Chain-of-thought prompt: AI koji razmišlja korak po korak
Jednostavna tehnika promptovanja koja je tačnost AI-ja na zadacima rezonovanja podigla sa 18% na 79% — sa primerima koje možeš odmah da iskoristiš u poslu.
Postavio si ChatGPT-u pitanje koje traži malo razmišljanja — možda upoređivanje dve opcije, analizu odluke ili rešavanje problema u više koraka. AI je istog trenutka odgovorio, samouvereno. Jedini problem: bio je potpuno u krivu.
Ovo se dešava češće nego što misliš. AI asistenti su trenirani da daju odgovore koji zvuče uverljivo, a ne da zaista razmišljaju kroz problem. Kad postaviš složeno pitanje na uobičajen način, AI često preskoči razmišljanje i skoči pravo na odgovor — ponekad spektakularno promaši, a zvuči potpuno sigurno u sebe.
Postoji rešenje. Istraživači u Google-u su 2022. otkrili da dodavanje samo jedne fraze u prompt — "Hajde da razmišljamo korak po korak" — podiže tačnost na matematičkim zadacima sa 17,7% na 78,7%. Nije greška u kucanju. Jedna rečenica je AI učinila četiri puta tačnijim.
Ova tehnika se zove chain-of-thought promptovanje (lanac razmišljanja) i radi zato što tera AI da pokaže svoj rad umesto da donosi prebrze zaključke. Evo kako da je iskoristiš za stvarne zadatke — ne samo za matematiku.
Šta je chain-of-thought promptovanje?
Chain-of-thought (CoT) promptovanje je tačno ono što naziv kaže: tražiš od AI-ja da objasni svoje rezonovanje korak po korak pre nego što ti da konačan odgovor. Umesto „Koji je odgovor?", pitaš „Provedi me kroz svoje razmišljanje, pa mi onda daj odgovor".
Zamisli da od kolege tražiš da pokaže kako je došao do zaključka. Ako ti neko da preporuku bez ikakvog obrazloženja, ne možeš znati da li je zaista promislio ili je samo nagađao. Ali ako te provede kroz logiku — „razmotrio sam X, isključio Y zbog Z, što me je dovelo do ovog zaključka" — odmah vidiš ima li rupa u rasuđivanju.
Isti princip važi i za AI. Kad ga primoraš da artikuliše međukorake, dešavaju se dve stvari:
AI usput uhvati sopstvene greške
Tačno vidiš gde je logika otišla u stranu, ako je odgovor pogrešan
Zašto AI preskače korake (i greši)
Evo nečega što većina ljudi ne shvata: AI modeli zapravo ne „razmišljaju" onako kako to ljudi rade. Oni traže obrasce u milijardama tekstualnih primera kako bi predvideli koja reč sledi. Kad postaviš direktno pitanje, skoče na statistički najverovatniji odgovor.
Za jednostavna pitanja, to savršeno funkcioniše. „Koji je glavni grad Francuske?" ne traži rezonovanje — AI je ovo pitanje i odgovor video upareno milion puta.
Ali za sve što traži pravu logiku — upoređivanje opcija, analizu kompromisa, rešavanje problema u više koraka — pristup zasnovan na obrascima se raspada. AI bira odgovor koji zvuči tačno, bez stvarne provere da li jeste tačan.
Chain-of-thought promptovanje prekida ovaj prečac. Time što tražiš od AI-ja da glasno rezonuje, primoravaš ga da generiše međukorake — a ti koraci ograničavaju kakav konačni odgovor sme da bude. Mnogo je teže doći do pogrešnog zaključka kad moraš da pokažeš kojim si putem išao.
Poređenje: AI koji odmah skače na odgovor naspram AI-ja koji prolazi kroz korake rezonovanja pre odgovora
Najjednostavniji način da koristiš chain-of-thought
Najlakša verzija ne traži nikakvu pripremu. Samo dodaj jednu od ovih fraza na kraj prompta:
„Hajde da razmišljamo korak po korak."
„Provedi me kroz svoje rezonovanje."
„Objasni svoje razmišljanje pre nego što daš konačan odgovor."
„Razloži ovo korak po korak."
Istraživači su utvrdili da je „Hajde da razmišljamo korak po korak" najbolje funkcionisalo u njihovim testovima, ali je naknadno istraživanje pronašlo još bolju formulaciju: „Hajde da ovo prođemo korak po korak da budemo sigurni da imamo tačan odgovor".
Evo kako to izgleda u praksi. Recimo da odlučuješ da li da prihvatiš ponudu za posao.
Bez chain-of-thought-a:
Da li da prihvatim ponudu za posao koja plaća 20% više, ali zahteva selidbu u grad gde su životni troškovi 40% veći?
AI će ti verovatno baciti brzo „da" ili „ne" na osnovu površnog poklapanja obrazaca.
Sa chain-of-thought-om:
Da li da prihvatim ponudu za posao koja plaća 20% više, ali zahteva selidbu u grad gde su životni troškovi 40% veći?
