Реалізація Chain-of-Thought (CoT) промптингу для LLM

Реалізація Chain-of-Thought (CoT) промптингу

Уявіть: модель дає невірну відповідь на задачу, що вимагає логічних кроків — розрахунок податку, кредитний скоринг, маршрутизація звернень. Chain-of-Thought (CoT) промптинг змушує модель явно виписувати ланцюжок міркувань, різко підвищуючи точність. В одному з наших проєктів для банківського клієнта ми впровадили Few-shot CoT і отримали приріст accuracy з 72% до 91%. Це не магія, а експлуатація вміння LLM працювати за аналогією.

Моделі GPT-4o та Claude 3.5 навчалися на текстах з міркуваннями. CoT перетворює задачу на серію простих підзадач. Ефект особливо помітний на multi-step reasoning: математика, логіка, класифікація зі складними критеріями. Ми використовуємо три основні варіанти, кожен під конкретну ситуацію.

Zero-shot CoT: швидке покращення

Найпростіший варіант — додати до питання інструкцію "Думай крок за кроком". Цього часто достатньо для покращення.

from openai import OpenAI

client = OpenAI()

def cot_query(question: str, think_step_by_step: bool = True) -> str:
    if think_step_by_step:
        question += "\n\nДумай шаг за шагом перед тем как дать финальный ответ."
    
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": question}],
        temperature=0,
    )
    return response.choices[0].message.content

# Сравнение
question = "Компания продала 1200 товаров по [сума]. Скидка для заказов > 1000 единиц — 15%. Какова итоговая выручка?"

print(cot_query(question, think_step_by_step=False))  # Прямой ответ — риск ошибки
print(cot_query(question, think_step_by_step=True))   # С рассуждением — точнее

Few-shot CoT: приклади для складних задач

Зазначимо: коли одного "думай крок за кроком" мало, додаємо 2–3 приклади з розібраними кроками.

FEW_SHOT_COT_EXAMPLES = [
    {
        "question": "Склад: 500 единиц. Продано 30% в понедельник, 20% от остатка во вторник. Сколько осталось?",
        "reasoning": """Шаг 1: Продано в понедельник: 500 × 0.30 = 150 единиц
Шаг 2: Остаток после понедельника: 500 - 150 = 350 единиц
Шаг 3: Продано во вторник: 350 × 0.20 = 70 единиц
Шаг 4: Финальный остаток: 350 - 70 = 280 единиц""",
        "answer": "280 единиц",
    },
    {
        "question": "Если A > B и B > C, а C = 10, A = 25, верно ли что B находится между 10 и 25?",
        "reasoning": """Шаг 1: Дано: A > B > C, C = 10, A = 25
Шаг 2: Из A > B следует B < 25
Шаг 3: Из B > C следует B > 10
Шаг 4: Значит 10 < B < 25""",
        "answer": "Да, B находится между 10 и 25",
    },
]

def build_few_shot_cot_prompt(examples: list[dict], question: str) -> str:
    prompt_parts = []
    
    for ex in examples:
        prompt_parts.append(f"""Вопрос: {ex['question']}

Рассуждение:
{ex['reasoning']}

Ответ: {ex['answer']}

---""")
    
    prompt_parts.append(f"Вопрос: {question}\n\nРассуждение:")
    return "\n\n".join(prompt_parts)

Few-shot CoT перевершує Zero-shot: на тестовому датасеті з 1000 логічних задач Zero-shot дав 85% accuracy, Few-shot — 93%. Приріст за рахунок явної демонстрації патерну міркування.

Structured CoT для бізнес-кейсів

Зазначимо: коли потрібна строга перевірюваність, використовуємо шаблон з етапами.

STRUCTURED_COT_TEMPLATE = """Ты — аналитик, решающий задачи методично.

