Думай шаг за шагом — Chain-of-Thought
Проси рассуждение вслух — для логики и анализа
На сложной задаче модель часто выдаёт короткий ответ сразу — и ошибается. «Думай шаг за шагом» заставляет сначала расписать шаги. Каждый шаг попадает в контекст и подтягивает финальный вывод. Это Chain-of-Thought (CoT) — цепочка рассуждений.
КАК ЗАПУСТИТЬ COT
«Думай шаг за шагом», «Объясни рассуждение», «Сначала разбери, потом ответь», «Final answer: X» в конце — всё это CoT. Модель пишет промежуточные шаги перед финалом.
Почему это работает
LLM генерирует токен за токеном. Шаги рассуждения попадают в контекст — финальный ответ строится на всей цепочке и получается точнее. Исследование 2022: фраза «Let's think step by step» подняла точность на математических задачах с 17% до 78%.
Когда использовать
- Многошаговые задачи: анализ, планирование, решения
- Логика: сравнение вариантов, аргументация
- Не нужен CoT: простые факты, перевод, форматирование
Цена и self-consistency
CoT-ответы длиннее — больше output-токенов. Используй на сложных задачах, не на каждом запросе. Продвинутый приём: запустить CoT несколько раз и выбрать ответ большинством (self-consistency). Дороже, но точнее на критичных задачах.
?Проверь себя
AI должен выбрать лучший из трёх вариантов стратегии. Как улучшить промпт?
REASONING-МОДЕЛИ
GPT-o1, Claude с extended thinking делают CoT внутренне. Для обычных моделей явная просьба «шаг за шагом» по-прежнему эффективна.
