Cadeia de Pensamento
Ir para notas que citam estaCadeia de Pensamento é a técnica de fazer o agente percorrer uma sequência explícita de passos de raciocínio antes de entregar a resposta final.
Em vez de pedir a resposta direto, pede-se ao modelo que pense passo a passo: decompor a pergunta, avaliar o que ela exige, organizar a ideia e só então concluir. Em tarefas de várias etapas isso costuma produzir resultados melhores do que a abordagem direta, porque cada passo intermediário fica visível e serve de base para o seguinte. É a técnica de raciocínio que está por trás dos Padrões de Raciocínio de Agentes, como o ReAct e o planejamento prévio.
Via prompt ou via fluxo de vários modelos
A cadeia pode morar dentro de uma única chamada, com a instrução de raciocinar antes de responder, ou pode ser montada como fluxo. Os Modelos de Raciocínio já fazem esse processo de forma nativa, mas a técnica não é exclusividade deles. Num grafo, dá para encadear modelos que não têm raciocínio próprio e atribuir papéis a cada um: o primeiro pensa sobre o problema, o segundo limpa e organiza essa ideia, e o terceiro usa o raciocínio organizado para chegar à conclusão.
Quem desenha o agente decide a forma da cadeia: um modelo que pensa sozinho ou vários agentes dividindo o pensamento. Cada insumo colocado na cadeia, seja uma regra, um exemplo de referência ou uma etapa a mais, muda o caminho que o agente percorre e a conclusão a que chega.
Diferença entre Cadeia de Pensamento e Fine-tuning
Passar ao modelo um conjunto de opções junto com a resposta esperada, para que ele aprenda a seguir aquele padrão, está mais próximo do Fine-tuning, o ajuste feito no próprio modelo. A Cadeia de Pensamento não altera o modelo: ela age no prompt e na orquestração, e pode usar exemplos fornecidos como referência para guiar o raciocínio a cada execução.
O ajuste fino também traz um risco próprio. Um modelo muito exposto a conteúdo de um único tema tende a responder de forma enviesada para ele; se foi ajustado com tudo sobre um clube de futebol, vai apontar esse clube como o melhor time sempre que perguntarem.
Encadear chamadas para implementar guardrails
Uma aplicação prática é a construção de Guardrails com chamadas encadeadas. Na entrada, uma chamada analisa a intenção do usuário antes de a pergunta chegar ao agente principal: se ela não faz sentido no contexto, o sistema devolve uma resposta genérica; se parece uma tentativa de injeção de prompt, o usuário é marcado e um tratamento separado é disparado, por exemplo uma chamada de API específica. Na saída, outra chamada revisa a resposta do agente principal para verificar se faz sentido e se não houve alucinação.
As regras explícitas no prompt de sistema e o raciocínio se reforçam. Um agente restrito a futebol, ao receber uma pergunta sobre receita de bolo, raciocina que o assunto está fora do escopo, encontra a regra que proíbe responder e recusa.
Cada passo a mais na cadeia é mais texto gerado ou mais uma chamada ao modelo, o que soma tokens e latência. Em tarefas simples e diretas, a cadeia de raciocínio não se paga e a resposta direta é a escolha certa.