用 Chain-of-Thought 提升 AI 推理质量的 6 个高阶提示词模板

Chain-of-Thought（思维链，简称 CoT）是当前提升大语言模型推理能力最实用、成本最低的提示工程技术之一。它不改变模型本身，只通过「让模型把思考过程写下来」来显著减少跳步、漏条件和逻辑错误。

下面给出 6 个可直接复制使用的高阶提示词模板，覆盖数学推理、代码排查、决策分析等高频场景。

1. 标准思维链模板

提示词：请一步一步思考，不要直接给结论。先列出已知条件，再推导每一步，最后给出答案。适用于绝大多数需要推理的问题，是最基础的 CoT 形式。

2. 自我一致性（Self-Consistency）

提示词：请用 3 种不同的思路分别求解，再对比结果，给出你最确信的答案及理由。让模型多次采样不同路径，能显著提升复杂题的准确率。

3. 角色+约束模板

提示词：你是一名资深后端工程师。只使用 Python 标准库，给出可运行的代码，并说明时间复杂度。明确角色与约束，能收敛输出质量。

4. 少样本思维链

在提问前给 1-2 个「问题→推理→答案」范例，模型会沿同样结构作答，特别适合格式固定的任务。

5. 反思与纠错

提示词：先给出答案，再假设它是错的，找出可能的漏洞并修正。能有效抑制模型的过度自信。

6. 分而治之

提示词：把这个任务拆成 3 个子问题，逐个解决，最后汇总。适合长文本、复杂需求。

使用建议：CoT 会增加 token 消耗与延迟，简单任务不必强用；推理类、代码类、数学类任务收益最大。配合温度调低（0.2-0.4）效果更稳。