Chain-of-Thought (Cadeia de Pensamento)
O que é Chain-of-Thought prompting, como funciona o raciocínio passo a passo em IA e como usar para melhores respostas.
Chain-of-Thought (CoT), ou Cadeia de Pensamento, é uma técnica de prompting que instrui o modelo de IA a resolver problemas passo a passo, mostrando seu raciocínio intermediário antes de chegar à resposta final. Isso melhora significativamente a precisão em tarefas complexas.
O Chain-of-Thought funciona ativando o raciocínio explícito do modelo:
- Sem CoT: “Quanto é 23 × 47?” → modelo tenta responder diretamente (pode errar)
- Com CoT: “Pense passo a passo: 23 × 47” → modelo decompõe: 23×40=920, 23×7=161, 920+161=1081
Existem variações:
- Zero-shot CoT — adicionar “pense passo a passo” ao prompt
- Few-shot CoT — dar exemplos de raciocínio antes da pergunta
- Self-consistency — gerar múltiplas cadeias e escolher a resposta mais comum
- Tree of Thought — explorar múltiplos caminhos de raciocínio
No OpenClaw, você pode usar CoT assim:
“Analise passo a passo se devo aceitar essa proposta de emprego: salário R$12k, remoto, startup early-stage”
O assistente vai:
- Listar prós (salário, remoto)
- Listar contras (risco startup)
- Comparar com benchmarks do mercado
- Dar uma recomendação fundamentada
O OpenClaw aplica Chain-of-Thought automaticamente em tarefas complexas. Você pode forçar CoT adicionando ‘pense passo a passo’ ou ‘analise detalhadamente’ nas suas mensagens. Isso é especialmente útil para análise financeira, revisão de contratos e planejamento de projetos.
- Prompt Engineering — técnicas avançadas de prompting incluindo CoT
- Few-Shot — aprendizado com poucos exemplos
- Zero-Shot — aprendizado sem exemplos
- Guia de Prompts Avançados — domine CoT e outras técnicas
- Tutorial: Automação Inteligente — use CoT em automações