hehaiguang1123
a6f05ab2d5
- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd) - Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py) - Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks - Fix .gitignore to track tools/ and .githooks/ - Fix git remote URL (remove plaintext token) - New wiki pages: 504 pages, 34 raw sources
181 lines
4.9 KiB
Markdown
181 lines
4.9 KiB
Markdown
---
|
||
categories:
|
||
- "[[LLM Wiki]]"
|
||
tags:
|
||
- wiki
|
||
- concept
|
||
- chain-of-thought
|
||
- prompt-engineering
|
||
- reasoning
|
||
- ai-education
|
||
created: 2026-04-20
|
||
updated: 2026-04-22
|
||
source: "[[教学大模型发展状况深度研究报告-20260415]]"
|
||
type: concept
|
||
aliases:
|
||
- Chain-of-Thought
|
||
- 思维链
|
||
- CoT
|
||
- 推理链
|
||
status: reviewed
|
||
---
|
||
|
||
# Chain-of-Thought（思维链）
|
||
|
||
Chain-of-Thought (CoT, 思维链）是一种提示工程技术，通过引导大语言模型逐步推理，提高复杂问题解决能力和准确性。在教育AI中，CoT 是提升数学推理和问题求解质量的关键技术。
|
||
|
||
## 定义
|
||
|
||
思维链是一种提示策略，要求模型在给出最终答案前，先生成详细的推理步骤。这种方法：
|
||
|
||
- 显式展示推理过程
|
||
- 分解复杂问题为简单步骤
|
||
- 提高答案的可解释性和准确性
|
||
|
||
## 核心原理
|
||
|
||
### 逐步推理
|
||
|
||
```
|
||
直接回答 vs 思维链
|
||
|
||
问题：一个长方形的周长是20厘米，面积是多少？
|
||
|
||
直接回答：
|
||
"面积是25平方厘米。" ❌ 缺少推理过程
|
||
|
||
思维链：
|
||
"让我们一步步思考：
|
||
1. 长方形周长公式：周长 = 2 × (长 + 宽)
|
||
2. 已知周长 = 20，所以 2 × (长 + 宽) = 20
|
||
3. 两边同时除以2：长 + 宽 = 10
|
||
4. 假设长 = 宽（正方形情况），则 长 = 宽 = 5
|
||
5. 面积公式：面积 = 长 × 宽 = 5 × 5 = 25
|
||
6. 所以面积是25平方厘米。" ✅ 清晰推理过程
|
||
```
|
||
|
||
## CoT 在教育中的应用
|
||
|
||
### 1. 数学问题求解
|
||
|
||
```
|
||
问题：解方程 2x + 5 = 13
|
||
|
||
CoT提示：
|
||
"请一步步解这个方程，说明每一步的推理。"
|
||
|
||
模型输出：
|
||
"步骤1：方程是 2x + 5 = 13
|
||
步骤2：将5移到右边：2x = 13 - 5
|
||
步骤3：计算：2x = 8
|
||
步骤4：两边同时除以2：x = 8 / 2
|
||
步骤5：最终答案：x = 4"
|
||
```
|
||
|
||
### 2. 物理问题分析
|
||
|
||
```
|
||
问题：一个物体从静止开始自由落体，2秒后速度是多少？
|
||
|
||
CoT提示：
|
||
"请分析这个物理问题，列出相关公式和计算步骤。"
|
||
|
||
模型输出：
|
||
"分析：
|
||
1. 已知：初速度 v0 = 0，时间 t = 2秒
|
||
2. 重力加速度 g = 9.8 m/s²
|
||
3. 速度公式：v = v0 + gt
|
||
4. 代入计算：v = 0 + 9.8 × 2 = 19.6 m/s
|
||
5. 所以2秒后速度是 19.6 m/s"
|
||
```
|
||
|
||
### 3. 错误纠正和调试
|
||
|
||
```
|
||
学生错误答案："2x + 5 = 13" → "x = 8/2"
|
||
|
||
CoT纠正：
|
||
"让我们检查这个解法：
|
||
步骤1：方程正确 2x + 5 = 13
|
||
步骤2：移项错误！应该是 2x = 13 - 5 = 8
|
||
步骤3：除法步骤不完整，应该是 x = 8/2 = 4
|
||
所以正确答案应该是 x = 4"
|
||
```
|
||
|
||
## CoT 提示模板
|
||
|
||
### 标准思维链提示
|
||
|
||
```
|
||
"请一步步思考这个问题，详细说明你的推理过程。"
|
||
```
|
||
|
||
### 教育特定思维链提示
|
||
|
||
```
|
||
"你是一个数学老师，请用苏格拉底式方法引导学生。
|
||
|
||
1. 不要直接给出答案
|
||
2. 先理解学生的问题
|
||
3. 通过提问引导学生思考
|
||
4. 逐步给出提示
|
||
5. 最后验证答案的正确性
|
||
|
||
学生问题：{学生输入}"
|
||
```
|
||
|
||
### 验证式思维链提示
|
||
|
||
```
|
||
"请先思考这个问题的解法，然后验证每一步的正确性。如果发现错误，请纠正并说明。"
|
||
```
|
||
|
||
## CoT 的优势
|
||
|
||
1. **提高准确性**：逐步推理减少跳跃性错误
|
||
2. **增强可解释性**：推理过程透明，便于理解和验证
|
||
3. **支持教学**：可以展示解题思路，帮助学生理解
|
||
4. **便于调试**：发现错误步骤并纠正
|
||
|
||
## 关键挑战
|
||
|
||
1. **计算成本高**：逐步推理需要更多tokens，增加计算成本
|
||
2. **时间延迟大**：生成较长推理过程，响应时间增加
|
||
3. **推理一致性**：确保推理链的逻辑连贯性
|
||
|
||
**问题描述**：
|
||
- 模型可能在推理链的不同步骤中产生前后矛盾
|
||
- 例如：先假设A，后续推理中又假设非A，导致结论不一致
|
||
|
||
**产生原因**：
|
||
- 上下文窗口限制导致早期假设被遗忘
|
||
- 多步骤推理中缺乏全局一致性检查机制
|
||
- 缺乏明确的推理路径回溯验证
|
||
|
||
**应对策略**：
|
||
- **显式约束**：在提示中要求模型保持假设一致性
|
||
- **分步验证**：要求模型在每个推理步骤后检查逻辑连贯性
|
||
- **回溯验证**：要求模型验证最终结论是否与初始假设一致
|
||
- **示例提示**："请确保你的推理过程前后一致，如果发现矛盾，请明确指出并修正"
|
||
4. **幻觉风险**：长推理链可能增加幻觉风险
|
||
|
||
## LLM时代的新发展
|
||
|
||
随着大语言模型的发展，CoT 技术正在升级：
|
||
|
||
- **自动CoT生成**：模型自动生成分步推理
|
||
- **CoT蒸馏**：将大模型的CoT能力蒸馏到小模型
|
||
- **多路径CoT**：生成多个推理路径并投票选择
|
||
- **CoT + RAG**：结合检索增强生成提高准确性
|
||
|
||
## 相关概念
|
||
|
||
- [[教学大模型]] — 应用CoT的AI教育系统
|
||
- [[苏格拉底式教学法]] — 结合CoT的引导式教学
|
||
- [[RAG]] — 检索增强生成
|
||
- [[Khanmigo]] — CoT在教育中的应用案例
|
||
|
||
## 来源
|
||
|
||
- [[教学大模型发展状况深度研究报告-20260415]] — CoT在数学推理中的应用
|