你有沒有遇過這種情況——問 AI 一個問題，它直接給你答案，但你完全不知道為什麼？
「答案是什麼？」 「36。」
......然後呢？這個數字怎麼來的？
這就是 COT（Chain of Thought，思維鏈） 要解決的問題。
什麼是 COT？
核心概念：不要只給答案，要把「怎麼想的」也說出來。
就像老師教學生解題，不只是說「答案選 C」，而是「讓我看一下...因為...所以...」。
簡單例子：衣服打折怎麼算？
問題：一件原價 800 元的衣服，打 7 折後多少錢？再用信用卡扣 9 折，最後多少？
| 方式 | 回答 |
|---|---|
| 傳統 | 504元 |
| COT | 讓我算給你看： |
| 1️⃣ 800 × 0.7 = 560（打完 7 折） | |
| 2️⃣ 560 × 0.9 = 504（再扣 9 折） | |
| 答案：504 元 |
為什麼 COT 比較好？
- ✅ 你可以檢查每一步有沒有算錯
- ✅ 學到的是「怎麼算」，不只是答案
- ✅ 以後自己也能算類似題目
COT vs ReAct：不一樣的聰明方式
除了 COT，還有一個類似的概念叫 ReAct（Reasoning + Acting），有什麼差別？
| COT（思維鏈） | ReAct（推理+行動） | |
|---|---|---|
| 全名 | Chain of Thought | Reasoning + Acting |
| 核心 | 想 → 說出推理過程 | 想 → 做 → 觀察 → 再想 |
| 互動 | 只在腦袋裡想 | 會和外部環境互動 |
| 適用 | 數學、邏輯問題 | 需要查資料、操作工具的任務 |
簡單比喻：
- COT = 只在腦袋裡算數學，說給你聽
- ReAct = 算數學 + 實際去查資料、執行動作
實際例子：規劃東京 5 天旅行
COT 方式：
問：東京5天怎麼安排？
答：讓我想想...
1. 第一天到，住在新宿
2. 第二天去淺草、晴空塔
3. 第三天逛澀谷、原宿
...（直接給建議）
ReAct 方式：
問：東京5天怎麼安排？
答：讓我想想...
1. 我先查一下天氣預報 → [行動]
2. 喔，這幾天可能下雨，調整行程 → [觀察]
3. 把第二天改成室內景點（博物館） → [推理]
4. 再查一下JR pass適用路線 → [行動]
...（根據實際資料調整建議）
什麼時候用哪個？
| 情境 | 推薦 |
|---|---|
| 數學計算、邏輯推理 | COT 即可 |
| 需要查天氣、股價、資料 | ReAct（會動態更新） |
| AI Agent 自動化任務 | ReAct（標配） |
AI Agent 怎麼用 COT / ReAct？
現在很紅的 AI Agent（AI 代理），就是靠這套思維方式在運作：
任務：幫我預訂明天台北到高雄的高鐵
AI Agent 的思考過程：
1. 用戶需要訂高鐵票 → [推理]
2. 查一下明天有哪些班次 → [行動：呼叫 API]
3. 早上 9 點的車還有座位 → [觀察]
4. 幫用戶選這班，確認 email 無誤 → [推理]
5. 完成訂票，寄送確認信 → [行動]
沒有 COT/ReAct：AI 可能亂選班次、忽略需求。 有了 COT/ReAct：AI 像真人一样一步步確認，最後完成任務。
一句話總結
COT = 想清楚再說 ReAct = 想清楚 → 做看看 → 根據結果再調整
下次問 AI 問題時，試著說「請一步步思考」，看看有什麼不同！
你有試過 COT 嗎？歡迎留言分享心得！