AI思维链实战：如何用思维链提示工程解决复杂推理问题

1次阅读

共计 2029 个字符，预计需要花费 6 分钟才能阅读完成。

在开发 AI 应用时，我们经常遇到这样的场景：让大语言模型解决一个需要多步推理的问题，比如数学证明或复杂决策。传统的方法往往直接给出最终答案，但效果通常不理想。比如，让模型证明一个数学定理，它可能会跳过关键步骤直接给出结论，导致结果不可靠。又或者，在多条件决策中，模型可能忽略某些重要因素，做出不合理的选择。

传统 prompt 的直接问答方式在简单任务上表现不错，但在复杂推理中就显得力不从心。思维链（Chain-of-Thought）技术的出现解决了这个问题。它的核心思想是让模型像人类一样，把复杂问题分解成多个小步骤，逐步推理得出答案。

思维链与传统 few-shot learning 的主要区别在于：

思维链强调中间推理过程，而 few-shot 主要依赖示例
思维链能处理更复杂的逻辑链条
思维链通常需要更多 token，但准确率更高

思维链技术的关键在于：

分步推理：将问题分解为多个子问题
状态保留：每个推理步骤的输出作为下一步的输入
验证机制：检查每一步的合理性

下面是一个简单的对比表格：

方法	准确率	Token 消耗	适用场景
传统 prompt	中等	低	简单问答
Few-shot	中高	中	有明确示例的任务
思维链	高	高	复杂推理

下面是用 OpenAI API 实现三步推理的 Python 代码，包含了错误重试机制：

import openai
from time import sleep

def chain_of_thought(question, max_retries=3):
    """
    使用思维链技术进行多步推理
    :param question: 初始问题
    :param max_retries: 最大重试次数
    """
    # 第一步：分解问题
    prompt1 = f""" 请将以下复杂问题分解为 3 个子问题：{question}
按顺序列出这些子问题。"""

    retries = 0
    while retries < max_retries:
        try:
            # 获取子问题
            response1 = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt1}],
                temperature=0.7
            )
            sub_questions = response1.choices[0].message.content

            # 第二步：逐个解决子问题
            answers = []
            for i, sub_q in enumerate(sub_questions.split('\n')):
                if not sub_q.strip():
                    continue

                response2 = openai.ChatCompletion.create(
                    model="gpt-3.5-turbo",
                    messages=[{"role": "user", "content": f"请解决这个子问题：{sub_q}"}
                    ],
                    temperature=0.7
                )
                answers.append(response2.choices[0].message.content)

            # 第三步：综合所有答案
            prompt3 = f""" 基于以下子问题和答案，给出最终结论：问题：{question}
子问题及解答：{"\n".join([f"Q{i+1}: {q}\nA{i+1}: {a}" for i, (q, a) in enumerate(zip(sub_questions.split('\n'), answers))])}
"""

            final_response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt3}],
                temperature=0.7
            )

            return final_response.choices[0].message.content

        except Exception as e:
            print(f"Error occurred: {e}, retrying...")
            retries += 1
            sleep(1)

    return "Failed after multiple retries"

在实际应用中，使用思维链技术需要注意以下几点：