Chain-of-Thought：讓 AI 展示思考過程

AI 算錯了，你還以為它對的？

你請 AI 幫你算一個促銷方案的利潤：「原價 599，折扣 8 折，加上運費補貼 60 元，毛利率 30%，我能賺多少？」

AI 回了一個數字，你直接拿去報給主管。結果開會時，主管說「這數字不對啊」。

AI 沒有展示它怎麼算的，你也沒機會發現哪裡算錯了。

這就是本課要解決的問題。

Chain-of-Thought 是什麼？

Chain-of-Thought（思維鏈，簡稱 CoT）是一種讓 AI「邊思考邊回答」的技巧。

核心的咒語只有一句話：「請一步一步思考」

加了這句話，AI 就會把推理過程攤開給你看：

每一步怎麼算的
每個假設是什麼
中間有沒有什麼條件

這樣你才能找到「哪裡算錯了」或「哪個假設不對」。

有 CoT 和沒有 CoT 的差距

任務：計算促銷活動的預期利潤

沒有 CoT：

Prompt：原價 599 的商品，打 8 折後賣 479，成本是 350，這次活動預計賣 1,000 件，我的總利潤是多少？

AI 回答：總利潤是 129,000 元。

你看到答案，覺得好像對，就這樣了。但如果算錯了呢？

有 CoT：

Prompt：原價 599 的商品，打 8 折後賣 479，成本是 350，這次活動預計賣 1,000 件，我的總利潤是多少？請一步一步思考，列出每個計算步驟。

AI 回答：

售價計算：599 × 0.8 = 479.2 元（約 479 元）

單件毛利：479 - 350 = 129 元

總利潤：129 × 1,000 = 129,000 元

但還需考慮：這 1,000 件中有沒有運費成本？如果每件補貼 60 元運費，則總利潤 = (129 - 60) × 1,000 = 69,000 元

有了步驟，你立刻發現：「對！我忘了把運費補貼算進去！」

三個電商情境的 CoT 應用

情境一：A/B 測試結果分析

「A 版本的 CTR 是 2.3%，B 版本是 2.8%，A 版本轉換率 1.2%，B 版本 1.0%。請一步一步分析哪個版本更好，以及背後的可能原因。」

AI 會先分析點擊率、再分析轉換率、再推斷可能的原因——讓你看到完整的判斷邏輯。

情境二：定價策略決策

「我有一個新品，成本 280 元，競品售價在 399-599 之間，我想定個有競爭力的價格。請一步一步思考，提供建議定價，並說明每個選項的優劣。」

情境三：顧客分群邏輯

「我有三類顧客：A 類（過去 3 個月有購買）、B 類（過去 6 個月有購買，3 個月沒有）、C 類（超過 6 個月沒有購買）。請一步一步說明應該對每類顧客採取什麼行銷策略，以及理由。」

什麼時候用 CoT？

CoT 特別適合以下情況：

適合	不太需要
涉及計算的任務	純粹的創意寫作
需要多步驟判斷的決策	簡單的格式轉換
你想驗證 AI 推理是否合理	直接輸出資料整理
複雜的因果分析	標準的翻譯任務

CoT 的變體

除了「請一步一步思考」，還有幾個有效的變形：

「請先分析問題，再給出建議」
「請列出你的假設，然後再推導結論」
「請先說你的判斷依據，再給答案」
「如果你不確定，請說明是哪個地方不確定」

練習題

AI 協作：學了這個，跟 AI 怎麼配合？

CoT 讓 AI 的回答從「黑盒子」變成「可驗證的推理」，特別適合需要判斷或計算的業務決策。

你的人類優勢：

你知道哪些步驟或假設在你們業務情境下不合理，能發現 AI 推理的邏輯漏洞
你能判斷最終建議是否符合公司實際的策略方向，這是 AI 無法替你決定的

可以這樣跟 AI 說：

我們上個月跑了一波「滿千送百」的活動，訂單數從 800 筆增加到 1,050 筆，但平均客單價從 1,350 元降到 980 元。請一步一步分析：這個活動對整體營收和毛利的影響是正面還是負面的？列出每個計算步驟，最後給我一個是否值得繼續跑這類活動的建議。