Skeleton-of-Thought (scheletro del ragionamento)
Ragionamento
Livello 2 · Ragionamento avanzatoGenera prima uno scheletro (scaletta) della risposta, poi sviluppa ogni punto — migliore organizzazione, specialmente per output lunghi.
Skeleton-of-thought chiede al modello di produrre prima una breve scaletta dei punti chiave che la risposta tratterà, poi di sviluppare ogni punto nel contenuto completo. Separare 'quali sono le parti' da 'cosa dice ciascuna parte' tende a produrre risposte lunghe meglio organizzate rispetto a un unico passaggio continuo.
Quando usarla
Usalo per risposte lunghe con più parti distinte — report, spiegazioni, confronti — dove un unico passaggio continuo rischia di saltare o sviluppare poco alcuni punti.
Quando evitarla
Evitalo per risposte brevi e a idea singola, dove non c'è nulla di significativo da schematizzare.
Vantaggi
- Produce risposte lunghe organizzate in modo più coerente
- Rende facile individuare un punto mancante o poco sviluppato prima che la risposta completa venga scritta
- Ogni punto tende a essere sviluppato con una lunghezza comparabile ed equilibrata
Svantaggi
- Aggiunge un passaggio extra rispetto a una risposta diretta
- Se lo scheletro iniziale è a sua volta incompleto o mal definito, lo sviluppo eredita quella lacuna
Esempi
Scrivi una spiegazione di come funzionano i vaccini, per un pubblico generico. Produci prima una breve scaletta dei 4-6 punti chiave che questa spiegazione dovrebbe trattare. Poi sviluppa ogni punto in qualche frase chiara, in ordine.
Si abbina bene con
Provala
Compila i placeholder qui sotto e guarda il prompt aggiornarsi in tempo reale.
Cosa vuoi ottenere.
- 25
- Parole
- 149
- Caratteri
- 0/1
- Placeholder compilati
- 1 min
- Tempo di lettura
- Completezza0
- Chiarezza0
- Contesto0
- Specificità0
- Vincoli0
- Formato0
- Output0
- Sezione vincoli0
- Criteri di successo0
- Focus scope100
- Step di verifica0
- Esempio negativo0
- Confidenza0
- Sintassi placeholder100
- Struttura Markdown0
- Compila i placeholder rimasti.
- Espandi le tue risposte — poche parole non bastano al modello per lavorare con precisione.
- Aggiungi contesto di sfondo perché il modello capisca la situazione.