思维链

让模型先输出推理步骤再给结论的方法，把中间过程外显出来，用于提升多步推理类任务的表现。

碰到多条件的判断和计算题，思维链往往是「答得对」与「答得歪」的分界，也是你事后审查 AI 推理的抓手。

像数学考试要求写解题步骤：过程露出来，才能看出是算错了还是思路走偏了，也能及时发现思路从一开始就不成立。

问「把各区销量按毛利率加权后对比，找出真正拖后腿的区域」，加上「先列出计算过程再给结论」能拿到可核对的表格；直接要答案常常得到一个不含糊的错数。

• 误解：思维链就是模型真实的内心想法。 事实：这是为任务生成的文本，可能合情也可能事后合理化，不能当作可靠的思考证据。

• 误解：只要让它慢慢想就一定更准。 事实：简单问题上纯属浪费额度，在错误前提上想得越久反而可能错得越自信。

• 误解：主流推理模型不需要提示。 事实：不少模型默认开启推理，但仍需要你说明已尝试过的思路和判断标准。

• 误解：推理过程写得越长越好。 事实：过度思考会自我怀疑、反复改答案，适度约束反而更稳定。

• Agent 智能体让模型不止给建议，而是自己拆解目标、规划步骤、调用工具、执行任务并检查结果的自动化系统。
• 提示词你交给模型的任务说明，包含角色、任务、材料和输出格式，直接决定结果质量的上限。
• 温度控制输出随机性的参数：越低越保守稳定，越高越发散有创意，但出错概率也随之上升。
• 大模型用海量文本训练出的巨型神经网络，靠「看着上文预测下一个词」生成连贯自然的文字。