CoT 为什么有效？推理模型时代还需要手写 CoT 吗？
谁在问：二面；头部 AI 公司会拿它测知识时效
口语化问法
- 思维链为什么能提升效果？机制上讲讲。
- 现在的模型自己就会推理了，你还写『请一步步思考』吗？
- 你怎么知道模型是怎么得出这个结论的？
考察意图
一道典型的时效题。同样的问题，2023 年的标准答案和 2026 年的标准答案是相反的，所以它非常适合区分「读过那篇经典论文」和「跟上了当前实践」。
面试官在看三点：机制解释是否准确；反向判断是否成立（什么时候不该写）；以及你能不能把「让它更准」和「让我能看懂」这两个目的分开——这是很多人混在一起的地方。
参考答案
60 分答案（及格线）
CoT 是让模型把中间推理步骤显式写出来再给答案。它有效的原因是：把一个「一步到位」的映射拆成多步，等于给了模型更多的计算步数去逼近答案；同时中间结果被写进上下文，后续步骤可以引用，减少了一次性推错的概率。
在推理模型上，这类推理已经内置在模型里了，所以不需要再手写「请一步步思考」。
90 分答案（有生产经验的回答）
在上面基础上加三层：
第一，手写 CoT 在 2026 年不只是「没必要」，而是可能有害**。** 模型内部已经在跑推理，你在提示词里规定路径，等于把它限制在你能想到的那一条上。更常见的失败形态是：模型把这套流程当成输出格式来满足——认认真真列了个条理清晰的清单，看起来很像样，但真正的推理被挤走了。我们在合同审查任务上就撞过这个，加了流程说明之后评测反而掉了。
第二，要划清三条线，否则容易矫枉过正。 规定推理过程（先 A 再 B 再检查 C）多半负优化；规定输出结构（要求返回哪些字段）仍然有效，而且应该交给结构化输出去硬保证；给领域约束和判断口径（只有你知道的事）则是必须的。一句话：别教它怎么想，要告诉它想什么、以及结果长什么样。
第三，模型答得浅的正确动作是提档位，不是加提示词。 官方给的判断很直接：推理太浅应该提高 effort，而不是绕着提示词想办法。这也把「提示词优化」的边界划清楚了——它解决不了推理深度问题。
至于我为什么有时还会要求输出 reasoning 字段：那不是为了让它更准，是为了可观测和可判分。这两个目的必须分开，混在一起就会得出「加了 reasoning 效果就该变好」的错误预期。
追问链
CoT 为什么有效？机制上说。
期望额外的计算步数 + 中间结果显式写进上下文供后续引用，把一步映射拆成多步；在早期模型上这是真实收益，本质是用生成长度换推理深度信号说得出「用生成长度换计算深度」 → 理解了机制；只说「像人做题写步骤」 → 停在类比层，撑不起后面的反向判断那推理模型时代还要不要手写 CoT？
期望不要写规定路径的那种 —— 内部推理已经存在，外部规定会限制探索空间，还容易被当成输出格式去满足。加分项是关联官方同源实践：为新一代模型删掉 80% 以上的规则型系统提示词，编码评测无可测损失信号仍坚持「加上总没坏处」 → 知识停在 2023；说得出「它会把流程当格式满足」这个具体失败形态 → 自己撞过如果不写 CoT，我怎么知道它是怎么想的？
期望把两个目的分开：提升效果靠档位和上下文，可观测靠输出结构（依据字段、引用来源）和 trace；要reasoning字段是为了让人和评测能读懂、能判分，不是为了让它更准。还要清醒 —— 模型写出的推理是事后表述，能辅助排查，不能当因果证据信号指出「输出的推理不等于真实推理过程」 → 有评测经验；把reasoning字段当成效果手段 → 两个目的没分开self-consistency（多次采样投票）还有用吗？代价是什么？
期望思路仍有效 —— 多条独立路径投票能压掉单次推理的偶然错误；代价是成本按采样次数翻倍、延迟上升。2026 的现实约束是它需要采样多样性，而新一代模型上temperature已经调不动，只能靠多次独立请求制造差异，还得评估这种差异够不够信号指出「温度调不动了，靠多次独立请求」这个当前约束 → 真在新模型上试过；只会背 self-consistency 定义 → 看论文没落地合同审查在难样本上表现不稳，产品让你「把提示词优化一下」，你怎么办？
期望① 先拒绝这个归因、给替代路径：挑难样本归因 → ② 三类对三个动作：信息没给全 → 补上下文修检索；深度不够 → 提 effort，不是加「请深入思考」；标准有分歧 → 是评测集的病不是模型的，先写 rubric 否则打移动靶 → ③ 提示词给得了口径，给不了深度 → ④ 改动只在难样本子集跑，十几条涨两点多半噪声 → ⑤ 收口成有基线有归因分类的循环信号把「标准本身有分歧」列为一种可能并归到评测集问题 → 做过人工标注；直接改措辞、或只回一句「提示词解决不了」 → 差
评分要点
- 能从机制上解释 CoT（额外计算步 + 中间结果可引用）
- 明确手写 CoT 在推理模型上可能是负优化
- 能说出「把流程当输出格式满足」这个具体失败形态
- 划清「规定过程 / 规定结构 / 给领域约束」三条线
- 知道答得浅应提 effort，而非加提示词
- 把「提升效果」和「可观测」两个目的分开
- 知道输出的推理不等于真实推理过程
- 面对模糊的「优化提示词」诉求，能先做归因分类