سلسلة التفكير: متى تفيد وكيف تستخدمها في مهام العمل؟

استخدم التوجيه بسلسلة التفكير عندما تستفيد المهمة من عرض خطوات الحل الوسيطة، لكن لا تجعل «فكّر خطوة بخطوة» تعليمة ثابتة لكل طلب ترسله إلى نموذج استدلال. اعتمدت هذه التقنية عند طرحها في 2022 على أمثلة محلولة ترشد النموذج إلى الإجابة؛ أما نماذج الاستدلال اليوم فتستطيع معالجة المسألة داخليًا من دون عرض تلك الخطوات. في مهام العمل، حدّد الأدلة والنتيجة التي تحتاج إليها، ثم اضبط جهد التفكير إذا كانت المهمة تستدعي ذلك.

ما المقصود بالتوجيه بسلسلة التفكير؟

التوجيه بسلسلة التفكير هو تزويد النموذج اللغوي بخطوات وسيطة يتبعها، أو مطالبته بإنتاجها، بدل الاكتفاء بالإجابة النهائية. يولّد النموذج اللغوي الكبير، أو LLM، النص اعتمادًا على التعليمات والسياق اللذين تقدّمهما. وتتيح سلسلة التفكير، المعروفة اختصارًا بـ CoT، تنظيم هذا التفاعل.

قدّم Jason Wei وزملاؤه التقنية بهذا الاسم في ورقتهم Chain-of-Thought Prompting Elicits Reasoning in Large Language Models، التي أُودعت نسختها الأولى في 28 يناير 2022. تضمنت أمثلة التوجيه مسألة يتبعها شرح موجز وإجابتها، ثم كان على النموذج اتباع النمط نفسه لحل مسألة جديدة. كانت الفكرة توجيه نموذج موجود، لا إعادة تدريبه لكل مهمة. الورقة الأصلية.

تصوّر محللًا يتعلّم مطابقة أرصدة المخزون. عرض الرصيد الختامي وحده لا يبيّن الطريقة، بينما يوضّحها عرض رصيد البداية والكميات المشحونة والواردة ثم الرصيد الناتج. هذه هي الفكرة التي قامت عليها التقنية الأصلية.

أما نموذج الاستدلال الحديث فيضيف تمييزًا آخر: مسوّدة حسابات المحلل شيء، والمذكرة التي يسلّمها للمدير شيء آخر. يمكنك منح النموذج مساحة أكبر للعمل داخليًا، مع طلب إجابة نهائية موجزة.

ما الهدف من التوجيه بسلسلة التفكير؟

الهدف هو المساعدة في حل المسائل التي تؤثر خطواتها الوسيطة في النتيجة. فإذا كان النموذج يستفيد من أمثلة توضّح الطريقة، أمكن لمثال محلول أن يبيّن له الكميات التي ينبغي جمعها أو القاعدة التي ينبغي تطبيقها.

في الاستخدام العملي، السؤال الأهم هو: هل أصبحت النتيجة أدق وأسهل في التحقق؟ الشرح الأطول وحده لا يثبت أيًا من الأمرين. تعامل مع صياغة التوجيه بوصفها تحسينًا محتملًا تختبره على مهمتك الفعلية.

أمثلة على سلسلة التفكير في مهام العمل

استخدم المثال المحلول لتوضيح طريقة الحل، وحدّد متطلبات المخرجات لتوضيح ما يحتاج المراجع إلى رؤيته. قد يتداخل الهدفان، لكن لكل منهما سبب مختلف لطلب الخطوات.

مثال عملي: كيف يتغير التوجيه عند إضافة خطوات الحل؟

فيما يلي مثال توضيحي لتوجيه خاص بمطابقة أرصدة المخزون، صيغ لمهمة عمل ولم يُنقل من الورقة البحثية. الحسابات معروضة للشرح؛ وليست مخرجات اختبار أُجري على نموذج.

قبل التعديل: مثال يعرض الإجابة فقط

سؤال المثال: لديك في البداية 12 وحدة، شحنت منها 5 واستلمت 3. كم وحدة بقيت؟

إجابة المثال: 10 وحدات.

