LLM思维链提示（CoT）

设计LLM思维链提示（CoT）时，核心是让提示能高效引导模型模拟人类分步推理过程，关键因素围绕“逻辑适配、引导方式、任务贴合”展开，以下是6个核心要素及实操要点：

一、步骤拆解的逻辑性与颗粒度

• 核心要求：按“问题本质→子问题拆分→中间推导→结论整合”的自然逻辑设计步骤，颗粒度适配任务复杂度。
• 实操要点：复杂任务拆分为3-5步（过多易混乱，过少易跳跃），每步聚焦一个核心推导目标，不混合多个逻辑点。
• 示例：历史分析题CoT不直接引导“总结影响”，而是拆分为“背景梳理→关键事件时序→各方行为→直接结果→长期影响”。

二、提示的明确性与引导开放性平衡

• 核心要求：既明确每步推理方向，又不限制模型的合理推导路径，避免“指令过死”或“引导模糊”。
• 实操要点：用“目标导向型引导”（如“第一步需确认题干中的核心约束条件”）替代“指令型引导”（如“必须先算XX”），预留模型自主推理空间。
• 反例：模糊引导“请一步步分析”（无方向）；过死引导“必须先求A，再求B，再求C”（限制灵活推理）。

三、任务类型的定制化适配

• 核心要求：CoT设计需贴合任务的推理逻辑，不同任务侧重不同推导维度。
• 分场景要点：
  • 数学/计算类：侧重“公式定义→已知条件代入→计算步骤→结果验证”，明确每步运算依据。