>本文是「AI 基础设施科普」系列第 10 篇。上一篇我们聊了模型微调——怎么让通用大模型变成"你的人"。今天聊一个更底层的能力：AI 到底会不会"想"？从一句"Let's think step by step"到推理模型自发涌现反思能力，思维链正在彻底改变 AI 的推理上限。

>为什么同样是问数学题，有的 AI 一步答出来，有的 AI 要"想好久"才回答？这背后是两种完全不同的思考模式。

## 你问过 AI 一道需要推理的题吗？
试着问 AI："一只鸡两只腿，一头牛四条腿，鸡和牛一共 10 只，腿一共 28 条，各有几只？"
普通回答是这样的：
>"鸡 6 只，牛 4 只。"

开启思维链之后是这样的：

>"设鸡有 x 只，牛有 y 只。x + y = 10，2x + 4y = 28，解方程：x = 6，y = 4。"

两个答案是一样的，但第二个模式在复杂问题上——比如三步以上的数学、代码 debug、多条件推理——**准确率会大幅提升**。

为什么？因为 AI 默认是"直觉思考"模式，加了推理链之后切换到了"逻辑思考"模式。

## 人类的两种思维，AI 也在学
心理学家卡尼曼把人类的思维方式分为两种：
- **System 1（快思考）**：直觉的、自动的、几乎不费力气。看到"1+1"你立刻知道等于"2"，不需要想。
- **System 2（慢思考）**：逻辑的、审慎的、需要集中注意力。解一道联立方程组，你需要一步步推导。

早期的大语言模型，本质上只有 System 1——它看完问题，直接预测下一个 token 是什么，没有"思考过程"。

**思维链（Chain-of-Thought，CoT）的核心思想，就是强制 AI 在给出答案之前，先把推理过程写出来。**

这不是在"给 AI 更多提示"，而是在切换它的工作模式：从"直接输出答案"变为"先想再答"。

## 思维链的进化史：从一句话到独立系统

### 第一步：用一句话开关推理
2022 年，研究者发现了一个神奇的现象——只需在 Prompt 末尾加一句：

>"Let's think step by step."（让我们一步步来思考。）

AI 在数学推理题上的准确率就大幅提升了。

这就是 **Zero-shot CoT（零样本思维链）**。零样本的意思是不需要提供任何示例，仅靠这句魔法咒语就能激活模型内部的推理能力。

原理是什么？这句话相当于告诉模型："别急着回答，把你的推理过程也写出来。"而这个写出来的推理过程，会作为后续 token 的上下文，让模型的推理不容易跑偏。

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/a9a074c5ea0977b312866efe2d0c7179.png)

### 第二步：用示例引导推理风格
Zero-shot CoT 有个缺点——推理过程不稳定，每次格式都不一样。

**Few-shot CoT（少样本思维链）**的方案是：在 Prompt 里放几个"示范题"，每个示范题都带着完整的推理过程。模型会照着示范的格式和风格来推理。

比如：
```
示范题：
Q：苹果3元一斤，买了2斤，给了20元，找多少钱？
A：3元×2斤=6元，20-6=14元，找回14元。

正式题：
Q：笔记本8元一本，买了5本，给了50元，找多少钱？
```
模型会自动套用示范格式来解答。Few-shot CoT 的效果通常优于 Zero-shot，代价是 Prompt 更长。

### 第三步：多路径投票
即使有了推理链，单次推理依然可能走错方向。

**Self-Consistency（自洽性采样）**的思路是：对同一道题，让 AI 用不同思路推导多次（Temperature > 0，每次略有不同），然后**取多数答案作为最终结果**。

本质是推理层面的"多数表决"——就像考试时你用两种不同方法解了同一道题，两种方法答案一致，你就更有信心了。

实验表明，Self-Consistency 在数学推理题上可以再提升 10-20 个百分点，代价是 API 成本乘以采样次数。

### 第四步：树状搜索
有些复杂任务，推理过程中需要"走走看，不对就回头"。

**Tree of Thought（思维树，ToT）**把推理过程建模成一棵树：
- 每一步可以生成多个候选"想法节点"
- 评估哪个节点更有希望继续推进
- 走死路了可以回溯到上个节点

这非常接近人类解谜题的方式——你不会一条路走到黑，你会尝试几种可能，发现行不通就换方向。

ToT 效果很好，但实现复杂，token 消耗极高，工程落地成本大。这也是为什么它后来逐渐被"推理模型"内化取代。

### 第五步：推理 + 行动
**ReAct（推理+行动）**把思维链和工具调用融合在一起：

```
想法（Thought）→ 行动（Action）→ 观察（Observation）→ 想法 → ...
```
AI 不只是在"脑子里想"，而是边想边去查资料、调用 API、执行代码，把观察到的结果纳入下一步推理。

