一句话定义：验证链（Chain of Verification, CoVe）是一种让大语言模型（Large Language Model, LLM）先给出初答，再围绕初答生成验证问题并逐条回答，最后依据验证结果修正答案的提示方法。
它怎么工作：可以把它想成考试时的草稿纸。你先凭直觉把答案写下来，然后不急着交卷，而是自己出几道检查题：“我刚才那个数字是哪来的？”“这个前提真的成立吗？”“有没有把两件事混在一起？”逐条核对后，再把错的地方改掉。验证链的典型流程是：先生成基线答案；再把答案拆成若干可独立核查的事实点，生成验证问题；然后尽量脱离原答案去回答这些问题；最后对照结果修正，输出终稿。关键在“独立验证”——如果验证时还盯着原答案，模型容易顺着原来的错继续编。
和相邻概念的区别：思维链（Chain of Thought, CoT）是把推理过程写出来，主要提升复杂推理的连贯性；验证链是对已经生成的答案做审计，主要降低事实性错误和幻觉（hallucination）。思维链向前推，验证链回头查。自我一致性（AI 词典：Self-Consistency">Self-Consistency）靠多次采样取多数票，偏统计；验证链靠针对性提问找错，偏审计。检索增强生成（Retrieval-Augmented Generation, RAG）是在回答前补外部资料，验证链是在回答后做内部质检，两者可以叠加使用。
| 方法 | 核心动作 | 主要解决 |
|---|---|---|
| 思维链 CoT | 先写推理步骤 | 复杂推理的连贯性 |
| 自我一致性 | 多次采样投票 | 单次随机波动 |
| RAG | 先检索再回答 | 知识缺失或过时 |
| 验证链 CoVe | 先答再自查修正 | 事实错误与幻觉 |
对从业者和普通人的意义：做产品时，验证链适合事实密度高的场景，比如摘要、报告、客服知识回复。可以把它做成“生成—验证—修正”的流水线：验证问题既能由模型生成，也能人工预置模板。对普通人来说，它提醒我们：AI 的第一遍答案不是最终稿。与其笼统问“你确定吗”，不如把长回答拆成几个事实点逐条追问“依据是什么”“有没有反例”。这样更容易挤出错误。当然，验证链不是万能的，验证问题本身也可能出错，关键事实仍要以官方页面或权威资料为准。