السؤال الجديد: لديك في البداية 18 وحدة، شحنت منها 7 واستلمت 4. كم وحدة بقيت؟

بعد التعديل: المثال نفسه مع خطوات الحساب

سؤال المثال: لديك في البداية 12 وحدة، شحنت منها 5 واستلمت 3. كم وحدة بقيت؟

إجابة المثال: المخزون المتبقي = مخزون البداية − الكميات المشحونة + الكميات الواردة = 12 − 5 + 3 = 10 وحدات.

السؤال الجديد: لديك في البداية 18 وحدة، شحنت منها 7 واستلمت 4. كم وحدة بقيت؟

التغيير هنا هو إضافة طريقة الحل إلى المثال. أما الإجابة الصحيحة عن السؤال الجديد فهي نفسها في الحالتين: 15 وحدة. لا يثبت هذا التوجيه أن النموذج سيجيب إجابة صحيحة؛ بل يوضّح آلية CoT بالأمثلة القليلة، أو «Few-shot». والمقصود بهذا المصطلح إدراج أمثلة في التوجيه، ويُعدّ المثال الواحد أبسط صورة لهذا النمط.

استخراج البيانات: اطلب الحقل والدليل عليه

إذا كان موظف الحسابات الدائنة يريد استخراج رقم فاتورة، فليبدأ بتعليمة مباشرة:

أعد رقم الفاتورة كما هو مكتوب تمامًا، مع السطر الذي ورد فيه من المستند الأصلي. إن لم يكن موجودًا، فأعد null. لا تستنتج الرقم من معرّفات أخرى.

لا تضيف فقرة مطوّلة عن كيفية تعرّف النموذج على اسم الحقل قيمة تُذكر. أما السطر الأصلي فيتيح للمراجع التحقق من الاستخراج. وإذا اتسعت المهمة لتشمل التوفيق بين أوامر شراء وفواتير تتعارض بياناتها، فقد يصبح رفع جهد الاستدلال مفيدًا.

اتخاذ القرار: اطلب القاعدة التي استند إليها

عندما يراجع موظف دعم طلب استرداد مبلغ، حدّد ما ينبغي أن يتضمنه القرار:

طبّق سياسة الاسترداد المرفقة وحدها. أعد التوصية، وبند السياسة المنطبق، ووقائع حالة العميل التي تسندها، وأي معلومة ناقصة تحول دون اتخاذ القرار. اجعل التعليل موجزًا.

يحدّد هذا التوجيه الأدلة المفيدة من دون طلب نصّ يسرد الاستدلال الداخلي الخاص بالنموذج. ضع السياسة القابلة لإعادة الاستخدام وتعليمات المخرجات في تعليمات النظام، وافصل عنها بوضوح مستندات الحالة المحددة.

سلسلة التفكير دون أمثلة: ما المقصود بـ Zero-shot؟

في CoT دون أمثلة، تطلب خطوات الاستدلال الوسيطة من دون تقديم مثال محلول. درس Takeshi Kojima وزملاؤه هذا الأسلوب في ورقة Large Language Models are Zero-Shot Reasoners، التي أُودعت نسختها الأولى في 24 مايو 2022، باستخدام عبارة «لنفكّر خطوة بخطوة». ورقة CoT دون أمثلة.

وعند تطبيقه على مسألة المخزون، يصبح التوجيه:

لديك في البداية 18 وحدة، شحنت منها 7 واستلمت 4. كم وحدة بقيت؟ لنفكّر خطوة بخطوة.

تقدّم العبارة تعليمة عامة، بدل أن تعرض طريقة محددة للحل. ومن المفيد فهم دورها في تطور التقنية، لكنها ليست مفتاحًا عامًا لتحسين كل نموذج حالي.

كما تشير هذه الصيغ إلى آليات مختلفة. يقدّم CoT بالأمثلة القليلة، أو Few-shot CoT، أمثلة محلولة. أما CoT دون أمثلة، أو Zero-shot CoT، فيقدّم تعليمة بلا أمثلة. ويستخدم Auto-CoT نموذجًا لبناء أمثلة محلولة انطلاقًا من أسئلة متنوعة؛ وليس اسمًا آخر لتفكير نموذج الاستدلال داخليًا. ورقة Auto-CoT.

في مهام العمل، ابدأ بمهمة واضحة وافحص مواضع الإخفاق. أضف أمثلة عندما يكون ما ينقص التوجيه هو طريقة الحل، أو حالة حدّية، أو شكل المخرجات المطلوب.

