什么是 Chain-of-Thought（CoT）提示？

在 prompt 里要求模型「一步步思考」，或给带推理链的 few-shot 示例，让模型先输出中间步骤再给最终答案，复杂推理任务效果明显提升。

一、先把结论讲清楚

Zero-shot CoT：加一句 "Let's think step by step" 即可激发推理链。Few-shot CoT：示例中包含 question → reasoning → answer 完整链条。

二、拆开机制和判断点

原理：将多步推理外化为可见 token，减少单步跳跃错误；大模型在预训练中有足够推理模式可激活。局限：增加 token 成本与延迟；简单任务可能过度思考；

三、补上例子、边界和取舍

推理链本身可能幻觉。进阶变体：Self-Consistency（多路径投票）、Tree-of-Thought。