از مدل یک مسئله‌ی ریاضی بپرسید و جواب فوری بگیرید که اشتباه است؛ همان سؤال را با یک جمله‌ی اضافه بپرسید — «قدم‌به‌قدم حل کن» — و احتمالاً پاسخ درست می‌آید. این تغییر کوچک، پشتش یکی از مهم‌ترین کشف‌های این سال‌هاست: مدل زبانی اگر اجازه پیدا کند مسیر استدلالش را بنویسد، در مسائل سخت به‌طور معنادار بهتر عمل می‌کند. به این تکنیک می‌گویند زنجیره تفکر یا Chain of Thought؛ و همین ایده از یک ترفند ساده‌ی پرامپت شروع شد و به معماری نسل جدید مدل‌های استدلال‌گر رسید. در این مطلب می‌بینیم این زنجیره چیست، چرا کار می‌کند و چه زمانی ارزش خرج کردن دارد.
زنجیره تفکر چیست؟
ایده ساده است: به‌جای این‌که از مدل فقط جواب نهایی بخواهید، از او بخواهید مراحل رسیدن به جواب را هم بنویسد. مدل زبانی توکن‌به‌توکن تولید می‌کند و هر توکنی که مینویسد، زمینه‌ی تولید توکن بعدی می‌شود. وقتی مدل «حاصل‌جمع ۲۴۷ و ۳۸۹ را بنویس و اول یکی‌ها را بشکن» را مینویسد، دارد برای خودش فضای کاری می‌سازد: نتایج میانی روی «کاغذ» می‌مانند و قدم بعدی روی حساب‌شده‌ی قبلی تکیه می‌کند — به‌جای این‌که همه‌چیز در یک پرش ذهنی انجام شود.
دو شکل رایج دارد: Zero-shot: فقط یک جمله اضافه می‌کنید — «قدم‌به‌قدم فکر کن و بعد جواب نهایی را بده» — و مدل خودش زنجیره را می‌سازد. Few-shot: چند نمونه از سؤال‌های با پاسخ قدم‌به‌قدم در پرامپت می‌دهید تا الگوی استدلال دلخواه‌تان را مدل ببیند و تقلید کند؛ برای کارهای با قالب خاص یا منطق دامنه‌محور، این شکل دقیق‌تر جواب می‌دهد. اگر با اصول کلی پرامپت‌نویسی آشنا نیستید، اول تکنیک‌های اصلی پرامپت را مرور کنید — زنجیره تفکر روی همان پایه سوار می‌شود.
چرا کار می‌کند؟
سه دلیل که کنار هم معنی‌اش می‌شود: تخصیص محاسبه: هر توکنی که مدل تولید می‌کند، یک واحد محاسبه است؛ پاسخ فوری یعنی همه‌ی مسئله در چند توکن حل شود، که برای مسائل سخت کافی نیست. زنجیره تفکر اجازه می‌دهد مسئله در ده‌ها یا صدها توکن حل شود — مثل انسانی که برای ضرب دو عدد دو رقمی جواب فوری می‌دهد و برای ضرب چند رقمی کاغذ و قلم برمی‌دارد. شکستن مسئله: مدل به‌طور طبیعی مسئله را به گام‌های کوچک‌تر و قابل‌حل می‌شکند و از تله‌های پاسخ‌های فوری که در داده‌ی آموزش دیده فراوان‌اند، دور می‌شود. قابل‌بازبینی بودن: چون مسیر روی کاغذ است، هم شما می‌توانید ببینید کجا فرض اشتباه گرفته — و هم در اصلاح پرامپت، دقیقاً همان قدم را هدف بگیرید.
زنجیره تفکر یعنی فضا اجاره کردن: مدل برای فکر کردن، توکن تولید می‌کند — و توکن‌های فکر، بخشی از مسئله را که در یک پرش جا نمی‌شد، قابل‌حل می‌کنند.
