开源，日拱一卒，每天分享 AI 学习笔记，陪你从零基础到 AI 达人。*
发表回复