Razonamiento Multi-Paso

El Problema

Los problemas complejos no pueden resolverse de un salto. Cuando le pides a la IA que evalue una arquitectura de sistema, depure una condicion de carrera o planifique una estrategia de migracion, una respuesta directa omite razonamiento intermedio critico. El modelo necesita andamiaje explicito para descomponer el problema en sub-problemas, resolver cada uno y sintetizar los resultados.

El Prompt

Resuelve este problema usando razonamiento multi-paso explicito. NO saltes a una conclusion.

PROBLEMA:
[describe el problema complejo]

Sigue este framework de razonamiento:

PASO 1 — DESCOMPONER: Divide el problema en 3-5 sub-problemas independientes. Listalos.
PASO 2 — ANALIZAR: Para cada sub-problema, razona de forma independiente. Muestra tu trabajo.
PASO 3 — SINTETIZAR: Identifica como interactuan las soluciones de los sub-problemas. Busca conflictos o dependencias.
PASO 4 — VALIDAR: Verifica tu sintesis contra el problema original. ¿Aborda todos los aspectos?
PASO 5 — CONCLUIR: Presenta tu respuesta final con nivel de confianza e incertidumbres restantes.

Si en algun paso descubres que un paso anterior fue incorrecto, corrigelo explicitamente antes de continuar.

Ejemplo de Salida

PASO 1 — DESCOMPONER:
Sub-problemas identificados:
1. ¿Puede la base de datos manejar 10x trafico de lectura con los indices actuales?
2. ¿La capa de cache invalida correctamente en escrituras?
3. ¿El rate limiter de la API estrangulara operaciones masivas legitimas?

PASO 2 — ANALIZAR:
1. Los indices actuales cubren el 80% de los patrones de consulta. El 20% restante (busqueda de texto completo) se degradara.
2. La invalidacion de cache usa purga basada en eventos — correcto para escrituras individuales, pero las importaciones masivas omiten el sistema de eventos.
3. El rate limiter usa ventana fija — las operaciones masivas de un solo cliente se estrangularan despues de 100 peticiones.

PASO 3 — SINTETIZAR:
El escenario de importacion masiva es el eslabon debil: omite la invalidacion de cache Y activa el rate limiting simultaneamente.

PASO 4 — VALIDAR: Las tres preocupaciones originales estan abordadas. La brecha de importacion masiva no era obvia sin descomposicion.

PASO 5 — CONCLUIR: Escalar lecturas via read replicas, agregar una cola de importacion masiva que maneje purga de cache, y cambiar a rate limiting de ventana deslizante. Confianza: Alta.

Cuando Usar

Usa razonamiento multi-paso para problemas con multiples variables que interactuan — planificacion de capacidad, modelado de amenazas de seguridad, estrategias de migracion, o debugging de problemas que abarcan multiples capas del sistema. Es particularmente efectivo cuando la respuesta obvia parece demasiado simple y sospechas interacciones ocultas.

Tips Pro

• Numera tus sub-problemas — esto obliga al modelo a rastrear cada uno explicitamente y evita que descarte silenciosamente sub-problemas dificiles.
• Exige correcciones explicitas — la instruccion de “corregir pasos anteriores” le da permiso al modelo de retroceder en lugar de defender un camino erroneo.
• Limita la descomposicion a 3-5 elementos — mas de 5 sub-problemas hace que el modelo pierda el rastro de las interacciones entre ellos.
• Combina con prompting basado en roles — asigna un rol de experto del dominio antes del framework de razonamiento para mejorar la calidad de cada paso.