Gondolatlánc-prompt: gondolkodtasd lépésről lépésre az AI-t
Egyetlen mondat, ami 18%-ról 79%-ra dobta az AI érvelési pontosságát — másolható gondolatlánc-prompt sablonokkal a hétköznapi munkához és döntésekhez.
Feltettél a ChatGPT-nek egy kérdést, amihez kellett egy kis gondolkodás — talán két lehetőséget hasonlítottál össze, egy döntést elemeztél, vagy egy többlépcsős problémán mentél végig. Az AI azonnal válaszolt, magabiztosan. Egyetlen baj volt vele: teljesen téves volt.
Ez gyakrabban előfordul, mint hinnéd. Az AI-asszisztenseket arra tanították, hogy hihetően hangzó válaszokat adjanak, nem arra, hogy valóban végiggondolják a problémákat. Ha bonyolult kérdést teszel fel a megszokott módon, az AI gyakran kihagyja a gondolkodást, és egyenesen a válaszra ugrik — közben olykor látványosan félrelő, miközben tökéletesen biztosnak hangzik.
Erre van megoldás. 2022-ben a Google kutatói rájöttek, hogy egyetlen mondat hozzátoldása a prompthoz — „Gondolkodjunk lépésről lépésre" — a matekfeladatok pontosságát 17,7%-ról 78,7%-ra javította. Ez nem elgépelés. Egyetlen mondattól négyszer pontosabb lett az AI.
Ezt a technikát hívják gondolatlánc-promptolásnak (chain-of-thought prompting), és azért működik, mert rákényszeríti az AI-t, hogy mutassa meg, hogyan jutott el a válaszig, ahelyett, hogy egyből kimondaná. Lássuk, hogyan használhatod valódi feladatokhoz — nem csak matekpéldákhoz.
Mi az a gondolatlánc-prompt?
A gondolatlánc-prompt (angolul chain-of-thought, röviden CoT) pontosan az, amit a neve sugall: arra kéred az AI-t, hogy lépésről lépésre fejtse ki a gondolatmenetét, mielőtt megadja a végső választ. A „Mi a válasz?" helyett azt kérdezed: „Vezess végig a gondolatmeneteden, aztán add meg a választ."
Olyan ez, mintha egy munkatársadtól kérnéd, hogy mutassa meg a számolást. Ha valaki indoklás nélkül vág rá egy javaslatot, nem tudod megállapítani, valóban átgondolta-e, vagy csak tippelt egyet. De ha végigvezet az érvelésén — „X-et fontolóra vettem, Y-t Z miatt elvetettem, így jutottam erre a következtetésre" —, könnyen kiszúrod a gyenge pontokat.
Ugyanez érvényes az AI-ra is. Ha rákényszeríted, hogy a köztes lépéseket is megfogalmazza, két dolog történik:
Az AI menet közben elkapja a saját hibáit
Pontosan látod, hol siklott ki a logika, ha a válasz mégis hibás
Miért hagy ki lépéseket az AI (és miért téved)
Ezt sokan nem tudják: az AI-modellek valójában nem úgy „gondolkodnak", ahogy az emberek. Mintaillesztést végeznek több milliárd szövegrészlet alapján, hogy megjósolják, milyen szavak következzenek. Ha egyszerű kérdést teszel fel, a statisztikailag legvalószínűbb válaszra ugranak.
Egyszerű kérdéseknél ez tökéletesen működik. A „Mi Franciaország fővárosa?" nem igényel érvelést — ezt a kérdés-válasz párost az AI milliószor látta már együtt.
Ha viszont a feladathoz tényleges logika kell — mérlegelés, kompromisszumok elemzése, többlépcsős problémák megoldása —, a mintaillesztés nem visz célba. Az AI olyan választ kap el, ami jól hangzik, de nem végzi el a munkát ahhoz, hogy ellenőrizze, valóban helyes-e.
A gondolatlánc-prompt megszakítja ezt a rövidre zárást. Ha hangosan érveltetsz, kénytelen legenerálni a köztes lépéseket — és ezek a lépések leszűkítik, milyen lehet a végső válasz. Nehezebb téves következtetésre jutni, ha közben az odáig vezető utat is le kell írnod.
