CoT = Chain of Thought
在提示词中，让语言模型分步骤处理用户的请求，往往会有更好的效果。
实时反馈和目标对齐
在实际使用 CoT 的过程中，从使用的直观效果上看，CoT 对问题做了分步拆解，用户可以看到语言模型思考的每一个步骤，在每一个步骤中做出及时的反馈，在过程中把控语言模型的思维方向。
我将其看作是用户深度参与到 AI 协作中的一个过程，使得 AI 的目标在思维链过程中不断获得调整和用户的目标做对齐。
在Zhiyuan Li, Chain of Thought.这里，看到思维链的上限是 P-问题的超集。
局限性
CoT 可以实现语言模型在思维逻辑上的推理，但是也要注意一个问题，那就是梯度爆炸的幻觉问题。如果说语言模型可以在单个步骤上出现幻觉，那么经过思维链的扩展，幻觉问题可能会堆积然后出现更为离谱的效果。