什么是思维链少样本提示？
思维链少样本提示（CoT Few-Shot）结合了两种强大的提示词技术：少样本学习（Few-shot）和思维链（Chain-of-Thought）。具体做法是，在提示词中提供 2-5 个示例，每个示例不仅包含问题和答案，还包含一步一步的推理过程。模型通过这些"有过程"的示例，学会在对新问题进行推理时也展示中间步骤。
为什么 CoT Few-Shot 有效？
思维链让模型在回答复杂问题时"逐步思考"，少样本学习让模型通过示例理解任务模式。两者结合产生了"1+1>2"的效果——示例中的推理过程告诉模型"遇到这类问题应该怎么一步步思考"，而不仅仅是"这类问题的答案是什么"。
CoT Few-Shot 的使用场景
CoT Few-Shot 非常适合：数学应用题和逻辑推理题、复杂的分类和决策任务、需要多步计算的数值问题、代码调试和算法设计、法律或医学等专业领域的案例分析。
CoT Few-Shot 的局限
CoT Few-Shot 需要精心设计示例的推理过程，提示词的制作成本较高。示例中的推理过程必须有代表性——如果示例的推理方式与新问题差异较大，效果反而可能不如直接使用 Zero-shot CoT（"请一步一步思考"）。另外，多个示例会占用较多的上下文窗口（增加 token 消耗）。