这是 AI Agent 的推理基础——你在前面 Agent 篇和工具调用篇里见到的 Agentic Loop，本质上就是 ReAct 框架。

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/c13603fc2eb3662eff3a78ab7f0cdb7f.png)

## 2024-2026：推理能力从"外挂"到"内化"
上面五种方法，都属于**提示工程层面的推理增强**——你通过设计 Prompt 来引导模型推理，模型本身并没有变。

2024 年，OpenAI 发布 o1，一切变了。

### 推理模型：把思维链训进模型里
o1 及其后续的 o3、DeepSeek-R1、Claude Extended Thinking、Gemini Thinking Mode，代表了一种新范式：

**不是让用户在 Prompt 里写"Think step by step"，而是把这个推理能力直接训进模型权重里。**

技术上，这些模型在生成最终答案前，会先生成大量 **Thinking Tokens（思考 token）**——一段对用户不可见（或可见）的"内部草稿"，用来打草稿、自我验证、修正错误，确认没问题后再输出答案。

DeepSeek-R1 选择把思考过程对用户公开，你会看到：

```xml
<think>
  嗯，这道题要求...
  如果设 x = ...，那么 y = ...
  等等，代入检验一下：...
  好，确认答案是 6 和 4。
</think>

答案：鸡 6 只，牛 4 只。
```
### 训练方法：强化学习 × 推理过程奖励
推理模型是怎么训出来的？核心是强化学习（RL）：
1. 让模型自由推理，生成答案
2. 用**结果奖励**（答案对不对）给模型打分
3. 好的推理路径会被强化，坏的会被抑制
4. 模型逐渐学会"更好的思考方式"

更进一步，研究者引入了**过程奖励模型（Process Reward Model，PRM）**——不只看最终答案，还对推理过程的每一步打分。这样模型学到的不是"最终凑出正确答案"，而是"每一步都推理正确"。

DeepSeek-R1 在这个训练过程中发现了一个令人惊喜的现象——模型**自发涌现**出了反思、回溯、自我验证的行为，研究者把这个时刻称为 "aha moment"（尤里卡时刻）。没有人明确告诉它"要反思"，它自己学会了。

### 2026 年推理模型对比
|模型|厂商|思考深度|成本（$/1Mtokens）|特点|
|:-:|:-:|:-:|:-:|:-:|
|o3|OpenAI|可调（`reasoning_effort`参数）|10–10–110|数学/代码顶级水平|
|DeepSeek-R1|DeepSeek|固定|0.55–0.55–2.19|开源、中文友好、思考过程可见|
|Claude Extended Thinking|Anthropic|可开关|3–3–15|通用/长上下文见长|
|Gemini 2.5 Pro|Google|自适应|2.50–2.50–15|多模态推理|
|Qwen3-235B|阿里|可调|0.40–0.40–2.80|中文/多语言，性价比高|

**能力提升有多大？**
|评测|普通大模型|推理模型|提升|
|:-:|:-:|:-:|:-:|
|数学竞赛（AIME）|~13%|~75%|+477%|
|代码竞赛（Codeforces）|~1100分|~1800分|+64%|
|科学问答（GPQA）|~35%|~78%|+123%|

## 推理模型的代价
推理模型不是万能药，它有三个明显的代价：

**1. 慢**
Thinking tokens 必须串行生成，无法并行。一个复杂问题可能需要几分钟才能回答。这对实时场景（比如打字时的代码补全、客服对话）几乎不可接受。

**2. 贵**
一次深度推理可能消耗 2000-20000 个 thinking tokens，成本是普通模型的 10-100 倍。o3 的顶级推理档位达到 110/1Mtokens，对比GPT−4o的110/1Mtokens，对比GPT−4o的5/1M tokens，相差 20 倍以上。

**3. 过度推理（Over-thinking）**
这是推理模型特有的"职业病"——它可能把简单问题想复杂，在已经正确的答案上反复自我怀疑，甚至在繁琐的推理链末尾得出一个错误结论。

研究者称之为"推理链幻觉"：推理过程看起来一本正经，但结论是错的——比直接回答错还难被发现，因为它有"完整的推导"撑腰。

## 什么时候用推理模式，什么时候不用？
**适合用推理模式：**
- 数学证明、联立方程组、概率计算
- 多条件逻辑推断（"如果 A 且 B 则 C"这类）
- 复杂代码的 debug（特别是多文件交叉的 bug）
- 需要排除多种可能性后才能下结论的任务
- 策略规划（多步骤、有约束条件）

