Hoe werkt chain-of-thought prompting?
Een chain of thought is een reeks tussenstappen in een redenering. In januari 2022 beschreven Jason Wei en acht co-auteurs de methode chain of thought prompting. Ze zetten een paar uitgewerkte voorbeelden in de prompt, met de redenering erbij. Het model nam die werkwijze over bij nieuwe vragen.
In hun tests verbeterde dat de prestaties bij rekenvragen, vragen over gezond verstand en symbolische opgaven. Dat vermogen ontstond volgens de onderzoekers vanzelf in taalmodellen die groot genoeg waren.
Het kan ook zonder voorbeelden. In mei 2022 lieten Takeshi Kojima en collega’s zien dat de zin ‘Let’s think step by step’ voor het antwoord al hielp. Bij een model van OpenAI steeg de score op de rekentest MultiArith daarmee van 17,7 naar 78,7 procent. Die variant heet zero-shot chain-of-thought.
Voorbeeld: campagnes vergelijken met tussenstappen
De marketeer van een online drukkerij uit Eindhoven wil weten welke campagne meer budget verdient. De prompt vraagt eerst om de berekening en pas daarna om een advies:
In oktober liepen drie campagnes.
A: 1.200 euro kosten, 4.800 euro omzet.
B: 800 euro kosten, 2.000 euro omzet.
C: 500 euro kosten, 2.250 euro omzet.
Reken per campagne stap voor stap de ROAS uit en laat elke berekening zien.
Geef pas daarna je advies.
Een goed antwoord zet eerst de drie berekeningen op een rij: A 400%, B 250% en C 450% ROAS. Pas daarna volgt het advies. Volgens Google dwingt zo’n prompt het model om alle berekeningen echt uit te voeren. Je ziet ook meteen of een tussenstap niet klopt.
Is chain-of-thought prompting nog nodig?
Dat hangt af van het model (stand november 2026). Een redeneermodel denkt zelf na voordat het antwoordt.
- OpenAI: redeneermodellen redeneren intern. Instructies als ‘denk stap voor stap’ of ‘leg je redenering uit’ zijn daarom overbodig. Ze kunnen het resultaat soms zelfs slechter maken.
- Anthropic: chain-of-thought prompting is een terugvaloptie voor als thinking uit staat. Bij onder meer Claude Opus 5.5 en Claude Sonnet 5.5 vertrouw je op thinking. Het model kan een prompt die om een uitgeschreven redenering vraagt dan weigeren.
Heeft je taalmodel geen ingebouwd denkwerk of staat dat uit, dan blijft de techniek bruikbaar. Anthropic stelt dan voor het eindantwoord apart te laten zetten, zodat je het makkelijk terugvindt.
Verwar chain-of-thought prompting niet met
- Redeneermodel: een soort taalmodel dat uit zichzelf tussenstappen uitwerkt. Bij chain-of-thought prompting vraag jij daar in de prompt om.
- Few-shot prompting: een paar voorbeelden in de prompt zetten. De oorspronkelijke chain-of-thought-methode is daar een vorm van, met de redenering in elk voorbeeld.
- Prompt chaining: de uitvoer van de ene prompt gebruiken als invoer voor de volgende. Dat zijn meerdere prompts achter elkaar, geen redenering binnen één antwoord.
Veelgestelde vragen over Chain-of-thought prompting
Wat betekent chain of thought?
Letterlijk: gedachteketen. Het is een reeks tussenstappen in een redenering. Bij chain-of-thought prompting vraag je een taalmodel om die stappen uit te schrijven voordat het antwoordt.
Heeft ‘denk stap voor stap’ zin bij een redeneermodel?
Volgens OpenAI is het overbodig: een redeneermodel redeneert al intern. Zo’n instructie helpt dan niet altijd en kan het resultaat soms zelfs slechter maken.
Wat is zero-shot chain-of-thought?
Chain-of-thought zonder voorbeelden. Je zet alleen een zin als ‘Let’s think step by step’ in de prompt. Takeshi Kojima en collega’s beschreven die aanpak in 2022.