Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Chain of Thought

Les 7 van 16 Bijgewerkt op 28 juli 2026 Beginner
Op deze pagina
  1. Redeneer stap voor stap
  2. Eenvoudige CoT: één instructie volstaat
  3. Gestructureerde CoT: stuur de stappen aan
  4. Wanneer Chain of Thought gebruiken – en wanneer overslaan
  5. CoT met few-shot
  6. De uitgebreidheid van de redenering sturen
  7. Belangrijkste punten

Redeneer stap voor stap

Chain of Thought (CoT) is een techniek waarbij u het model vraagt zijn redenering uiteen te zetten voordat het tot een definitief antwoord komt. In plaats van direct naar de conclusie te springen, beschrijft het model elke logische stap. Dit verbetert de kwaliteit van het antwoord aanzienlijk bij taken die redeneervermogen vereisen. Bij Mistral-modellen levert dit uitstekende resultaten op op het gebied van logica, wiskunde, analyse en besluitvorming.

Om te begrijpen waarom dit werkt, moet u weten hoe het model tekst genereert: token voor token, waarbij elke token afhankelijk is van alle voorgaande. Wanneer een model een complexe vraag direct moet beantwoorden, heeft het slechts enkele tokens om na te denken; het antwoord moet vrijwel onmiddellijk ontstaan. Door het model te vragen zijn redenering te detailleren, geeft u het de ruimte om het probleem op te splitsen in eenvoudige deelvragen, elke stap te verifiëren voordat het naar de volgende gaat, relevante informatie uit de verstrekte gegevens te filteren en uiteindelijk redeneerfouten zoals hallucinaties te verminderen. Geschreven redenering is geen nabeschouwing: het is daar waar de berekening plaatsvindt.

Eenvoudige CoT: één instructie volstaat

De meest basale vorm bestaat uit het toevoegen van een eenvoudige instructiezin aan het einde van uw prompt:

A restaurant has 15 tables. Each table can seat 4 people.
The restaurant is 80% full. How many people are present?

Reason step by step before giving your answer.

Het model produceert dan iets als:

Step 1: Total capacity = 15 tables × 4 people = 60 people
Step 2: Occupancy rate = 80% = 0.80
Step 3: People present = 60 × 0.80 = 48 people

Answer: 48 people are present in the restaurant.

Zonder de instructie “reason step by step” zou het model misschien direct “48” geven – in dit geval correct – maar het zou ook een fout kunnen maken in een tussenberekening zonder dat u kunt achterhalen waar. Dit is het tweede, minder bekende maar even waardevolle voordeel van CoT: zichtbare redenering is verifieerbaar. Wanneer een antwoord u vreemd voorkomt, springt de foutieve stap eruit.

Gestructureerde CoT: stuur de stappen aan

Voor complexere taken volstaat het niet alleen om om redenering te vragen: schrijf deze voor. Stel u een investeringsanalyse voor:

Evaluate whether this startup is a good investment.

Data:
- Revenue 2025: €2.3M (growth +45% YoY)
- Burn rate: €180K/month
- Runway: 14 months
- Addressable market: €500M
- Team: 22 people, 3 technical founders

Reason according to these steps:
1. Analyze financial health (revenue, burn, runway)
2. Evaluate market potential (size, current penetration)
3. Evaluate the team (skills, size)
4. Identify key risks (3 max)
5. Provide your conclusion with a confidence score (low/medium/high)

Door de stappen voor te schrijven, zorgt u ervoor dat het model alle belangrijke aspecten behandelt, in de juiste volgorde, zonder het onderdeel over te slaan dat voor u cruciaal is. Als het model vrij gelaten wordt, zou het misschien uitgebreid ingaan op de markt en de financiële analyse haasten; gestuurd behandelt het alle vijf de aspecten systematisch.

Wanneer Chain of Thought gebruiken – en wanneer overslaan

CoT is bedoeld voor taken waarbij u onderweg fouten kunt maken: wiskundige problemen met meerdere stappen, schattingen, data-analyse (interpreteren van metrics, identificeren van trends), besluitvorming door opties te vergelijken, debuggen van code of error logs, logisch redeneren en deductie. In al deze situaties is elke tussenstap een controlemoment dat voorkomt dat fouten zich voortplanten.

Omgekeerd is CoT nutteloos – en soms zelfs contraproductief – wanneer er niets uit te vouwen valt. Voor een simpele feitelijke vraag als “Wat is de hoofdstad van Italië?” voegt het alleen latentie en tokens toe zonder iets te verbeteren. Bij creatief schrijven kan gestructureerd redeneren de creativiteit zelfs verstikken. Vertalen is meer intuïtief dan logisch, en herformuleren vereist geen deductie. De juiste reflex is uzelf afvragen of u voor deze taak zelf berekeningen zou opstellen. Zo niet, spaar het model dan.

CoT met few-shot

Het combineren van Chain of Thought met de few-shot-techniek uit de vorige les is bijzonder krachtig: in plaats van te beschrijven hoe er geredeneerd moet worden, toont u dit via een compleet voorbeeld van succesvolle redenering.

messages = [
    {
        "role": "system",
        "content": "You are an analyst who reasons step by step."
    },
    {
        "role": "user",
        "content": """An e-commerce site has 10,000 visitors/day, a conversion rate
of 2.5% and an average cart value of €65. What is the daily revenue?"""
    },
    {
        "role": "assistant",
        "content": """Reasoning:
1. Number of orders/day = 10,000 × 2.5% = 250 orders
2. Daily revenue = 250 × €65 = €16,250

Answer: Daily revenue is €16,250."""
    },
    {
        "role": "user",
        "content": """A SaaS has 5,000 active users, a monthly churn rate
of 3% and an average revenue per user of €49/month. What will the MRR
be in 3 months if no new customers arrive?"""
    }
]

Het model zal hetzelfde schema reproduceren – een genummerd “Reasoning”-blok, gevolgd door een “Answer”-regel – voor de nieuwe vraag. U krijgt zo zowel de nauwkeurigheid van CoT als de formaatconsistentie van few-shot.

De uitgebreidheid van de redenering sturen

Soms wilt u wel de redenering, maar geen roman. U stuurt de dosering direct in de instructie. Voor volledige redenering vraagt u: “Detail every step of your reasoning before concluding.” Voor een beknopte versie: “Reason briefly (2-3 steps max) then give your answer.” En voor productie is de nuttigste variant die redenering en antwoord scheidt met tags:

Reason within <reasoning></reasoning> tags
then provide your final answer within <answer></answer> tags.

Deze laatste aanpak biedt het beste van twee werelden: uw code extraheert alleen de inhoud van de <answer>-tag om aan de eindgebruiker te tonen, terwijl de volledige redenering beschikbaar blijft in de logs voor debugging. Wanneer een respons in productie fout blijkt te zijn, opent u het logbestand en ziet u precies waar de redenering ontspoord is.

Belangrijkste punten

  • Chain of Thought vraagt het model om te redeneren voordat het antwoordt – doorslaggevend voor logica, berekening en analyse
  • Stuur de stappen expliciet aan voor complexe taken
  • Combineer CoT en few-shot voor maximale efficiëntie
  • Nutteloos voor simpele vragen of creatief schrijven
  • Gebruik XML-tags om redenering en antwoord te scheiden in productie