**不适合/不必要用推理模式：**
- 写文章、改文案、做翻译（创意任务）
- 简单问答、聊天、信息检索
- 实时对话（客服、代码补全）
- 你需要快速迭代看效果的场景

主流平台已经开始让用户手动控制推理深度：
- OpenAI 的 `reasoning_effort: low/medium/high`
- Claude 的 Extended Thinking 开关
- Gemini 的 Thinking Mode 开关

**默认建议：先不开，开普通模式看效果；如果觉得答案思路混乱或有明显逻辑跳跃，再打开推理模式试试。**

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/7058b1a6dc64dd4d7c5a75356d7455cd.png)

## 普通用户的三个实操建议
**1. Prompt 里加"让我们一步步来"**
如果你用的是普通大模型（非 o 系列），在复杂推理题后加一句"请一步一步推导，列出每个步骤"，效果比直接问要好很多。这是最低成本的 CoT。

**2. 让 AI 先输出假设，再推导**
对于多条件问题，先让 AI 列出"我的假设是"，再逐步推理。这能帮助你发现它哪一步假设错了，而不是在最后拿到一个黑盒答案。

**3. 重要结论让它自己验证**
在推理完成后，追加一句："请反过来验证这个答案是否满足所有原始条件。" 这个自我验证步骤对减少推理错误很有效——推理模型也是用类似的机制在内部验证的。

## 一点局限，诚实说一下
- **推理强 ≠ 知识准确**：推理模型依然有知识截止，它推理能力很强，但推理原材料（知识）还是来自训练数据，如果知识是错的，推理再严谨也没用
- **过程看似严密 ≠ 结论正确**：推理链幻觉是真实存在的，对关键结论一定要人工核查
- **数学/逻辑强，创意不突出**：推理模型在开放性创意任务上相比普通模型优势并不明显，甚至有时候更死板
- **成本差异极大**：同一个模型，开推理模式和不开推理模式，成本可能差 10-50 倍

## 写在最后
从"Let's think step by step"这句话，到今天 o3 解出数学竞赛题、DeepSeek-R1 自发涌现反思能力，思维链走过了短短四年，彻底改变了 AI 的推理上限。

System 1 的直觉让 AI 快，System 2 的推理让 AI 准。

真正聪明的用法，是知道什么时候该让 AI"快想"，什么时候该让它"慢想"。

### 系列传送门
- 第1期：[AI 时代的「插件革命」—— Skills 全解析-](https://cloud.tencent.com/developer/article/2671922?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)[腾讯云开发者社区](https://cloud.tencent.com/developer?from_column=20065&from=20065)-腾讯云
- 第2期：[同一个问题，为什么 AI 每次回答都不一样？——Prompt 工程入门-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672748?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)
- 第3期：[AI 的「记忆」是怎么工作的？——Memory 机制全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672752?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)
- 第4期：[AI 聊着聊着就"变笨"了？——上下文窗口深度解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672944?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)
- 第5期：[不只是"聊天机器人"——AI Agent 到底是什么？-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2673695?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)
- 第6期：[AI 怎么才能不瞎编？——RAG 检索增强生成全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2680169?from_column=20421&%3Bfrom=20421&%3Bfrom=20421&from=20421)
- 第7期：[AI 怎么才能"动手干活"？——工具调用（Tool Use）全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2681208?from_column=20421&%3Bfrom=20421&from=20421)
- 第8期：[AI 的"万能插座"——MCP 协议全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2681776?from_column=20421&from=20421)
- 第9期：[AI 怎么才能变成"你的人"？——模型微调（Fine-tuning）全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2685185)

本文是「AI 基础设施科普」系列第 10 篇。上一篇我们聊了模型微调——怎么让通用大模型变成"你的人"。今天聊一个更底层的能力：AI 到底会不会"想"？从一句"Let's think step by step"到推理模型自发涌现反思能力，思维链正在彻底改变 AI 的推理上限。

AI 在"想什么"？——思维链与推理模型全解析

先锋会员

人工智能

探索AI推理能力的进化：从直觉思考到逻辑推理，思维链技术如何提升AI解题准确率？本文详解AI从"Let's think step by step"到自发涌现反思能力的发展历程，对比普通大模型与推理模型在数学、代码等复杂任务中的表现差异，并分析推理模式的适用场景与成本权衡。

聊天机器人

强化学习

Agent

2026年中大促 | AI 领航 智绘未来

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI 在"想什么"？——思维链与推理模型全解析-腾讯云开发者社区-腾讯云

AI 在"想什么"？——思维链与推理模型全解析

AI 在"想什么"？——思维链与推理模型全解析

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