简介
以下是两道数学题：
- 第一题：1+1 等于几？
- 第二题：已知函数f（x）=2x^2+3x +1，求f（2）的值
以上两个题目，我们发现第一道题目我们可以立刻给出答案，但是大部分人面对第二道题目的时候，还需要做一个推导的过程。其实这是一个正常的现象。
在刚开始学习数学的过程中，大部分人可以通过口算、心算的方式完成一些简单的运算。但是一旦题目变的复杂，比如初中之后的大部分数学题，都是很难直接通过口算、心算完成的。而是需要一个推理的过程，帮助我们更好的得到答案。
大模型在处理复杂问题的时候也是同理，如果在向大模型提问过程中，我们如果能够给大模型提供一个推理的过程，那么大模型的表现会更加优秀。
应用场景
- 很难直接得出答案，需要推理的场景。
实战案例
如果没有加推理过程，我们的提示词可能是如此完成的：
-
我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果？
此时的输出：
-
11个苹果
答案是不正确的！现在让我们尝试使用思维链，给它添加一些推理的过程。
我去市场买了10个苹果。我给了邻居2个苹果和修理工2个苹果。然后我去买了5个苹果并吃了1个。我还剩下多少苹果？
让我们逐步思考。
首先，您从10个苹果开始。您给了邻居和修理工各2个苹果，所以您还剩下6个苹果。然后您买了5个苹果，所以现在您有11个苹果。最后，您吃了1个苹果，所以您还剩下10个苹果。
如此一来，即可看出大模型可以给到更好的输出表现。
总结
- 理解什么是思维链。
- 理解思维链的应用场景。
- 理解思维链的提示词技巧。