Hajde da razmislimo o ovome korak po korak — uzmi u obzir finansijske implikacije, faktore kvaliteta života i uticaj na karijeru pre nego što doneseš zaključak.
Sada će AI razložiti svaki faktor, izračunati pokriva li 20% veća plata 40% veće troškove, razmotriti šta dobijaš a šta gubiš, i dati ti utemeljenu preporuku.
Few-shot CoT: pokaži AI-ju kako da razmišlja
Pristup „Hajde da razmišljamo korak po korak" zove se zero-shot CoT zato što ne pokazuješ nijedan primer. Dobro radi u mnogim situacijama, ali za složene ili specijalizovane zadatke možeš dobiti još bolje rezultate ako mu demonstriraš obrazac rezonovanja koji želiš.
To se zove few-shot CoT — uključuješ jedan ili dva razrađena primera koji AI-ju pokazuju kako tačno da rezonuje kroz slične probleme.
Evo šablona za analizu poslovnih odluka:
Treba mi pomoć da procenim opcije. Ovako bih voleo da rezonuješ kroz svaku:
Primer:
Pitanje: Da li da pređemo sa mesečne na godišnju naplatu?
Korak 1 — Identifikuj ključne faktore: predvidljivost priliva novca, rizik od odlaska korisnika, psihologija cene.
Korak 2 — Analiziraj svaki faktor:
- Priliv novca: godišnja naplata daje nam prihod unapred i poboljšava predvidljivost
- Rizik od odlaska: korisnici koji plaćaju godišnje imaju manji churn
- Cena: možemo da ponudimo popust za godišnje planove a da ne izgubimo novac
Korak 3 — Odmeri kompromise: glavna mana je veće trenje pri prijavi novih korisnika.
Korak 4 — Zaključak: Da, ali ponuditi obe opcije, sa godišnjom uz 15% popusta.
Sada primeni isti obrazac rezonovanja na moje pitanje:
{{question}}
Primer ne mora da se poklapa sa tvojim konkretnim pitanjem — samo treba da pokaže strukturu rezonovanja koju želiš. AI će obrazac prilagoditi tvojoj situaciji.
Kad chain-of-thought zaista pomaže (a kad ne)
CoT promptovanje nije čarobni štapić za svaku interakciju sa AI-jem. Istraživanje sa Whartona pokazalo je da ono pomaže na teškim problemima, ali zna i da pokvari tačnost na lakšim, jer uvodi nepotrebnu složenost.
Koristi chain-of-thought kada:
Upoređuješ više opcija ili odmeravaš kompromise
Zadatak traži rezonovanje ili računanje u više koraka
Treba da otkriješ uzrok problema ili dijagnostikuješ kvar
Odgovor zahteva analizu uzroka i posledica
Želiš da razumeš logiku AI-ja, a ne samo da dobiješ odgovor
Preskoči chain-of-thought kada:
Tražiš proste činjenice ili definicije
Treba ti kreativan rezultat poput brainstorma ili teksta
Tražiš sažetak ili prevod
Brzina ti je važnija od tačnosti
Zadatak ne uključuje logičko rezonovanje
Vredi napomenuti i: CoT promptovanje je manje efikasno na manjim AI modelima. Originalno Google istraživanje pokazalo je da značajna poboljšanja postoje tek kod modela sa preko 100 milijardi parametara. Sa današnjim potrošačkim AI alatima poput ChatGPT-4, Claude-a i Geminija si u pravoj klasi. Ali ako koristiš starije ili manje modele, rezultati mogu varirati.
5 gotovih CoT promptova za stvarni posao
Evo promptova spremnih za kopiranje koje možeš odmah da koristiš. Svaki već ima ugrađenu chain-of-thought strukturu.
1. Analiza odluke
Pomozi mi da odlučim: {{decision_to_make}}
Provedi me kroz ovo korak po korak:
1. Pobroj ključne faktore koje treba da uzmem u obzir
2. Analiziraj kako se svaka opcija ponaša u odnosu na te faktore
3. Identifikuj glavne rizike i kompromise
4. Daj mi preporuku sa obrazloženjem
Budi konkretan i koristi moju stvarnu situaciju, ne uopštene savete.
2. Poređenje za i protiv
Uporedi ove opcije: {{option_1}} naspram {{option_2}}
Razmišljaj sistematično:
1. Prvo identifikuj 5 kriterijuma koji su najvažniji za ovakav tip odluke
2. Oceni svaku opciju po svakom kriterijumu
3. Označi šta su prelomne tačke i šta je obavezno
4. Odmeri ukupne kompromise
5. Daj mi jasnu preporuku
Nemoj samo da nabrajaš za i protiv — zaista rezonuj koji faktori više teže i zašto.