Összehasonlítás: az AI rögtön választ ad, vagy lépésről lépésre végiggondolja a problémát
A legegyszerűbb módja a gondolatlánc-prompt használatának
A legkönnyebb változathoz semmit sem kell beállítanod. Csak fűzd hozzá a prompt végéhez az alábbi mondatok egyikét:
„Gondolkodjunk lépésről lépésre."
„Vezess végig az érvelésen."
„Mutasd meg a gondolatmeneted, mielőtt válaszolsz."
„Bontsuk le ezt lépésről lépésre."
A kutatók szerint a „Gondolkodjunk lépésről lépésre" teljesített a legjobban a tesztjeikben, bár egy későbbi kutatás talált egy még hatékonyabb változatot: „Dolgozzuk ezt ki lépésről lépésre, hogy biztosan a helyes választ kapjuk."
Lássuk, hogyan néz ez ki a gyakorlatban. Tegyük fel, azt latolgatod, elfogadj-e egy állásajánlatot.
Gondolatlánc nélkül:
Elfogadjak egy olyan állásajánlatot, amely 20%-kal többet fizet, de egy 40%-kal drágább megélhetésű városba kell költöznöm érte?
Az AI valószínűleg gyors „igent" vagy „nemet" vág rá, felszínes mintaillesztés alapján.
Gondolatlánccal:
Elfogadjak egy olyan állásajánlatot, amely 20%-kal többet fizet, de egy 40%-kal drágább megélhetésű városba kell költöznöm érte?
Gondoljuk végig ezt lépésről lépésre: vegyük sorra az anyagi vonatkozásokat, az életminőséget érintő tényezőket és a karrierhatást, mielőtt következtetést vonsz le.
Most az AI lebontja az egyes tényezőket, kiszámolja, hogy a 20%-kal magasabb fizetés fedezi-e a 40%-kal nagyobb költségeket, mérlegeli, mit nyersz vagy veszítesz, és megalapozott javaslattal áll elő.
Few-shot CoT: mutasd meg az AI-nak, hogyan gondolkodjon
A „Gondolkodjunk lépésről lépésre" módszert hívják zero-shot CoT-nak, mert nem mutatsz vele példát. Sok helyzetben jól működik, de összetett vagy speciális feladatoknál még jobb eredményt érsz el, ha bemutatod, milyen érvelési mintát szeretnél.
Ezt nevezik few-shot CoT-nak — egy-két kidolgozott példát adsz a prompthoz, amelyek pontosan megmutatják, hogyan érveljen át hasonló problémákon.
Itt egy sablon üzleti döntések elemzéséhez:
Döntésekben kérek segítséget. Így szeretném, ha végiggondolnád:
Példa:
Kérdés: Váltsunk havi számlázásról éves számlázásra?
1. lépés – A kulcstényezők azonosítása: cashflow-kiszámíthatóság, ügyfél-lemorzsolódás kockázata, árazáspszichológia.
2. lépés – Az egyes tényezők elemzése:
- Cashflow: az éves számlázás előre hozza a bevételt, kiszámíthatóbb tervezést tesz lehetővé
- Lemorzsolódás: az éves díjat fizető ügyfelek lemorzsolódási aránya alacsonyabb
- Árazás: éves csomagra adhatunk kedvezményt anélkül, hogy veszítenénk rajta
3. lépés – Kompromisszumok mérlegelése: a fő hátrány a magasabb belépési súrlódás új feliratkozóknál.
4. lépés – Következtetés: igen, de kínáljuk fel mindkét opciót, az éveset 15% kedvezménnyel.
Most ugyanezzel a logikával dolgozz a kérdésemen:
{{question}}
A példának nem kell pontosan illeszkednie a kérdésedhez — elég, ha bemutatja az érvelési struktúrát, amit szeretnél. Az AI a saját helyzetedre fogja igazítani.
Mikor segít tényleg a gondolatlánc-prompt (és mikor nem)
A CoT-prompt nem csodaszer minden AI-beszélgetésre. A Wharton kutatása szerint nehéz feladatoknál javítja a teljesítményt, könnyű kérdéseknél viszont ronthatja is a pontosságot, mert fölösleges bonyolultságot visz a válaszba.
