Chain-of-Thought (CoT) Nedir? Adım Adım Düşünen AI

Kısa Tanım

Chain-of-Thought (CoT), LLM’i bir problemi adım adım düşünmeye yönlendiren prompt tekniğidir.

Modele sonuç vermek yerine mantık zincirini de göstermesini istersiniz. Karmaşık akıl yürütme görevlerinde modelin doğruluğunu önemli ölçüde artırır.

Klasik Örnek

CoT’siz

Soru: Roger 5 tenis topu var. 2 kutu daha alıyor, her kutuda 3 top. Toplam kaç topu var?

GPT-3.5 (CoT olmadan) bazen yanlış cevap verirdi: “11” gibi.

CoT’lü

Soru: Roger 5 tenis topu var. 2 kutu daha alıyor, her kutuda 3 top. Toplam kaç topu var?

Adım adım düşünelim:
- Başlangıçta 5 top var
- 2 kutu × 3 top/kutu = 6 yeni top
- 5 + 6 = 11

Cevap: 11

Aynı sonuç ama daha güvenilir — model her adımı kontrol ederek ilerler.

CoT’u Nasıl Tetiklersiniz?

1. Açıkça İste

"Adım adım düşün ve cevabını ver."
"Önce muhakeme et, sonra final cevabı söyle."
"Çözüm yöntemini açıkla, ardından sonucu ver."

2. Few-shot ile Göster

Örnek:
S: 12 yumurta vardı, 4'ünü kırdım. Kaç tane sağlam yumurta kaldı?
Düşünce: Başlangıçta 12 yumurta, 4'ü kırıldı, 12-4=8.
Cevap: 8

S: 20 elma vardı, 3 kişi 4'er aldı. Geriye kaç kaldı?
Düşünce:

3. Otomatik (Modern Modellerde)

GPT-5, Claude 4.7 ve OpenAI O1 ailesi karmaşık sorularda otomatik CoT yapar. Manuel istemenize gerek yok.

CoT’un Türleri

Zero-shot CoT

“Adım adım düşünelim.” cümlesini ekleyin. Model kendi başına mantık üretir.

Few-shot CoT

Örneklerin içinde mantık zincirini gösterin.

Self-Consistency

Aynı soruya farklı CoT’larla birden fazla cevap üret, en sık geleni seç.

Tree-of-Thoughts (ToT)

CoT’un ileri versiyonu: model dallanmış düşünce ağacı üretir, en iyi yolu seçer.

Graph-of-Thoughts (GoT)

ToT’un daha karmaşık hali. Düşünceler graf yapısında bağlanır.

Hangi Durumlarda Etkili?

✅ CoT iyi:

• Matematik problemleri
• Mantık çıkarımları
• Çok adımlı planlama
• Kod hatası tespiti
• Karar verme (artı-eksi)
• Hipotez testi

❌ CoT gereksiz:

• Basit sınıflandırma
• Tek kelime cevap
• Format dönüştürme
• Çeviri

Maliyet Etkisi

CoT modelin daha fazla token üretmesini sağlar. Maliyet artar:

• Doğrudan cevap: ~50 token
• CoT cevap: ~200-500 token

Pratikte 4-10x maliyet artışı. Ama doğruluk gerektiren görevde değer.

Modern Modellerde CoT

Model	CoT modu
GPT-5	Otomatik (akıl yürütme dahil)
GPT-4o	Manuel prompt
OpenAI O1 / O3	Yapısal CoT
Claude 4.7 (extended thinking)	İsteğe bağlı
Gemini 2.5 Pro	”Think before answer”
DeepSeek R1	Otomatik CoT

Pratik İpuçları

1. Karmaşık görev: “Adım adım” ekle
2. Görünmez CoT: GPT-5/O1 zaten yapıyor, manuel istemen gereksiz
3. Few-shot + CoT: En güçlü kombinasyon
4. Token’a değer mi?: Basit görev için CoT gereksiz
5. Doğrulama: CoT’la üretilen sonucu yine de kontrol et

Sınırları

1. Daha fazla token: Maliyet
2. Latency: Daha uzun cevap = daha yavaş
3. Hallucination: CoT, mantık yanlışsa kendinden emin yanlış sonuç verebilir
4. Cümle uzunluğu: Çok uzun CoT modeli dağıtabilir

İlgili Kavramlar

• Prompt — temel kavram
• Few-shot prompting — CoT’la kombinasyon
• LLM — CoT yapan sistem
• Reinforcement Learning — RLHF ile CoT öğretimi

Sonraki Adımlar

• Chain-of-Thought Prompt Teknikleri
• Prompt Kontrol Listesi: 7 Adım

Özet

Chain-of-Thought, LLM’i adım adım düşünmeye yönlendiren tekniktir. Karmaşık akıl yürütme görevlerinde modeli %20-50 daha doğru yapar. Modern modeller (GPT-5, Claude 4.7, O1) yapısal olarak CoT yapıyor; basit modeller için manuel “adım adım düşün” prompt’u etkili. Token maliyeti artar, ama doğruluk gerektiren işte ödenir.