Chain of Thought (CoT)

Técnica de razonamiento que descompone problemas complejos en pasos lógicos intermedios antes de emitir una respuesta.

Chain of ThoughtCoTReasoningReActPrompting

Definición Técnica & Formal

Chain of Thought (CoT) obliga al modelo de lenguaje a explicititar su secuencia de razonamiento paso a paso antes de proporcionar el resultado final. En sistemas de agentes, CoT es la piedra angular del módulo de Pensamiento en patrones como ReAct (Reasoning + Acting), donde evalúa el contexto antes de invocar cualquier herramienta.

Puntos Clave & Aplicaciones

Mejora drásticamente la precisión en tareas de lógica, matemáticas y depuración de código.

Sienta las bases para la fase de razonamiento (Thought) en arquitecturas de Agentes ReAct.

Permite auditar el proceso de decisión de la IA para prevenir errores de lógica.

Intuición Visual para Mente Gráfica

"Un estudiante de matemáticas que escribe todo el procedimiento paso a paso en el papel borrador antes de marcar la opción correcta."

💡 Tip: Puedes presionar el botón "Dibujar / Apuntes" en la barra superior para hacer anotaciones gráficas sobre este diagrama.

Demostración Visual e Interactiva

Interactúa con los controles para simular dinámicamente el funcionamiento de Chain of Thought (CoT).

Visualizador de la Arquitectura "Chain of Thought (CoT)"

Un estudiante de matemáticas que escribe todo el procedimiento paso a paso en el papel borrador antes de marcar la opción correcta.

Categoría: Modelos & Representación

Ejemplo de Código & Demostración

python

prompt = """Pregunta: Si 3 trabajadores tardan 6 horas en pintar una pared, ¿cuánto tardarán 6 trabajadores?
Paso a paso (Chain of Thought):
1. Calcular el esfuerzo total en horas-hombre: 3 trabajadores * 6 horas = 18 horas-hombre.
2. Dividir el esfuerzo entre el nuevo número de trabajadores: 18 horas-hombre / 6 trabajadores = 3 horas.

Respuesta Final: 3 horas"""
print(prompt)

💡 Desglose explicativo en pasos usando razonamiento Chain of Thought.

Conceptos Relacionados

Transformer Architecture

Arquitectura fundacional de red neuronal basada en mecanismos de Auto-Atención (Self-Attention) para procesar secuencias en paralelo.

PEAS (Performance, Environment, Actuators, Sensors)

Marco conceptual para especificar formalmente agentes inteligentes a través de Rendimiento, Entorno, Actuadores y Sensores.

ReAct (Reasoning + Acting)

Patrón de diseño para agentes de IA que entrelaza iterativamente Pensamiento, Acción y Observación.

LangGraph (Agentes Basados en Grafos y Estado)

Framework para coordinar flujos de trabajo de agentes de IA cíclicos, persistentes y basados en grafos de estado.