Claude学院

Claude 思维链（CoT）提示词写法：让推理更准确

思维链（Chain of Thought，简称 CoT）提示词的核心只有一句话：让 Claude 在给出最终答案之前，先把中间推理步骤写出来。模型把"思考"显式生成在上下文里，就能在后续 token 上参考自己刚算出的中间结论，多步推理、数学计算、逻辑判断的准确率因此明显提升。下面讲清三种写法、参数细节和可运行代码。

为什么 CoT 能让推理更准确

Claude 是自回归模型，每个 token 都依赖前面已生成的内容。如果你直接要它输出答案，它没有"演算空间"，容易在心算阶段出错。而当你要求它"一步步思考"，推理链条就成了上下文的一部分，后面的结论建立在前面写出的步骤之上，相当于给模型一块草稿纸。

CoT 最能见效的场景：多步算术与单位换算、需要分类讨论的逻辑题、代码 bug 定位、合同/规则的条件判断、需要权衡多个因素的决策。对于简单的事实问答或纯改写任务，CoT 收益有限，反而拉长输出、增加 Token 成本——这类省钱思路可参考 Claude API 省钱方法。

写法一：零样本 CoT（最简单）

不给示例，只在指令里加一句触发语，让模型自发展开推理。常用触发语：

  • 请一步步思考后再给出答案
  • 先列出推理过程，再写最终结论
  • Think step by step（英文触发同样有效）

关键技巧是明确"先推理、后结论"的顺序，并要求把答案放在最后。下面用 Python 官方 SDK（anthropic）调用 Claude Opus 4.8：

from anthropic import Anthropic

client = Anthropic()  # 读取环境变量 ANTHROPIC_API_KEY

resp = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": (
            "一个仓库有 1250 件货，先发出 38%，又补进 240 件，"
            "再发出剩余的四分之一。最终库存是多少？\n"
            "请一步步列出计算过程，最后单独用一行写：答案：X"
        ),
    }],
)
print(resp.content[0].text)

模型会先算 1250×38%=475、剩 775、补到 1015、再发出 253.75……把每一步写出来，最后给"答案：761.25"。如果你只问"最终库存是多少"，出错概率会高得多。SDK 的安装与鉴权见 Anthropic Python SDK 安装与配置。

写法二：少样本 CoT（给推理范例）

当任务格式固定、推理套路明确时，零样本不够稳，可在提示词里放 1-3 个"问题 + 完整推理 + 答案"的范例，让模型照着同样的步骤推理。这本质上是 Few-shot 与 CoT 的结合，详细的示例编排技巧见 Claude Few-shot 示例怎么用。要点：

  1. 范例里的推理粒度要和你期望的一致——你示范几步，模型就跟几步。
  2. 范例覆盖典型情形，尤其是容易出错的边界情况。
  3. 范例和真实问题用相同的字段名和格式，模型才好对齐。

写法三：结构化 CoT（推荐用于生产）

生产环境最大的痛点是：推理过程和最终答案混在一起，难以程序化提取。解决办法是用 XML 标签把"思考区"和"答案区"分开。Claude 对 XML 标签的遵循度很高，这也是官方推荐的组织方式，更多标签用法见 Claude 提示词 XML 标签用法详解。

请按以下格式回答：
<thinking>
在这里写出完整的推理过程，可以分多步。
</thinking>
<answer>
在这里只写最终答案，简洁明确。
</answer>

拿到响应后，用正则或简单字符串切割提取 <answer> 里的内容给下游使用，<thinking> 部分保留用于调试或日志。这样既享受了 CoT 的准确率，又不污染最终输出。把这段格式约定放进系统提示词更稳定，配置方法见 Claude 系统提示词怎么设置。

Node.js（@anthropic-ai/sdk）的结构化 CoT 示例：

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic(); // 读取 ANTHROPIC_API_KEY

const msg = await client.messages.create({
  model: "claude-opus-4-8",
  max_tokens: 1024,
  system:
    "你是严谨的逻辑分析助手。回答时先在  内推理，" +
    "再在  内给出结论， 内不要重复推理。",
  messages: [
    {
      role: "user",
      content:
        "三个人 A、B、C，只有一人说真话。A 说 B 撒谎，" +
        "B 说 C 撒谎，C 说 A、B 都撒谎。谁说真话？",
    },
  ],
});

const text = msg.content[0].text;
const answer = text.match(/([\s\S]*?)<\/answer>/)?.[1].trim();
console.log(answer);

关键参数与调用细节

无论哪种写法，都通过 Messages API（POST /v1/messages）发起，鉴权头为 x-api-key 和 anthropic-version。和 CoT 相关的几个参数：

参数建议与说明
max_tokensCoT 会显著拉长输出，务必预留足够额度（如 1024 起），否则推理写一半就被截断。
temperature需要确定性推理时调低（如 0.0–0.3）；需要发散探索多条思路时再调高。
system把"先思考后回答"的格式约定固定在系统提示词里，比每次写进用户消息更稳定。
stop_sequences可设为 </answer>，让模型写完答案即停，节省尾部 Token。

各参数完整含义见 Claude Messages API 全部参数说明。模型选择上，复杂多步推理优先用 Claude Opus 4.8，日常推理用 Claude Sonnet 4.6 更划算，选型对比见 Claude 模型选型指南。

三个常见踩坑

  • 把答案放在了推理前面：模型先写结论就失去了 CoT 的意义，一定要求"先过程、后结论"。
  • max_tokens 太小：推理被截断，连答案都没输出。CoT 任务请放宽额度。
  • 简单任务也强加 CoT：徒增延迟和成本，按任务复杂度取舍。

常见问题

CoT 和 Claude 的"扩展思考"模式是一回事吗？

不完全一样。本文讲的 CoT 是通过提示词让模型把推理写进正文输出，任何模型、任何调用方式都能用，你能直接看到并提取这段推理。部分模型还提供独立的扩展思考能力，由专门字段控制。两者目的相同——给模型演算空间——具体能力与开关请以 Anthropic 官网为准。

用了 CoT 还是算错，怎么办？

先检查是否把答案放到了推理之前；再适当降低 temperature 提升确定性；仍不稳就改用少样本 CoT，给出和错误情形相近的正确推理范例。对数值计算，最稳的做法是结合 Tool Use 工具调用，让模型把算式交给真实计算器执行，避免心算误差。

CoT 会不会增加幻觉？

恰当使用通常降低幻觉，因为推理被显式化、更易自查与人工核对。但如果模型在推理中编造前提，错误也会被"看似合理"地放大。建议在提示词里要求它对不确定的步骤明确标注，更多防幻觉方法见 Claude 避免幻觉的 5 个方法。

← 提示词工程