Chain-of-Thought（思考链推理）
大模型通过逐步推理过程而非直接给答案，以提升复杂问题的准确性。Google Brain 2022 年提出，已成为 AI 搜索深度推理的核心技术，5-07 报告预测 2026 年主流 AI 搜索产品推理深度将提升 3-5 倍。
技术原理
经典 prompt 形式：
让我们一步一步思考...
Step 1: ...
Step 2: ...
最终答案：...
通过让模型显式输出推理步骤，激活其潜在的逻辑能力，大幅提升数学、逻辑、跨学科推理任务的准确率。
演进路径
| 阶段 | 时间 | 代表 |
|---|---|---|
| 基础 CoT | 2022 | Google Brain 论文（Few-shot CoT Prompting） |
| Zero-shot CoT | 2022 | "Let's think step by step" |
| Self-Consistency | 2022-23 | 多次采样 + 投票 |
| ToT（Tree of Thoughts） | 2023 | 树状推理 |
| 推理模型（o1） | 2024 | OpenAI o1 内化 CoT |
| 推理模型升级 | 2025 | DeepSeek-R1 / Claude / Gemini |
在 AI 搜索的角色
5-07 报告将 Chain-of-Thought 列为三大演进方向之一（与 RAG / 多模态并列）：
- 处理跨学科综合问题
- 提供带有推理过程的答案
- 支撑"深度研究 / Deep Research"等新型功能（Perplexity AI Deep Research / OpenAI Deep Research）
商业延伸：分层定价
5-07 报告强调 Chain-of-Thought as a Service — 不同推理深度分层定价：
- 轻量查询 → 标准模型
- 复杂研究 → 旗舰推理模型 + 多步 CoT
关联
- 商业化形态：Chain-of-Thought as a Service
- 推理模型：推理模型 / OpenAI o1 / DeepSeek-R1
- 跨子行业：第四层 4-02-模型工厂 模型能力 → 第五层 5-07 应用
- 5-07 答案引擎：答案引擎 Perplexity AI