考察点
CoT 是 Prompt 面试里出现频率最高的一题（CSDN 高频题里以「教育辅导场景如何用 CoT 提升解题能力」的形式出现）。面试官不只想要「让我们一步步思考」这句咒语，而是想确认你理解它为什么有效、什么时候有效、代价是什么。追问常往「CoT 会增加幻觉吗」「和推理模型（如 o1 类）什么关系」走。
参考答案
为什么有效
Chain-of-Thought 让模型在给出最终答案前，先显式生成中间推理步骤。它有效的原因有两个层面：一是计算层面，自回归模型每生成一个 token 都以前面所有 token 为条件，把中间步骤写出来等于让模型「边算边存草稿」，避免了单步从问题直接跳到答案时的一次性压缩误差；二是训练分布层面，训练语料里数学推导、代码调试这类文本本来就是逐步展开的，显式步骤把生成拉回了模型更擅长的分布。
实证结论很一致：数学（GSM8K 这类）、符号推理、多跳常识推理上，CoT 相对直接作答有显著提升；而在简单分类、翻译、知识问答上几乎没有收益，甚至有害——后面细说。
三种用法
Zero-shot CoT：不加示例，只加一句触发语，经典的「Let's think step by step」，中文场景「请一步步分析再作答」同样有效。成本最低，适合快速验证任务是否吃 CoT 这一套。
Few-shot CoT：示例里带上完整的推理过程，不只是输入输出对。效果比 zero-shot 好，还能顺便控制推理的格式和详细程度。教育场景典型：示例里展示「审题→列已知条件→选公式→代入计算→检验」的完整解题路径，模型就会模仿这个路径而不是直接报答案。注意示例里的推理过程要真的正确，模型对错误推理模式照样照单全收。
Self-Consistency（自洽性）：同一问题采样多条推理路径（调 temperature 采样 5-20 次），对最终答案做多数投票。GSM8K 上能再抬几个百分点，代价是推理成本乘上采样数，适合离线批处理或高价值单点决策，不适合在线高并发。
适用边界：什么时候别用
- 简单任务不用。情感分类、关键词提取，直接答又快又准，加 CoT 徒增延迟和 token 费。
- 对延迟敏感的在线场景慎用。CoT 把输出拉长几倍，首 token 后的等待时间同比拉长。工程上的折中：让模型内部推理但只输出结论，或者用小模型蒸馏推理能力。
- 别迷信步骤的正确性。CoT 提升的是答案准确率，不保证每一步推理都对。模型可能用错误过程推出正确答案，或者步骤看起来漂亮但实际是事后编的合理化解释。需要可验证推理的场景（医疗、金融风控），关键步骤要接外部校验——计算器、代码执行、规则引擎，而不是信模型的文字。
和推理模型的关系
o1、DeepSeek-R1 这类推理模型把 CoT 能力通过强化学习训进了参数，不需要 Prompt 触发。如果底座已经是推理模型，再写「一步步思考」是多余的，有时还干扰它自己的推理节奏。Prompt 层的 CoT 技巧主要对通用指令模型有意义。选型时这也是个判断点：推理密集业务，与其在 Prompt 里堆 CoT 技巧，不如直接换推理模型或者蒸馏一个小模型。
可能的追问
- CoT 会增加幻觉吗？ 推理链越长，中间步骤累积错误的概率越大（一步错步步错）。缓解办法是 self-consistency 投票、关键步骤接工具验证。
- 教育场景为什么特别适合 CoT？ 因为教学目标本身就要展示过程，CoT 输出既是答案又是讲解素材；而且题目有标准答案，方便做离线评测和投票验证。
- CoT 的输出怎么和结构化格式共存？ 让模型先输出推理段落，最后用固定标记（如
最终答案：{"..."}）收口，程序按标记截取解析；或者分两次调用，先推理后格式化。