از ترفند پرامپت تا مدل استدلال‌گر
نقطه‌ی عطف این حوزه جایی بود که این ترفند از پرامپت به آموزش مدل منتقل شد. مدل‌های استدلال‌گر — مانند سری o1 و مدل‌هایی از این خانواده — با یادگیری تقویتی طوری آموزش دیده‌اند که خودشان زنجیره‌های استدلال طولانی تولید کنند: مسئله را می‌شکنند، چند مسیر را امتحان می‌کنند، مسیر بن‌بست را رها می‌کنند و برگشتند، نتایج میانه را چک می‌کنند و وقتی به اطمینان رسیدند جواب می‌دهند. تمام این فرایند «فکر کردن» در لحظه‌ی پاسخ انجام می‌شود؛ به آن می‌گویند محاسبه در زمان استنتاج یا Test-time Compute. تصویر کامل‌تر این پارادایم را در مطلب مدل استدلالی خوانده‌اید؛ این‌جا نکته‌ی مهم این است که زنجیره تفکر دستی و مدل استدلال‌گر دو سر یک طیف‌اند: یکی فکر کردن را شما هدایت می‌کنید، دیگری مدل خودش بلد است — اما هر دو یک اصل را خرج می‌کنند: توکن بیشتر در برابر کیفیت بیشتر.
کجا کار می‌کند و کجا نه؟
جایی که جهش می‌دهد: ریاضی و حساب؛ کد و دیباگ منطقی؛ مسائل چندمرحله‌ای با قیود متعدد؛ تحلیل‌هایی که «راه ساده‌ی اشتباه» دارند — چون مدل غیراستدلالی در آن‌ها اغلب به پاسخ شهودیِ نادرست می‌پرد. جایی که نه‌فقط بی‌فایده بلکه ضرر دارد: خلاقیت و نثر روان — فکر طولانی فقط کندی و هزینه است؛ سؤال‌های دانشی ساده — همان جواب با هزینه‌ی چند برابر؛ و کارهایی که سرعتشان بخشی از محصول است.
دو نکته‌ی عملی هم برای پرامپت دادن به مدل‌های استدلال‌گر: اول، به‌جای ترفندهای دستی، مسئله را کامل تعریف کنید — قیود، ورودی‌ها، تعریف پاسخ درست؛ این مدل‌ها با شرح صریح بهتر از تکنیک‌های پراکنده کار می‌کنند. دوم، هزینه را حساب کنید: توکن‌های فکر هم توکن‌اند و در فاکتور می‌آیند؛ پاسخِ فکرشده گاهی چند برابر پاسخ فوری توکن مصرف می‌کند — الگوی هزینه را در راهنمای هزینه‌ی API ببینید و از مدل استدلالی فقط برای جایی استفاده کنید که خطا گران است.
جمع‌بندی
زنجیره تفکر یعنی اجازه دادن به مدل برای نوشتن مسیر استدلالش — و این نوشتن، خودش بخشی از حل مسئله است: فضای کاری می‌سازد، نتایج میانی را ثبت می‌کند و پرش‌های ذهنی را به گام‌های قابل‌بازبینی می‌شکند. نسخه‌ی دستی‌اش یک جمله در پرامپت است و نسخه‌ی پیشرفته‌اش مدل‌های استدلال‌گری که فکر طولانی را با یادگیری تقویتی یاد گرفته‌اند. قاعده‌ی انتخاب ساده است: مسئله‌ی سختِ قابل‌راستی‌آزمایی ← زنجیره تفکر یا مدل استدلالی؛ کار ساده و پرتکرار ← مدل معمولی. برای چارچوب کامل انتخاب مدل، راهنمای انتخاب مدل را ببینید — و در ماین‌دبیس هر دو خانواده کنار هم در دسترس‌اند؛ با یک حساب می‌توانید همان مسئله را با هر دو حالت اجرا کنید و تفاوت را روی کار واقعی خودتان ببینید.