Akkor használj gondolatlánc-promptot, ha:
Több lehetőséget hasonlítasz össze, vagy kompromisszumokat mérlegelsz
A feladathoz többlépcsős érvelés vagy számolás kell
Hibát keresel vagy diagnosztizálsz
A válaszhoz ok-okozati elemzés kell
Nem csak a választ akarod, hanem érteni szeretnéd az AI gondolatmenetét
Hagyd ki a gondolatlánc-promptot, ha:
Egyszerű tényekre vagy meghatározásokra kérdezel rá
Kreatív kimenetet kérsz, például ötleteléshez vagy szövegíráshoz
Összefoglalót vagy fordítást szeretnél
A sebesség fontosabb a pontosságnál
A feladat nem igényel logikai érvelést
Még egy fontos részlet: a CoT-prompt kisebb AI-modelleknél kevésbé hatékony. Az eredeti Google-kutatás szerint érdemi javulás csak a 100+ milliárd paraméteres modelleknél jelentkezett. A mai felhasználói AI-eszközöknél — ChatGPT-4, Claude, Gemini — bőven ebben a tartományban vagy. Régebbi vagy kisebb modelleknél viszont vegyes eredményekre számíts.
5 azonnal használható CoT-prompt valódi munkához
Itt vannak a másolható promptok, amelyeket akár ma elkezdhetsz használni. Mindegyik tartalmazza a beépített gondolatlánc-szerkezetet.
1. Döntéselemzés
Segíts döntenem: {{decision_to_make}}
Gondoljuk végig lépésről lépésre:
1. Sorold fel a kulcstényezőket, amiket figyelembe kell vennem
2. Elemezd, hogyan teljesít minden lehetőség ezeken a tényezőkön
3. Azonosítsd a fő kockázatokat és kompromisszumokat
4. Adj egy javaslatot, indoklással
Légy konkrét, és a valós helyzetemre szabd a választ — ne általános tanácsokat adj.
2. Előnyök és hátrányok ütköztetése
Hasonlítsd össze ezt a két lehetőséget: {{option_1}} vs {{option_2}}
Gondoljuk át rendszerezetten:
1. Először nevezz meg 5 szempontot, ami ennél a típusú döntésnél igazán számít
2. Értékeld mindkét lehetőséget szempontonként
3. Jelöld a deal-breakereket vagy a kötelező feltételeket
4. Mérlegeld az összesített kompromisszumokat
5. Adj egyértelmű ajánlást
Ne csak előnyöket és hátrányokat sorolj — gondolkodj végig, melyik szempont súlyosabb és miért.
3. Gyökérok-elemzés
Segíts kideríteni, miért történik ez: {{problem_description}}
Kövesd ezt az érvelési folyamatot:
1. Tisztázd, mi történik valójában, és mi az, aminek történnie kellene
2. Sorolj fel minden lehetséges okot — még a valószínűtlent is
3. Minden okhoz mondd meg, milyen bizonyíték erősítené meg vagy zárná ki
4. A rendelkezésre álló információk alapján nevezd meg a legvalószínűbb gyökérokot
5. Javasolj módot az ellenőrzésre, és azt is, mit lehet ellene tenni
4. Lépésről lépésre tervezés
Ezt szeretném elérni: {{goal}}.
Bontsd lépésekre:
1. Először nevezd meg, minek kell mindenképp előbb megtörténnie (előfeltételek)
2. Aztán térképezd fel a fő szakaszokat vagy mérföldköveket
3. Minden szakaszhoz sorold fel a konkrét teendőket
4. Jelöld a függőségeket (mi az, aminek meg kell történnie, mielőtt valami más elindulhat)
5. Jegyezd fel a lehetséges akadályokat és azt, hogyan kezelheted őket
Légy konkrét — kérek konkrét teendőket, ne homályos tanácsokat.
5. Összetett kérdés elemzése
{{complex_question}}
Mielőtt válaszolnál, gondoljuk át alaposan:
1. Bontsd le, mit is kérdez ez igazából
2. Azonosítsd a kérdésbe rejtett feltevéseket
3. Vedd számba a választ befolyásoló kulcstényezőket
4. Érvelj végig minden tényezőn
5. Aztán add meg a választ, az alátámasztó érveléssel együtt
Ha valódi bizonytalanság van, ismerd be — ne tegyél úgy, mintha biztos lennél benne.
