思维链（Chain of Thought，简称 CoT）是一种在大型语言模型中增强逻辑推理能力的技术。这一概念最初由谷歌大脑的高级研究员 Jason Wei 提出，并在 2022 年 1 月发表的论文「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」中进行了详细阐述。 CoT 技术通过将复杂问题分解为一系列逐步的子问题解答，引导模型生成详细的推理过程，从而提高模型在算术推理、常识推理和符号推理等复杂任务上的表现。
CoT 技术的关键优势在于其能够显著提升模型的可解释性，并帮助模型进行复杂的逻辑推理，尤其是在需要组合多个事实或信息片段的问题上。它模仿了人类的推理过程，即通常不是直接得出答案，而是通过一系列的思考、分析和推理步骤。 CoT 方法分为基于人工示例标注的 Few-shot CoT 和无人工示例标注的 Zero-shot CoT 两种形式。 Few-shot CoT 通过提供少量示例来展示推理过程，而 Zero-shot CoT 则通过特定的提示（如「Let’s think step by step」）来激发模型生成推理链条，无需额外的示例。