ما الذي تغيّره نماذج الاستدلال؟

حين يكون الاستدلال مدمجًا في النموذج، تصبح مهمتك الأساسية تحديد المطلوب والقيود والمخرج النهائي. يحدّد إعداد الاستدلال مقدار العمل الداخلي الذي يستطيع النموذج بذله، بينما تحدّد تعليمات الشرح النهائي ما يتلقاه المستخدم.

جرى التحقق من الإرشادات التالية بالرجوع إلى وثائق OpenAI وAnthropic وGoogle المنشورة على مواقعها في 18 أكتوبر 2026. تختلف الإعدادات باختلاف النموذج وواجهة API، لذلك لا يوجد إعداد موحّد لـ«ميزانية التفكير» يمكنك نسخه بين جميع المزوّدين.

OpenAI: وجّه نماذج الاستدلال بتعليمات مباشرة

توضح إرشادات OpenAI لنماذج الاستدلال أن طلب التفكير خطوة بخطوة غير ضروري، لأن هذه النماذج تستدل داخليًا، وقد يضعف هذا الطلب الأداء أحيانًا. ابدأ بالهدف والسياق ذي الصلة والقيود وشكل واضح للمخرجات. أفضل ممارسات الاستدلال.

لا تنطبق هذه النصيحة على كل نماذج OpenAI. فدليل توجيه GPT-4.1 يعرّفه بأنه نموذج غير مخصّص للاستدلال، ويذكر أن التوجيه الصريح بالخطوات قد يفيده، مقابل زيادة حجم المخرجات وزمن الاستجابة. اختر أسلوب التوجيه بناءً على النموذج الذي تستخدمه فعلًا. دليل توجيه GPT-4.1.

Anthropic: اضبط التفكير والجهد قبل إملاء كل خطوة

يفضّل دليل Anthropic لتوجيه Claude إعطاء توجيه عام للتفكير على كتابة تسلسل يدوي لخطوات الاستدلال. وتظل الأمثلة المحلولة مفيدة لتوضيح طريقة المعالجة. أما طلب CoT يدويًا فهو خيار بديل عند تعطيل التفكير في النماذج التي تتيح ذلك؛ وقد ترفض بعض النماذج الأحدث طلبات كتابة استدلالها الداخلي. أفضل ممارسات توجيه Claude.

عمليًا، اختر أولًا مستوى الجهد المناسب لطبيعة مهامك، ثم أضف تعليمات توجيهية إذا ظل سلوك النموذج بحاجة إلى تعديل. قد يتلقى الطلب البسيط إجابة مباشرة، ولا يضمن ضبط الجهد ظهور قسم يعرض التفكير. توجيه التفكير.

Google: التفكير الداخلي لا يحتاج عادةً إلى عرض خطة

يذكر دليل توجيه Gemini من Google أن سلسلتي Gemini 2.5 وGemini 3 تولّدان تفكيرًا داخليًا، لذا لا تكون هناك حاجة عادةً إلى تضمين مخططات للحل أو خطوات استدلال مفصّلة في الإجابة. ويذكر أيضًا أن تعليمة بسيطة تطلب مزيدًا من التفكير قد تفيد في المسائل الصعبة، مع استهلاك رموز إضافية للتفكير. هذه إرشادات تعتمد على المهمة، وليست وعدًا بأن إضافة العبارة تحسّن كل إجابة. استراتيجيات تصميم التوجيهات في Gemini.

عند البحث عن قيمة حقل، يوصي دليل Google للتفكير بالمستوى الأدنى أو المنخفض حيثما كان مدعومًا. وخصّص الجهد الأكبر للمهام المعقّدة، مثل التخطيط متعدد الخطوات. التفكير في Gemini.

ما الفرق بين مستوى جهد الاستدلال وميزانية التفكير؟

يوجّه مستوى الجهد مدى تعمّق النموذج في العمل. أما ميزانية الرموز فتحدّد المقدار المسموح به للتفكير في الإعدادات التي تدعمها. ولا يحدّد أيّ منهما الأدلة التي ينبغي إدراجها في الإجابة النهائية.

هذه أسماء حقول تبحث عنها في تكاملك البرمجي، وليست صيغة إعداد مشتركة بين المزوّدين. راجع مرجع الاستدلال لدى OpenAI، ودليل التفكير في Claude، ومرجع Generate Content في Gemini قبل تعديلها.

