什么时候不要加“一步一步思考”

多年来，让 AI 一步一步思考是最稳妥的默认做法。但对今天的推理模型来说，这往往只增加篇幅、不增加质量，有时还会让答案变差。关键是分清你面对的是哪一类模型。

发生了什么变化

链式思考提示是为一次性作答的模型设计的：把步骤写出来能帮它们不跑偏。而较新的推理模型在作答之前已经在内部推理过了。如果你再给它一套逐步流程，它可能会把内部推理重复写进可见答案（输出变长、质量不变），或者把自己的探索压缩进你写的流程里。无论哪种，你都在为没有帮助的文字付费。

目前从业者指南的实际建议是：在有相关设置的地方，用模型自带的推理强度或思考预算设置来控制推理深度，而不是用提示词里的措辞。

证据怎么说

一项相关研究是沃顿生成式 AI 实验室（Wharton Generative AI Labs）由 Lennart Meincke、Ethan Mollick、Lilach Mollick 和 Dan Shapiro 撰写的报告《The Decreasing Value of Chain of Thought in Prompting》。它的测试集是 GPQA Diamond：198 道博士水平的生物、物理和化学选择题，每道题在三种条件下各跑 25 次——直接作答、不给特别指令，以及“一步一步思考”。下面的数字描述的是这次测试，不是针对所有任务的保证。

在非推理模型上，逐步提示提高了平均得分，其中 Gemini Flash 2.0 提高最多（13.5%），Sonnet 3.5 其次（11.7%），GPT-4o-mini 的 4.4% 提升在统计上不显著。但最严格的标准——每次试验都答对——结果却不一致，Gemini Pro 1.5 下降了 17.2%。研究者的解读是，额外的推理对难题有帮助，但也增加了不稳定性，导致模型在简单题上出错。逐步请求比直接作答耗时也长得多，在这些模型上多了 35–600%（该研究的运行中为 5–15 秒）。

在受测的推理模型（o3-mini、o4-mini、Gemini Flash 2.5）上，平均得分变化很小：o3-mini 提高 2.9%，o4-mini 提高 3.1%，Gemini Flash 2.5 下降 3.3%，而逐步请求需要多花 20–80% 的时间（10–20 秒）。报告的结论范围很窄，值得原样重复：逐步提示是否有帮助，取决于模型、任务，以及你在准确性、一致性和响应时间之间愿意接受的取舍。

还有一点适用范围：研究发现，很多模型在不给特别指令时默认已经会推理，所以“不给指令”和“逐步思考”之间的差别比名字听起来要小。下面的清单请当作有待在你自己的任务上验证的起点启发，而不是通用规则。

判断清单

是推理模型吗？先从去掉逐步提示开始。说清楚好答案长什么样——格式、受众、约束——让模型自己推理。想多推理或少推理，就用推理强度设置，并在定下来之前和带提示的版本对比一下。
是非推理模型，且任务确实需要多步吗？先试一句简短的推理要求，比如先给推导过程、再给最终答案，并在加别的东西之前先验证它是否真的改善了你的任务。
你是不是在叠技巧？默认情况下避免在同一个提示里同时叠加链式思考、少样本示例、自一致性和由易到难。叠得越多，模型越可能沿着你给的解题路径走，而不是自己的路径；如果确实要组合使用，请拿组合版和简单版对比测试。
你需要看到推理过程本身吗？如果推理过程本身就是交付物（审计、例题解答），那就明确要求，并接受更长的输出。但要记住，可见的步骤只是一份可以核查的说明，不是模型真实内部过程的保证记录——做审计时，请独立核对计算、证据和结论。如果只需要答案，就不要索要过程。
任务是格式问题，还是推理问题？示例对格式模仿和分类仍然有效。把它留给格式，对于用示例教模型怎么思考要谨慎。

替代做法

用真正能提升质量的东西代替推理提示：一个任务、一个受众、一个期望结果；一个真实示例或约束；以及对最终答案的清晰描述。然后对照这个描述检查输出。如果答案错了，只改一样东西——换模型、改推理强度设置，或者改一条指令——再跑一次，而不是继续叠技巧。

这和本站的过度提示建议是同一条规则：不值得留的东西就删掉。逐步提示最可能在非推理模型的多步任务上值得留，在推理模型上通常不值得——但请在你自己的任务上验证，而不是盲目相信。

本站中适用这一建议的模板

代码讲解——直接要你想要的讲解，别再规定模型必须遵循的逐步方法。
调试助手——给出报错、代码和已尝试的步骤；非推理模型上先试一句简短推理要求，推理模型上先试不加——再对比效果。
概念讲解——模板本身已经要求类比、核心思想和示例，再叠加逐步框架通常只增加篇幅，不增加清晰度。

来源

沃顿生成式 AI 实验室报告原文（Meincke、Mollick、Mollick 和 Shapiro），《The Decreasing Value of Chain of Thought in Prompting》：沃顿报告摘要与方法。本页所有数字均出自该报告；完整方法和背景请查阅原文。
对该报告的报道，主题是推理模型上链式思考收益的减弱：Prompt Engineering Techniques Shift as Models Absorb CoT。

模型行为会随模型和厂商指南的变化而变化。如果你的工具官方文档说某模型不需要或不适合推理指令，请以文档为准，而不是以本页的通用规则为准。