思维链提示
Chain-of-thought prompting
学到 认得 就够：听到能明白
你可能会说
“AI 很快给出一道方法判断题的结论，我想看它是否遗漏步骤；要求分步说明，是否就能知道它怎样得出答案？”
思维链提示让模型借助中间步骤处理多步问题，早期研究常用推理示例来引导；可见解释不等于模型内部过程的真实记录。
使用 AI
科研里的例子
判断一个设计是否满足平行趋势时，让它列出已观察事实、需要的假设和可做的检查，并分别说明证据是否存在。
原论文在算术、常识与符号任务中发现示范中间推理可改善特定模型的表现，这不是所有场景的普遍保证。今天一些模型已有专门推理机制，额外要求长篇逐步思考未必更好。科研中更有用的是让答案给出可核验的假设、关键计算和证据，而不是索取不可检验的内部独白。分步内容也可能是事后合理化，仍需独立验证结论。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
判断
亲手检查一次
逐条核对关键假设与计算，故意加入一个条件不成立的反例，看结论是否随证据改变，而非只增加说明字数。
它做不到的
解释详细不代表识别有效，模型自称认真推理也不是证据；更不能把输出里的每个推理句当作真实心理过程。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。