الفوترة: تنص OpenAI على أن رموز الاستدلال تُحاسَب بوصفها رموز مخرجات، رغم أن رموز الاستدلال الخام لا تظهر عبر واجهة API. توضيح المزوّد بشأن الفوترة.

الرموز هي الوحدات التي يعالجها النموذج ويولّدها؛ ويشرح دليل معنى الرموز في الذكاء الاصطناعي الفرق بين النص الظاهر واستهلاك الرموز. فقد تتطلب إجابة قصيرة قدرًا كبيرًا من العمل الداخلي.

متى تطلب إظهار خطوات الحل؟

اطلب إظهار الخطوات عندما تكون جزءًا مفيدًا من المخرج المطلوب. فقد يحتاج موظف الشؤون المالية إلى المعادلة والقيم المعوّضة فيها، ويحتاج مراجع في فريق الدعم إلى بند السياسة والوقائع المطابقة له، ويحتاج محلل أعمال إلى الافتراضات ومراجع المصادر والحساب الذي تستند إليه التوصية.

اجعل طلبك محددًا:

أعد التوصية، ومراجع المصادر التي تسندها، والافتراضات الأساسية، وشرحًا موجزًا. اعرض أي حسابات لازمة لإعادة احتساب النتيجة. وبيّن الأدلة الناقصة.

بهذا تحصل على شرح يستطيع شخص تقييمه، من دون المطالبة بكل فكرة داخلية أو محاولة لم تنجح أو حالة وسيطة خاصة بالنموذج.

وملخصات التفكير التي يتيحها المزوّدون نوع آخر من المخرجات. تتيح OpenAI ملخصات الاستدلال في الحالات المدعومة، بدل رموز الاستدلال الخام؛ وتصف Anthropic نص التفكير في Claude بأنه ملخص، لا سلسلة التفكير الخام. تعامل مع هذه الملخصات بوصفها سياقًا يساعد في تشخيص السلوك، لا وصفًا كاملًا للعملية الحسابية. ملخصات OpenAI، مخرجات التفكير في Claude.

إذا كنت تطوّر التطبيق، فحدّد حقولًا يستطيع تطبيقك التحقق منها. وإذا كنت تستخدمه في العمل، فحدّد أدلة يستطيع المراجع فحصها. وحين يتوقف القرار على رصيد حالي أو حالة طلب، استخدم أداة لجلب تلك المعلومة. يربط استدعاء الدوال النموذج بهذه العمليات الخارجية؛ أما مطالبته بالتفكير مدة أطول فلا توفّر السجل الناقص.

متى تضرّ سلسلة التفكير بالنتيجة؟

تجنّب توجيهات الاستدلال المطوّلة حين تكون المهمة مجرد استرجاع معلومة أو استخراج بيانات بصيغة ثابتة. فإرجاع معرّف حساب معروف لا ينبغي أن يتطلب عرض حجة تفسيرية. والنص الإضافي يزيد ما يحتاج تطبيقك إلى تحليله ومراجعك إلى قراءته.

ثم يأتي قيد زمن الاستجابة. فإظهار نص الاستدلال يزيد حجم المخرجات، ورفع جهد الاستدلال المدمج قد يؤخّر الوصول إلى الإجابة المفيدة. توثّق OpenAI المفاضلة بين حجم المخرجات وزمن الاستجابة في GPT-4.1، وتوصي Google بتفكير أخف للمهام البسيطة. والقاعدة العملية هي البدء بتوجيه مباشر، ثم زيادة التعقيد فقط عندما تبرّر نتائج التقييم ذلك. دليل GPT-4.1، إرشادات التفكير في Gemini.

أما نقص المعلومات فهو مشكلة مختلفة. إذا لم تُقدَّم السياسة المعنية أصلًا، فلن يصلح الخلل طلب استدلال أطول. اجلب السياسة وحدّد نسختها. وإذا كانت المدخلات أكبر من اللازم، فاضبط ما يدخل إلى نافذة السياق، وهي مساحة العمل المتاحة للنموذج، قبل تجربة المزيد من التفكير.

وقد لا تلائم الطريقة الجامدة المهمة أيضًا. فمثال المخزون الذي يتعامل مع الوارد والشحنات لا يوضّح كيفية التعامل مع المرتجعات أو التلف أو المخزون المحجوز. اختر أمثلة تمثّل المهمة، وأتح للنموذج الإبلاغ عن قاعدة ناقصة.