3. Analiza uzroka
Pomozi mi da otkrijem zašto se ovo dešava: {{problem_description}}
Prati ovaj proces rezonovanja:
1. Razjasni šta se zaista dešava naspram onoga što bi trebalo da se dešava
2. Pobroj sve moguće uzroke (i one malo verovatne)
3. Za svaki uzrok razmotri koji bi dokaz potvrdio ili isključio taj uzrok
4. Na osnovu raspoloživih informacija identifikuj najverovatniji koren problema
5. Predloži kako da to proverim i šta da uradim povodom toga
4. Planiranje korak po korak
Treba da {{goal}}.
Razloži ovo na korake:
1. Prvo, identifikuj šta mora da se desi pre svega ostalog (preduslovi)
2. Zatim mapiraj glavne faze ili miljokaze
3. Za svaku fazu nabroj konkretne akcije
4. Označi sve zavisnosti (šta mora da se završi pre nego što nešto drugo počne)
5. Naznači potencijalne prepreke i kako da se nose s njima
Budi konkretan — daj mi izvodljive korake, ne mutne savete.
5. Analiza složenog pitanja
{{complex_question}}
Pre nego što odgovoriš, hajde da pažljivo prođemo kroz ovo:
1. Razloži šta ovo pitanje zaista pita
2. Identifikuj sve pretpostavke ugrađene u pitanje
3. Razmotri ključne faktore koji utiču na odgovor
4. Rezonuj kroz svaki faktor
5. Onda mi daj svoj odgovor sa argumentacijom koja ga podupire
Ako postoji stvarna nesigurnost, priznaj je umesto da glumiš sigurnost.
Ovi promptovi prate isti obrazac: kažeš šta ti treba, a onda eksplicitno opišeš proces rezonovanja koji želiš da AI prati. Struktura vodi AI kroz temeljnu analizu umesto da mu dozvoli da skoči na zaključak.
Kartica sa šablonom prompta i promenljivim placeholderima koji se prilagođavaju različitim zadacima
Ako ti se desi da iznova koristiš ove promptove — menjaš odluke, probleme ili pitanja svaki put — alat poput PromptNest-a omogućava ti da ih sačuvaš sa već ubačenim {{varijablama}}. Kad ti zatreba neki, samo popuniš praznine i kopiraš ceo prompt.
Otklanjanje problema: kad rezonovanje krene naopako
Ponekad ćeš upotrebiti chain-of-thought i AI će prikazati svoje korake… ali će i dalje doći do pogrešnog zaključka. Evo kako da to rešiš.
Rezonovanje izgleda u redu, ali je zaključak pogrešan. AI je možda pošao od pogrešne pretpostavke. Pitaj: „Koje pretpostavke ovde praviš? Pobroj ih izričito." Greška je često u neizrečenoj pretpostavci, a ne u samoj logici.
AI je preskočio važne faktore. Odgovori sa: „Nisi uzeo u obzir {{factor}}. Kako to menja tvoju analizu?" AI će ubaciti novu informaciju i često revidirati zaključak.
Rezonovanje je u krug ili maglovito. Traži više preciznosti: „U koraku 2 si rekao 'ovo bi moglo da bude rizično'. Na koje konkretne rizike misliš i kako bi ih kvantifikovao?" Insistiranje na konkretnim detaljima razotkriva mutno razmišljanje.
Sumnjaš da je AI previše samouveren. Probaj: „Glumi đavoljeg advokata. Koji je najjači argument protiv ovog zaključka?" To često otkriva slabosti koje je AI iz prve preskočio.
Poenta chain-of-thought promptovanja nije samo da dobiješ bolje odgovore — već da rezonovanje AI-ja postane vidljivo, kako bi mogao da uhvatiš i ispraviš greške. Prvi odgovor tretiraj kao polaznu tačku, ne kao konačan.
Počni da koristiš chain-of-thought već danas
Ne moraš da pamtiš tehnike ni da pratiš komplikovane okvire. Setiti se samo suštine: kad treba da AI zaista misli umesto da nagađa, traži od njega da pokaže rad.
Počni sa jednim zadatkom koji redovno radiš sa AI-jem — nečim što uključuje analizu, poređenje ili dijagnostiku. Dodaj „Hajde da prođemo kroz ovo korak po korak" i vidi kako se odgovor menja. Kad jednom uvidiš razliku, prepoznavaćeš kada da posegneš za ovim.
Ako želiš da napraviš biblioteku promptova za rezonovanje poput onih iznad, možeš ih sačuvati gde god — u beleškama, u dokumentu, gde ti je već zgodno. A ako više voliš nešto namenski napravljeno, PromptNest je nativna Mac aplikacija ($19.99 jednokratno na Mac App Store-u, bez pretplate, bez naloga, radi lokalno) koja drži tvoje promptove organizovane uz ugrađene varijable. U svakom slučaju, ključno je da ti najbolji promptovi budu pri ruci kad zatrebaju — a ne zatrpani u starim chat istorijama.
Razlika između AI-ja koji ti pomaže da misliš i AI-ja koji samo zvuči samouvereno često se svodi na jednu rečenicu: „Hajde da prođemo kroz ovo korak po korak".