Mind ugyanazt a mintát követi: leírod, mire van szükséged, majd kifejezetten elmondod, milyen érvelési folyamatot vársz az AI-tól. Ez a szerkezet végigvezeti az AI-t az alapos elemzésen, ahelyett, hogy hagynád átugrani a válaszhoz.
Egy promptsablon-kártya, amelyen a változókat különböző feladatokra szabod
Ha észreveszed, hogy újra meg újra ugyanezeket a promptokat használod — más-más döntést, problémát vagy kérdést behelyettesítve —, egy olyan eszközben, mint a PromptNest, elmentheted őket úgy, hogy a {{változók}} már a helyükön legyenek. Amikor szükség van rá, csak kitöltöd a réseket, és kimásolod a kész promptot.
Hibakeresés: amikor az érvelés félresiklik
Néha gondolatlánc-prompttal dolgozol, az AI bemutatja a lépéseket… és mégis téves következtetésre jut. Lássuk, mit tehetsz ilyenkor.
Az érvelés rendben tűnik, de a következtetés hibás. Az AI talán hibás feltevésből indult ki. Kérdezd meg: „Milyen feltevésekkel élsz itt? Sorold fel mindet kifejezetten." A hiba sokszor egy kimondatlan előfeltételben van, nem magában a logikában.
Az AI kihagyott fontos szempontokat. Válaszolj így: „Nem vetted figyelembe ezt: {{factor}}. Ez hogyan változtat az elemzésen?" Az AI beépíti az új információt, és gyakran felülírja a következtetését.
Az érvelés körkörös vagy ködös. Kérj konkrétumot: „A 2. lépésben azt mondtad, ez „kockázatos lehet". Pontosan milyen kockázatokra gondolsz, és hogyan számszerűsítenéd őket?" A konkrét részletek erőltetése kibillenti a homályos gondolkodást.
Gyanús, hogy az AI túl magabiztos. Próbáld ki: „Játszd az ördög ügyvédjét. Mi a legerősebb ellenérv ezzel a következtetéssel szemben?" Ez sokszor felszínre hoz olyan gyengeségeket, amelyeket az AI elsőre átsiklott.
A gondolatlánc-prompt lényege nem csak a jobb válasz — hanem hogy láthatóvá tegye az AI érvelését, így ki tudod szúrni és javítani a hibákat. Az első választ kezeld kiindulópontnak, ne a végeredménynek.
Kezdj el ma gondolatlánc-promptot használni
Nem kell technikákat magolnod vagy bonyolult keretrendszereket követned. Elég ennyit észben tartani: ha azt akarod, hogy az AI tényleg gondolkodjon, ne csak tippeljen, kérd meg, hogy mutassa meg a számolást.
Kezdj egy olyan feladattal, amihez gyakran használsz AI-t — valami olyat, ami elemzést, összehasonlítást vagy hibakeresést igényel. Tedd hozzá: „Gondoljuk ezt végig lépésről lépésre" — és figyeld, hogyan változik a válasz. Ha egyszer megtapasztalod a különbséget, magadtól is ráérzel, mikor érdemes előhúzni.
Ha a fenti minták szerint érvelési promptokból szeretnél könyvtárat építeni, bárhol elmentheted őket — egy jegyzetalkalmazásban, egy dokumentumban, abban, amit eddig is használtál. Vagy ha kifejezetten erre tervezett megoldás kell, a PromptNest egy natív Mac-alkalmazás ($19.99 egyszeri díj a Mac App Store-ban, nincs előfizetés, nincs fiók, helyben fut), és változókkal együtt tartja rendben a promptjaidat. Akármelyiket választod, a lényeg: a legjobb promptjaid akkor legyenek kéznél, amikor szükséged van rájuk — ne a régi chatek mélyén.
Ami elválasztja a gondolkodtató AI-t a magabiztosan beszélő AI-tól, az gyakran egyetlen mondat: „Gondoljuk ezt végig lépésről lépésre."