Chain-of-Thought Prompting

探索思维链 (CoT) 提示以增强 AI 推理能力。了解将任务拆解为逻辑步骤如何改进 Ultralytics YOLO26 的代码生成。

思维链（CoT）提示词是一种提示词工程中的高级技术，它通过将复杂推理任务分解为中间逻辑步骤，使大语言模型（LLMs）能够解决这些任务。与要求模型立即给出最终答案不同，CoT 鼓励系统生成模仿人类问题解决过程的“思维脉络”。这种逐步推理显著提升了涉及算术、符号逻辑和常识推理的任务的表现，改变了我们与人工智能（AI）系统的交互方式。

推理机制#

标准语言模型在处理多步问题时往往会遇到困难，因为它们试图在单次处理中将输入直接映射到输出。这种“黑盒”方法可能导致错误，特别是当逻辑跨度太大时。思维链提示通过在输入问题和最终输出之间插入推理步骤来解决这一问题。

此过程通常以两种方式运作：

零样本 CoT (Zero-Shot CoT)： 用户在提示词中附加一个简单的触发短语，例如“让我们一步步思考”。这无需具体示例即可激活模型的潜在推理能力。
**少样本 CoT：**提示词包含几个带有逐步求解过程的问题示例（范例）。这利用了少样本学习，在尝试新问题之前，向模型精确展示如何构建其逻辑。

通过显式生成中间推理，模型拥有更多自我纠正的机会，并为得出结论的过程提供了透明度。这对于减少大语言模型中的幻觉至关重要，否则模型可能会自信地陈述错误的事实。

实际应用#

虽然思维链提示最初是为基于文本的逻辑开发的，但当它与计算机视觉和代码生成等其他 AI 领域相结合时，具有强大的应用潜力。

增强计算机视觉的代码生成#

开发者使用 CoT 来指导 LLMs 编写用于目标检测等任务的复杂软件脚本。与“编写代码来寻找汽车”这种模糊的请求不同，CoT 提示词可能会这样组织请求：“首先，导入必要的库。其次，加载预训练模型。第三，定义图像源。最后，运行预测循环。”这种结构化方法确保了为诸如 YOLO26 等模型生成的代码在语法上正确且在逻辑上合理。

自主决策#

在自动驾驶汽车领域，系统必须处理视觉数据并做出安全至关重要的决策。思维链方法允许系统阐明其逻辑：“我检测到人行横道附近有一个行人。该行人面向道路。我的交通信号灯是绿色的，但行人可能会走出来。因此，我将减速并准备停车。”这使得 AI 的决策具有可解释性，并符合可解释性人工智能（XAI）原则。

实际应用中的思维链#

虽然 CoT 主要是一种自然语言技术，但它可以以编程方式实现，以确保与视觉模型的交互保持一致。以下 Python 示例展示了开发者如何组织提示词，以指导 LLMs（此处为模拟）为Ultralytics 平台生成有效的推理代码。

# Example of structuring a Chain-of-Thought prompt for an LLM
# This prompt guides the model to write a valid YOLO26 inference script

cot_prompt = """
Task: Write a Python script to detect objects using YOLO26.

Chain of Thought:
1. Import the YOLO class from the 'ultralytics' library.
2. Load the 'yolo26n.pt' model weights (the latest nano model).
3. Load a sample image using a URL or local path.
4. Run the predict() function and save the results.

Based on these steps, generate the Python code below:
"""

# In a real application, you would send 'cot_prompt' to an LLM API
print(f"Structured Prompt for LLM:\n{cot_prompt}")

区分相关概念#

区分思维链提示词与机器学习（ML）领域中的类似术语非常重要：

**提示词链：**这涉及连接多个独立模型的调用，其中一个步骤的输出成为下一步的输入。CoT 在单个提示词内部发生以引出内部推理，而提示词链则跨多个交互编排工作流。
**检索增强生成（RAG）：**RAG 专注于获取外部数据（如文档或数据库）来为模型的知识提供依据。CoT 专注于推理过程本身。通常，这些技术会结合使用——利用 RAG 获取事实，并利用 CoT 对其进行推理。
**提示词微调：**这是一种在训练期间优化连续软提示词（向量）的参数高效微调方法。CoT 是一种在实时推理时应用的离散自然语言策略，且不会改变模型权重。