ماذا تثبت الأرقام الأصلية، وما الذي لا تثبته؟

يثبت الاختبار المرجعي الأصلي نتيجة تاريخية على مهمة محددة، ولا يعد بزيادة في دقة مهام العمل. تورد ورقة Wei وزملائه المنشورة في NeurIPS 2022 دقة بلغت 17.9% مع التوجيه التقليدي، و56.9% مع التوجيه بسلسلة التفكير، باستخدام PaLM 540B على GSM8K، وهو اختبار مرجعي لمسائل رياضية لفظية. استخدم إعداد التجربة ثمانية أمثلة محلولة. وردت هذه الأرقام في الجدول 1 من نسخة الورقة المعدّلة بتاريخ 10 يناير 2023. الورقة والنتائج.

لا تقدّر هذه الأرقام مقدار التحسّن في استخراج بيانات الفواتير، أو توصيات الاسترداد، أو أداء نموذج استدلال حالي. فالنموذج والاختبار المرجعي وإعداد التوجيه عوامل مؤثرة جميعها. استخدم الأرقام لفهم سبب الاهتمام الذي حظيت به التقنية، ثم قِس أداء المهمة التي تنوي تشغيلها فعليًا.

أين تبدأ المبالغة في الوعود حول سلسلة التفكير؟

الشرح المقنع ليس سجل تدقيق كاملًا. في بحث نُشر يوم 3 أبريل 2025، رصدت Anthropic حالات استفادت فيها نماذج من تلميحات قُدّمت لها، لكنها أغفلت ذكر أثر تلك التلميحات في شروحها. أُجريت التجارب ضمن سيناريوهات مضبوطة، وعلى نماذج ومهام محددة، ولم تقس كل سير عمل تجاري. ومع ذلك، تبيّن لماذا لا ينبغي اعتبار التعليل دليلًا على الكيفية التي أُنتجت بها الإجابة. بحث Anthropic عن أمانة الشروح في تمثيل الاستدلال.

كي يكون القرار قابلًا للتدقيق، احتفظ بالمستندات المقدّمة، والسجلات المسترجعة، ونتائج الأدوات، والقواعد المطبّقة، والمخرج النهائي. طابق الاستشهادات مع مصادرها، وأعد الحسابات حيثما أمكن. قد يساعد الشرح الذي يكتبه النموذج المراجع على فهم التوصية، لكنه لا يغني عن تلك السجلات.

ومن المبالغات أيضًا القول إن نماذج الاستدلال تجعل تصميم التوجيهات بلا أهمية. فهي تغيّر ما ينبغي لك تحديده. أما هدف العمل، وحدود الأدلة المسموح بالاعتماد عليها، والتعامل مع الاستثناءات، وشكل المخرجات، فتظل مسؤوليتك.

ما الذي تغيّره في سير عملك هذا الأسبوع؟

ابدأ الآن إذا كانت تعليمة عامة مثل «فكّر خطوة بخطوة» تُضاف إلى كل طلب. على المطوّرين اختبار إزالتها من مهام الاستخراج المعتادة، ومقارنة توجيهات المهام المباشرة على الحالات نفسها. وعلى مستخدمي هذه الأدوات في العمل استبدال طلبات الاستدلال المستفيض بمخرجات مراجعة محددة: أدلة، وحسابات، وافتراضات، وتوصية موجزة.

احتفظ بالتوجيه الذي يعمل جيدًا أثناء اختبار بديله. فالنموذج غير المخصّص للاستدلال الذي يستفيد من أمثلة مفيدة لا يصبح متقادمًا تلقائيًا. والانتقال إلى نموذج استدلال سبب لإعادة التقييم، لا دليل على وجوب حذف سير العمل السابق.

1. 1

   اختر مهمة يمكن التحقق من إجابتها

   استخدم مهمة متكررة، مثل استخراج حقول الفاتورة أو مطابقة أرصدة المخزون. دوّن معايير الإجابة الصحيحة، والحالات التي ينبغي فيها الإبلاغ عن معلومات ناقصة، وما يجب أن يتمكّن برنامجك من تحليله من المخرجات.

2. 2

   قارن تغييرًا واحدًا في كل مرة

   ثبّت النموذج وحالات الإدخال، ثم قارن بين توجيه مباشر وآخر يتضمن مثالًا محلولًا. بعد ذلك، عند استخدام نموذج استدلال، ثبّت التوجيه وغيّر مستوى الجهد ضمن الخيارات المدعومة. سجّل صحة الإجابة، وطريقة التعامل مع الأدلة الناقصة، ووقت إتمام المهمة، واستهلاك الرموز.

