El prompting de cadena de pensamiento (CoT, por «chain-of-thought») pide a un modelo que escriba su razonamiento antes de dar una respuesta final. La idea la describieron Wei y sus colegas en Google en 2022, que mostraron que los ejemplos resueltos con pasos intermedios mejoraban los resultados en problemas de aritmética y lógica.
Por qué ayuda escribir los pasos
Un modelo de lenguaje produce un token cada vez, condicionado por todo lo anterior. Si debe responder de inmediato, la respuesta se predice sin ningún trabajo intermedio. Si primero escribe los pasos, esos pasos pasan a formar parte del contexto a partir del cual se predice la respuesta. Razonar sobre la página es memoria de trabajo.
Cadena de pensamiento zero-shot
La forma más sencilla añade una instrucción para razonar primero.
A warehouse ships 240 orders a day. 15% need gift wrap, which adds
4 minutes each. How many staff hours a day does gift wrap take?
Work through the problem step by step, then give the final answer
on its own line as "Answer: <number> hours".
Importan dos detalles. Pide el razonamiento antes de la respuesta y da a la respuesta un marcador fijo para que tu código pueda encontrarla.
Cadena de pensamiento few-shot
Aquí los ejemplos muestran el razonamiento además del resultado, de modo que el modelo imita el método.
Q: A plan costs $12 a month or $120 a year. How much does the yearly
plan save over 2 years?
Reasoning: Monthly for 2 years is 12 x 24 = $288. Yearly for 2 years
is 120 x 2 = $240. The difference is 288 - 240 = $48.
Answer: $48
Q: {{question}}
Reasoning:
Úsalo cuando la tarea tenga un procedimiento concreto que quieras que se siga.
Razonamiento estructurado
Para las respuestas que leerá un programa, separa el pensamiento del resultado con etiquetas o campos.
Think through the eligibility rules inside <reasoning> tags.
Then give the decision inside <decision> tags as "approve" or "reject".
En JSON, pon el campo de razonamiento antes del campo de veredicto. Los campos se generan en orden, así que un razonamiento que viene después del veredicto no puede influir en él. Consulta los prompts de salida estructurada.
Los modelos de razonamiento cambian el consejo
Muchos modelos actuales razonan internamente antes de responder, a menudo bajo un ajuste llamado «thinking», «reasoning effort» o «extended thinking». Para estos modelos:
- No añadas «piensa paso a paso». Ya lo hacen, y la instrucción puede alargar la salida sin mejorarla.
- Describe el objetivo y las restricciones y deja que el modelo elija su enfoque.
- Usa el control del proveedor para decidir cuánto razonamiento gastar, en lugar de la redacción del prompt.
- Pide igualmente una justificación breve en la salida cuando una persona deba comprobar la respuesta.
La cadena de pensamiento explícita sigue siendo útil con modelos más pequeños y rápidos que no razonan internamente, y siempre que necesites el razonamiento visible en la respuesta.
Cuándo ayuda la cadena de pensamiento y cuándo no
| Tarea | ¿Ayuda? |
|---|---|
| Aritmética o lógica de varios pasos | Sí |
| Decisiones con varias reglas que aplicar | Sí |
| Depuración: hallar la causa a partir de los síntomas | Sí |
| Clasificación o extracción sencillas | Rara vez; añade coste |
| Escritura creativa | No |
| Búsqueda de un dato en un texto proporcionado | No |
El coste es real: el razonamiento son tokens de salida, que suelen cobrarse más caros que los de entrada y añaden latencia.
Una advertencia sobre las explicaciones
El razonamiento escrito es un relato verosímil, no un rastro garantizado de cómo se produjo la respuesta. Un modelo puede llegar a una conclusión y escribir una justificación que suena bien. Trata el razonamiento como algo que hay que verificar, sobre todo cuando una decisión afecta a personas.
Autoconsistencia
La autoconsistencia, descrita por Wang y sus colegas en 2022, se basa en la cadena de pensamiento. Ejecuta varias veces el mismo prompt de razonamiento con el muestreo activado, de modo que los caminos difieran, y quédate con la respuesta final más frecuente.
- Envía el prompt de CoT N veces, por ejemplo 5, con una temperatura superior a cero.
- Extrae la respuesta final de cada respuesta.
- Devuelve la respuesta que aparece con más frecuencia.
Los distintos caminos de razonamiento cometen errores diferentes, pero los caminos correctos tienden a coincidir. La votación filtra el desliz ocasional.
Úsala cuando el problema tenga una única respuesta correcta que se pueda comparar exactamente (un número, una etiqueta, un sí o un no) y la precisión valga N veces el coste.
Prescinde de ella cuando las respuestas sean texto libre sobre el que no se puede votar, o cuando una sola llamada ya sea fiable. Si los votos se reparten por igual, tómalo como una señal de que la pregunta es ambigua o el prompt está insuficientemente especificado.
Del razonamiento a los pipelines
Cuando los pasos de un problema se conocen de antemano, no pidas a un solo prompt que razone todos. Da a cada paso su propio prompt. Eso es el encadenamiento de prompts. Cuando los pasos dependen de información que el modelo debe obtener, combina el razonamiento con herramientas: eso es el prompting ReAct.
Revisa primero el prompt
El razonamiento no puede arreglar una pregunta poco clara. Un prompt de CoT con un objetivo vago o reglas en conflicto razona con esmero hacia la respuesta equivocada. Pásalo por el analizador de prompts de PromptFlowEngine antes de gastar tokens en razonar.