思維鏈提示詞還有用嗎：「一步一步思考」什麼時候寫、思考模式什麼時候開

適用於誰

• 搜「思維鏈提示詞」「思維鏈提示詞模板」「cot 思維鏈和提示詞的區別」的人；
• 不確定該不該在提示詞裏寫「請一步一步思考」，也不確定「思考 / 深度思考 / Thinking」開關什麼時候該開的人。

本文根據 OpenAI、Anthropic、Google 的官方文檔整理，資料核對於 2026-10-11。各產品介面裏思考開關的具體位置，見站內《ChatGPT 模型怎麼選》《Gemini 模型有哪些》等文章。

結論先說

1. 思維鏈（Chain of Thought，CoT）指讓模型在給出答案前先寫出推理過程。早期模型沒有內置的思考能力，所以需要在提示詞裏寫「請一步一步思考」。
2. 現在的主流模型大多內置了思考能力。對這類模型，三家官方的說法一致：不需要再教它一步步想。
3. OpenAI 說得最直接：對推理模型，避免使用思維鏈提示詞，因為模型在內部完成推理，讓它「一步一步思考」或「解釋你的推理」是不必要的。
4. 該做的是把目標和成功標準說清楚，以及在需要時調高思考強度，而不是規定思考步驟。
5. 沒有思考能力、或者思考被關掉的時候，手動思維鏈仍然有用，寫法見下文。

三家官方怎麼說

OpenAI 文檔裏有個好記的比喻：推理模型像一位資深同事，給他一個目標，相信他能自己把細節搞定；普通的 GPT 模型像一位新人同事，給出明確的指令時表現最好。

步驟

1. 判斷這個任務值不值得開思考

OpenAI 文檔列舉了推理模型擅長的任務類型，可以作為「該開思考」的清單：

• 處理模糊的任務：資訊不全、需要先弄清意圖；
• 大海撈針：從大量非結構化資訊裏找出最相關的那一點；
• 在大量資料中找關聯和細微差別：比如通讀多份合同找出衝突的條款；
• 多步驟的規劃：把一個大任務拆成步驟並安排順序；
• 看圖推理：圖表、結構複雜的表格、畫質不好的照片；
• 審查、調試和改進代碼；
• 評估其他模型的回答。

反過來，OpenAI 也給了取捨標準：最看重速度和成本、任務定義明確時，用普通模型更合適；最看重準確和可靠、問題複雜多步時，用推理模型。

不值得開思考的典型任務：改寫潤色、翻譯、格式轉換、簡單問答、按模板生成內容。開了也能做，只是更慢、更費額度。

2. 用帶思考的模型時，這樣寫提示詞

OpenAI 給推理模型的提示詞建議：

• 保持簡單直接，模型擅長理解簡短清晰的指令；
• 不要寫思維鏈提示；
• 用分隔符（Markdown、XML 標籤、小標題）標明輸入的不同部分；
• 先試不帶例子的寫法，要求複雜時再加少量例子，並確保例子和指令一致；
• 寫明具體的限制條件，例如「給出預算在 500 美元以內的方案」；
• 把最終目標說得非常具體：給出「成功的回答」的明確標準，並鼓勵模型持續推理和迭代，直到滿足這些標準。

所以提示詞的重心從「怎麼想」移到了「想到什麼程度算完成」。對比：

• 舊寫法：「請一步一步思考：第一步分析需求，第二步列出方案，第三步比較優劣……」
• 新寫法：「給出一個遷移方案。成功標準：停機時間不超過 10 分鐘；可以隨時回滾；列出你做的每個假設。」

3. 需要它想得更深時

• OpenAI：API 裏用 reasoning 的 effort 參數調節推理強度；
• Claude：新模型使用自適應思考，由模型自己決定什麼時候思考、思考多少，整體力度用 effort 控制。官方文檔說明，舊的 budget_tokens 寫法在 Claude 4.7 及之後的模型上會返回 400 錯誤；
• Gemini：預設動態思考，按請求的複雜程度自動調整，用 thinking_level 參數控制（多數模型可選 minimal、low、medium、high）。Google 文檔還提到，對推理量很大的問題，加一句「回答前請認真思考」這樣的簡單請求可以提升表現，代價是多消耗思考 token。

聊天產品裏對應的就是模型選擇器或輸入框旁的思考強度選項。

Anthropic 還給了兩個用提示詞影響思考的例子：

• 覺得模型想得太多（系統提示詞又長又複雜時容易出現），可以加一句：思考會增加延遲，只在確實能提升回答質素時才使用，典型情況是需要多步推理的問題；拿不準時直接回答；
• 想讓它在拿到工具結果後先反思再行動：在提示詞裏要求它收到工具結果後，先評估結果的質素、確定下一步的最佳做法再繼續。

4. 讓它自己檢查

Anthropic 文檔推薦的做法：在提示詞末尾加一句類似「結束之前，請對照［檢驗標準］核對你的答案」。官方稱這對代碼和數學尤其有效。文檔同時提醒，個別新模型不用提示就會很好地自查，對它們再加核查指令反而會導致過度核查，增加耗時和 token。

5. 沒有思考能力時：手動思維鏈

用不帶思考的小模型、本地模型，或者為了省錢關掉了思考時，手動思維鏈仍然管用。Anthropic 給的寫法是：讓模型在回答前先把問題想一遍，並把最終答案放進 <answer> 標籤，方便你提取。

先在 <thinking> 標籤裏逐步分析這個問題：
已知條件是什麼、要求的是什麼、可能的解法有哪些、各自的風險。
然後在 <answer> 標籤裏給出最終答案，只寫結論。

程序裏只取 <answer> 裏的內容；人工看的時候，<thinking> 部分可以幫你判斷它是不是在某一步想岔了。

常見問題

Q：對帶思考的模型寫了「一步一步思考」會有壞處嗎？

OpenAI 的用詞是「沒有必要」。實際的代價主要是回答變長、變慢；如果你手寫的步驟不如模型自己規劃的好，還會限制它。直接刪掉，把篇幅用在說明目標和約束上。

Q：能看到模型的思考過程嗎？

各家都只展示思考的摘要或部分內容，具體形式以產品介面和 API 文檔為準。Anthropic 建議在答案看起來不對時去看思考摘要，往往能發現錯誤的假設。

Q：思考強度是不是開到最高最好？

不是。強度越高越慢、消耗越多。Anthropic 文檔甚至專門講了「過度思考」的問題，建議在模型過於發散時調低 effort。先用預設檔，結果不夠好再往上調。

Q：讓模型把推理過程寫進 JSON 字段裏可以嗎？

謹慎。Anthropic 的結構化輸出文檔提醒，要求輸出思考過程的字段可能導致拒答，建議改成要一段簡短的說明。

Q：思維鏈和提示詞鏈是一回事嗎？

不是。思維鏈是在一次回答裏先推理後作答；提示詞鏈是把任務拆成多次調用，前一步的輸出交給後一步。

參考資料

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