3. 3

   احتفظ بالتغييرات التي تبرّر التعقيد الإضافي

   فضّل الفحوص الحتمية للتحقق من الحسابات والحقول التي تتطلب تطابقًا دقيقًا. وحيث يلزم التقدير، استخدم معايير تقييم واضحة ومراجعة بشرية؛ ويمكن أن يساعد استخدام نموذج لغوي كبير مُحكِّمًا في توسيع نطاق التقييم، لكن درجاته تحتاج إلى معايرة أيضًا. اعتمد النسخة التي تستوفي متطلباتك للجودة وزمن الاستجابة.

خطوة عملية لبداية الأسبوع: اختر توجيهًا واحدًا تستخدمه في مهمة عمل متكررة، وحدّد الأدلة التي يحتاج إليها مراجع النتيجة، ثم أجرِ المقارنة السابقة. واحتفظ بأبسط إعداد يجتاز فحوصك.

أسئلة شائعة عن التوجيه بسلسلة التفكير

ما هو التوجيه بسلسلة التفكير؟

هو توجيه النموذج اللغوي بخطوات وسيطة أو أمثلة محلولة تسبق الإجابة النهائية. توضّح التقنية الأصلية القائمة على أمثلة قليلة طريقة الحل، بينما يطلب CoT دون أمثلة عرض الخطوات من غير تقديم أمثلة.

ما المثال الذي يوضّح سلسلة التفكير؟

في توجيه الذكاء الاصطناعي، يمكن أن يكون المثال حسابًا مشروحًا للمخزون: مخزون البداية ناقص الكميات المشحونة زائد الكميات الواردة يساوي المخزون الختامي. وإدراج هذا الحساب ضمن مثال محلول يوضّح طريقة التعامل مع سؤال مشابه.

كيف أصيغ توجيهًا يستخدم سلسلة التفكير؟

«لديك في البداية 18 وحدة، شحنت منها 7 واستلمت 4. كم وحدة بقيت؟ لنفكّر خطوة بخطوة». هذا مثال على CoT دون أمثلة. أما مع نموذج يستدل داخليًا، فيمكنك أن تطلب بدلًا من ذلك المخزون الختامي وحسابًا يمكن تكراره للتحقق من النتيجة بوصفهما المخرج النهائي.

هل ما زال التوجيه بسلسلة التفكير مفيدًا؟

نعم، خصوصًا مع النماذج التي تستفيد من الأمثلة الصريحة، وفي المهام التي يفيد فيها شرح الحل. لكن نماذج الاستدلال تغيّر نقطة البداية: ابدأ بتعليمات واضحة وإعدادات الاستدلال المدمجة، ثم أضف أمثلة أو متطلبات للشرح حين تكون مفيدة.

من ابتكر التوجيه بسلسلة التفكير؟

قدّم Jason Wei وزملاؤه التقنية بهذا الاسم في ورقتهم الصادرة عام 2022، Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. جمع عملهم بين شروح وسيطة باللغة الطبيعية وأمثلة ضمن التوجيه، واستند إلى أبحاث سابقة عن التعليل والتوجيه.

ما أبرز فائدة للتوجيه بسلسلة التفكير؟

قد يساعد النموذج المناسب على معالجة المسألة عبر خطوات وسيطة بدل القفز مباشرة إلى الإجابة. أما تحسّن سير عملك نتيجة ذلك فيعتمد على النموذج والمهمة؛ فالشرح الأطول ليس مقياسًا للجودة في حد ذاته.

ما الفرق الأساسي بين تسلسل التوجيهات وسلسلة التفكير؟

يقسّم تسلسل التوجيهات سير العمل على عدة استدعاءات للنموذج، بحيث تنتقل نتيجة كل استدعاء إلى التالي. أما التوجيه بسلسلة التفكير فيتناول الخطوات الوسيطة داخل مثال في التوجيه أو داخل الإجابة. ويمكن لسير عمل واحد استخدام الأسلوبين، لكنهما خياران مختلفان في التصميم.

للحصول على أدلة عملية لبناء مسارات عمل مفيدة بالذكاء الاصطناعي، اشترك في النشرة البريدية.