该技能汇集多种基于“思考步骤”的大模型推理提示技术，目标是在复杂推理任务中让模型先写出中间推理过程再给出答案，从而提升表现。
用途：适用于多步算术与数学应用题、常识与逻辑推理、符号操作，以及需要外部信息或反复迭代的问题。
主要方法：思维链（CoT）用带推理步骤的少样本示例引导；零样本 CoT 只需追加“Let's think step by step”；自一致性采样多条推理路径并多数投票；思维树（ToT）用树结构与搜索、自评估探索回溯；由易到难先分解子问题再顺序求解；ReAct 交替进行思考、动作与观察，可调用搜索等外部工具；PAL 生成并执行代码替代自然语言计算；Auto-CoT 自动聚类问题并生成示例；Reflexion 在失败后生成反思并用于后续尝试。
使用方式：文档给出各方法的触发短语、提示模板与示意代码，例如在提示中加入“Let's think step by step”，或按 Q/A 示例构造少样本推理链。
限制：多数方法需要较大的模型；少样本方法需手工构造优质示例；自一致性、思维树等计算成本更高；部分方法依赖代码解释器或外部工具集成，且提示措辞会影响效果。资料未提供具体的收费、价格或平台信息。