思維鏈提示(Chain-of-Thought Prompting)是什麼?

思維鏈提示是一種Prompt工程技術,透過引導模型逐步推理,提升複雜問題的解答品質與可解釋性。|本頁含完整原理、應用場景、iPAS 考試重點與 3 個常見問答。

英文
Chain-of-Thought Prompting
主題標籤
Prompt工程、大型語言模型、自然語言處理
考點定位
非 iPAS 核心術語
最後更新
2026/06/17
思維鏈提示(Chain-of-Thought Prompting)是什麼? Prompt工程大型語言模型
術語快查

搜尋意圖: 如果你在找「思維鏈提示 是什麼」或「思維鏈提示 和相近概念差在哪」,先看這頁的短定義、完整說明與延伸比較。

TL;DR: 思維鏈提示是一種Prompt工程技術,透過引導模型逐步推理,提升複雜問題的解答品質與可解釋性。

實用情境: 適合用在閱讀 AI 文章、產品文件或和同事討論時,先用一頁快速對齊概念。

下一步: 先讀完定義,再往下看延伸比較與對應工具,把概念轉成實際應用。

你想用提示詞把模型的推理步驟引出來時,你會怎麼判斷它真正的作用?

你可以把它想成 思維鏈提示是一種Prompt工程技術,透過引導模型逐步推理,提升複雜問題的解答品質與可解釋性。

在 你想用提示詞把模型的推理步驟引出來時 這種情境裡,這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

容易混淆

思維鏈提示 vs 思維鏈 前者是提示設計,後者是模型產出的推理過程。

思維鏈提示 vs 直接提示 直接提示只問答案,思維鏈提示會刻意引導步驟。

思維鏈提示 vs few-shot few-shot 是給範例,思維鏈提示是把推理格式一起設計進去。

記住這句就好

先看它要解決的是什麼問題,再看它是不是最合適的方法。

實際案例

案例 1:加上步驟要求 你在問題後面加上「請分步推理」,模型通常更容易把中間過程拉出來。

案例 2:給推理範例 先示範一題怎麼思考,模型在新題目上也更容易照著走。

算法與應用

面向 重點
核心 用提示把推理誘導出來,而不是只要最終答案。
技巧 可以搭配 few-shot、角色提示、格式要求與自我一致性。
注意 提示寫得太死,模型有時反而會卡住。

情境判斷

Q1(判斷題): 你只要求模型給答案,不要求過程,這還算思維鏈提示嗎? → 不算,那只是一般提示。

Q2(判斷題): 如果模型真的不會分步推理,單靠提示就一定救得回來嗎? → 不一定,模型能力本身也有上限。

常見問題

思維鏈提示有什麼好處?

常能把多步問題的正確率拉高,也比較容易檢查。

要怎麼設計範例?

範例要和目標題型接近,步驟要清楚但不要太冗長。

它一定適用所有模型嗎?

不一定,較小模型或太簡單的任務效果常比較有限。