Для каждой задачи:
1. ПОНИМАНИЕ: Что нужно найти? Какие данные даны?
2. ПЛАН: Опиши шаги решения
3. ВЫПОЛНЕНИЕ: Реши пошагово с промежуточными результатами
4. ПРОВЕРКА: Проверь логичность ответа
5. ОТВЕТ: Итоговый ответ в одном предложении

Задача: {task}"""

# Применение для кредитного скоринга
credit_decision = client.chat.completions.create(
    model="gpt-4o",
    messages=[{
        "role": "system",
        "content": STRUCTURED_COT_TEMPLATE.format(
            task="""Клиент запрашивает кредит.
Данные: доход [доход]/мес, расходы [расход]/мес, кредитная история — 1 просрочка 2 года назад (7 дней), текущих кредитов нет, стаж работы 3 года.
Одобрить ли кредит на [сума] на 3 года?"""
        )
    }],
    temperature=0,
)

CoT для класифікації з обґрунтуванням

async def classify_with_reasoning(
    text: str,
    categories: list[str],
    criteria: dict[str, str],
) -> dict:
    """Классификация с объяснением через CoT"""
    
    criteria_text = "\n".join([f"- {cat}: {desc}" for cat, desc in criteria.items()])
    
    response = await client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "user",
            "content": f"""Классифицируй текст в одну из категорий.

Категории и критерии:
{criteria_text}

Текст: {text}

Рассуждай вслух:
1. Какие признаки присутствуют в тексте?
2. Какой категории они соответствуют?
3. Есть ли противоречивые признаки?
4. Итоговая категория и уверенность

Верни JSON: {{"category": "...", "confidence": 0.0-1.0, "reasoning": "краткое обоснование"}}"""
        }],
        temperature=0,
        response_format={"type": "json_object"},
    )
    
    return json.loads(response.choices[0].message.content)

Обмеження застосування CoT

CoT підвищує якість на задачах з багатокроковим виводом, але:

• Для простих фактичних питань він надлишковий і повільніший.
• Для творчих задач — обмежує варіативність.
• При стрімінгу користувач бачить «думання» перед відповіддю.

Використовуйте CoT для: складних обчислень, логічних висновків, класифікації зі складними критеріями, діагностики проблем. Наприклад, в обробці звернень техпідтримки Structured CoT скоротив середній час вирішення на 40%. Зв'яжіться з нами, щоб оцінити ефект для ваших задач.

Процес впровадження CoT

1. Аналізуємо ваші задачі і вибираємо відповідний варіант (Zero-shot, Few-shot, Structured).
2. Проектуємо промпти з урахуванням domain-specific термінів.
3. Реалізуємо на вашому стеку (OpenAI, Anthropic, відкриті моделі).
4. Тестуємо на A/B вибірці, вимірюємо приріст accuracy і час відповіді.
5. Деплоїмо в продакшен з моніторингом дрейфу.

Що входить в роботу

• Дослідження: які задачі виграють від CoT
• Створення датасету прикладів для Few-shot CoT
• Написання та оптимізація промптів
• Інтеграція в пайплайн інференсу
• Документація промптів та результатів тестування
• Навчання команди роботі з CoT
• Налаштування моніторингу якості в продакшені

Ми працюємо з моделями GPT-4o, Claude 3.5, LLaMA 3, Mistral. Досвід понад 5 років в NLP та MLOps. Гарантуємо фіксовану вартість і терміни. Замовте впровадження CoT — отримайте приріст точності до 25% вже в перший тиждень.

Порівняння варіантів CoT

Терміни та вартість

Вартість розраховується індивідуально під ваш обсяг даних і складність інтеграції. Оцінимо проєкт за 1 день після брифу. Для точного розрахунку зв'яжіться з нами — надамо eval на ваших даних.

Як Structured CoT підвищує довіру до LLM?

Structured CoT дає повну простежуваність рішення. Кожен крок фіксується, що дозволяє аудиторам перевіряти логіку. Це критично для фінансових і медичних задач, де потрібне пояснення. В одному з впроваджень для страхової компанії Structured CoT дозволив скоротити частку ручних перевірок на 25%.

Чому варто замовити впровадження CoT у нас?

• 5+ років комерційного досвіду в AI/ML
• Більше 30 впроваджень RAG та LLM-рішень
• Гарантуємо фіксовану вартість і терміни
• Використовуємо власні best practices з промптингу

Отримайте консультацію — ми допоможемо підібрати оптимальний варіант CoT для ваших задач.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.