在人工智能领域，“思维链”（Chain of Thought）是指一种提示技术，旨在鼓励LLM在得出最终答案之前生成中间推理步骤。这使得具有架构限制（无法在内部隐藏状态上进行迭代）的模型能够通过输出作为逻辑轨迹的Token来模拟递归。然而，近期的观察表明，人类在处理复杂任务时，通过将自己的思考过程语言化，也可能获得类似的认知益处。
一位开发者指出，虽然常识告诉我们说话比沉默思考要慢，但大声阐述想法实际上是一种“橡皮鸭调试”。类似于向一只真实的橡皮鸭解释代码，与自己说话会迫使大脑评估未表达的假设、线性排序优先级并识别清晰的抽象概念。对于高复杂度的谜题或工程问题，这种做法有助于启动“系统II思维”——即处理正式规则所需的缓慢、审慎的心理处理过程，而不是仅仅依赖于潜意识的直觉。它还提供了一种回溯机制；通过在做出选择时将其命名，更容易识别出任意路径何时陷入死胡同。
除了逻辑结构化之外，语音推理还涉及生理和心理因素。叙述行动可以利用回声记忆来略微增强工作记忆容量，从而更容易记住顺序步骤。一些证据甚至指向霍桑效应，即在受监督的情况下执行任务（即使只是自我强加的监督）会导致表现提升。虽然有人认为语音表达可能会阻碍高度创意或深层直觉的跃迁，但其他人发现它在减少“起始焦虑”方面特别有效，因为它能将令人望而生畏的目标分解为一系列琐碎的、可管理的口述步骤。这种方法反映了如“引导式探究”之类的教育策略，即鼓励学生说出他们的想法，以确保他们与材料保持积极的心理参与。