思维链提示词还有用吗：「一步一步思考」什么时候写、思考模式什么时候开

适用于谁

• 搜「思维链提示词」「思维链提示词模板」「cot 思维链和提示词的区别」的人；
• 不确定该不该在提示词里写「请一步一步思考」，也不确定「思考 / 深度思考 / Thinking」开关什么时候该开的人。

本文根据 OpenAI、Anthropic、Google 的官方文档整理，资料核对于 2026-10-11。各产品界面里思考开关的具体位置，见站内《ChatGPT 模型怎么选》《Gemini 模型有哪些》等文章。

结论先说

1. 思维链（Chain of Thought，CoT）指让模型在给出答案前先写出推理过程。早期模型没有内置的思考能力，所以需要在提示词里写「请一步一步思考」。
2. 现在的主流模型大多内置了思考能力。对这类模型，三家官方的说法一致：不需要再教它一步步想。
3. OpenAI 说得最直接：对推理模型，避免使用思维链提示词，因为模型在内部完成推理，让它「一步一步思考」或「解释你的推理」是不必要的。
4. 该做的是把目标和成功标准说清楚，以及在需要时调高思考强度，而不是规定思考步骤。
5. 没有思考能力、或者思考被关掉的时候，手动思维链仍然有用，写法见下文。

三家官方怎么说

OpenAI 文档里有个好记的比喻：推理模型像一位资深同事，给他一个目标，相信他能自己把细节搞定；普通的 GPT 模型像一位新人同事，给出明确的指令时表现最好。

步骤

1. 判断这个任务值不值得开思考

OpenAI 文档列举了推理模型擅长的任务类型，可以作为「该开思考」的清单：

• 处理模糊的任务：信息不全、需要先弄清意图；
• 大海捞针：从大量非结构化信息里找出最相关的那一点；
• 在大量资料中找关联和细微差别：比如通读多份合同找出冲突的条款；
• 多步骤的规划：把一个大任务拆成步骤并安排顺序；
• 看图推理：图表、结构复杂的表格、画质不好的照片；
• 审查、调试和改进代码；
• 评估其他模型的回答。

反过来，OpenAI 也给了取舍标准：最看重速度和成本、任务定义明确时，用普通模型更合适；最看重准确和可靠、问题复杂多步时，用推理模型。

不值得开思考的典型任务：改写润色、翻译、格式转换、简单问答、按模板生成内容。开了也能做，只是更慢、更费额度。

2. 用带思考的模型时，这样写提示词

OpenAI 给推理模型的提示词建议：

• 保持简单直接，模型擅长理解简短清晰的指令；
• 不要写思维链提示；
• 用分隔符（Markdown、XML 标签、小标题）标明输入的不同部分；
• 先试不带例子的写法，要求复杂时再加少量例子，并确保例子和指令一致；
• 写明具体的限制条件，例如「给出预算在 500 美元以内的方案」；
• 把最终目标说得非常具体：给出「成功的回答」的明确标准，并鼓励模型持续推理和迭代，直到满足这些标准。

所以提示词的重心从「怎么想」移到了「想到什么程度算完成」。对比：

• 旧写法：「请一步一步思考：第一步分析需求，第二步列出方案，第三步比较优劣……」
• 新写法：「给出一个迁移方案。成功标准：停机时间不超过 10 分钟；可以随时回滚；列出你做的每个假设。」

3. 需要它想得更深时

• OpenAI：API 里用 reasoning 的 effort 参数调节推理强度；
• Claude：新模型使用自适应思考，由模型自己决定什么时候思考、思考多少，整体力度用 effort 控制。官方文档说明，旧的 budget_tokens 写法在 Claude 4.7 及之后的模型上会返回 400 错误；
• Gemini：默认动态思考，按请求的复杂程度自动调整，用 thinking_level 参数控制（多数模型可选 minimal、low、medium、high）。Google 文档还提到，对推理量很大的问题，加一句「回答前请认真思考」这样的简单请求可以提升表现，代价是多消耗思考 token。

聊天产品里对应的就是模型选择器或输入框旁的思考强度选项。

Anthropic 还给了两个用提示词影响思考的例子：

• 觉得模型想得太多（系统提示词又长又复杂时容易出现），可以加一句：思考会增加延迟，只在确实能提升回答质量时才使用，典型情况是需要多步推理的问题；拿不准时直接回答；
• 想让它在拿到工具结果后先反思再行动：在提示词里要求它收到工具结果后，先评估结果的质量、确定下一步的最佳做法再继续。

4. 让它自己检查

Anthropic 文档推荐的做法：在提示词末尾加一句类似「结束之前，请对照［检验标准］核对你的答案」。官方称这对代码和数学尤其有效。文档同时提醒，个别新模型不用提示就会很好地自查，对它们再加核查指令反而会导致过度核查，增加耗时和 token。

5. 没有思考能力时：手动思维链

用不带思考的小模型、本地模型，或者为了省钱关掉了思考时，手动思维链仍然管用。Anthropic 给的写法是：让模型在回答前先把问题想一遍，并把最终答案放进 <answer> 标签，方便你提取。

先在 <thinking> 标签里逐步分析这个问题：
已知条件是什么、要求的是什么、可能的解法有哪些、各自的风险。
然后在 <answer> 标签里给出最终答案，只写结论。

程序里只取 <answer> 里的内容；人工看的时候，<thinking> 部分可以帮你判断它是不是在某一步想岔了。

常见问题

Q：对带思考的模型写了「一步一步思考」会有坏处吗？

OpenAI 的用词是「没有必要」。实际的代价主要是回答变长、变慢；如果你手写的步骤不如模型自己规划的好，还会限制它。直接删掉，把篇幅用在说明目标和约束上。

Q：能看到模型的思考过程吗？

各家都只展示思考的摘要或部分内容，具体形式以产品界面和 API 文档为准。Anthropic 建议在答案看起来不对时去看思考摘要，往往能发现错误的假设。

Q：思考强度是不是开到最高最好？

不是。强度越高越慢、消耗越多。Anthropic 文档甚至专门讲了「过度思考」的问题，建议在模型过于发散时调低 effort。先用默认档，结果不够好再往上调。

Q：让模型把推理过程写进 JSON 字段里可以吗？

谨慎。Anthropic 的结构化输出文档提醒，要求输出思考过程的字段可能导致拒答，建议改成要一段简短的说明。

Q：思维链和提示词链是一回事吗？

不是。思维链是在一次回答里先推理后作答；提示词链是把任务拆成多次调用，前一步的输出交给后一步。

参考资料

• OpenAI 文档：Reasoning best practices — https://developers.openai.com/api/docs/guides/reasoning-best-practices
• OpenAI 文档：Prompt engineering（Prompting reasoning models）— https://developers.openai.com/api/docs/guides/prompt-engineering
• Anthropic 文档：Prompting best practices（Thinking and reasoning）— https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
• Google 文档：Prompt design strategies — https://ai.google.dev/gemini-api/docs/prompting-strategies
• Google 文档：Gemini thinking — https://ai.google.dev/gemini-api/docs/thinking