Self-Ask

Коротко

Self-Ask особенно полезен для:

• multi-hop вопросов;
• поиска связей между сущностями;
• задач, где ответ зависит от нескольких промежуточных фактов;
• объяснений по длинной цепочке условий.

Реши вопрос через Self-Ask. Сначала сформулируй нужные вспомогательные вопросы, затем ответь на них, а потом дай итог.

Вопрос: В какой стране находится столица государства, где родился создатель Python?

Смысл техники в том, чтобы сначала построить bridge-facts, а не надеяться, что модель не потеряет их в одном проходе.

Почему техника работает

Многие ошибки в reasoning возникают не на финальном шаге, а в середине. Модель знает нужные факты, но:

• не извлекает их в правильном порядке;
• перепрыгивает через промежуточную связь;
• смешивает сразу несколько операций в одном фрагменте текста.

Self-Ask чинит именно это место. Он заставляет модель формально признать, что ей нужны промежуточные ответы.

Это особенно полезно для вопросов, которые по структуре напоминают:

• "кто / где / когда -> и что из этого следует?";
• "сначала найди сущность, потом её атрибут, потом сделай вывод";
• "сначала вычисли часть A, затем часть B, затем сравни".

Чем Self-Ask отличается от Chain of Thought

Chain of Thought чаще описывает ход рассуждения как единый поток.

Self-Ask вводит более явную дискретность:

• сначала под-вопрос;
• потом ответ на него;
• потом следующий под-вопрос.

Это делает reasoning более modular. Для человека и для системы легче понять, где именно произошёл сбой: на каком из промежуточных вопросов модель потеряла нить.

Когда техника особенно полезна

Self-Ask хорошо работает в:

• knowledge-heavy QA;
• объяснениях по учебным темам;
• rule-based reasoning;
• support-ответах по документации;
• задачах, где one-shot ответ часто "почти правильный", но теряет один важный мост.

Она слабее там, где задача не decomposable или где промежуточные вопросы только раздувают ответ.

Где техника переоценена

Self-Ask не решает проблему отсутствия фактов. Если модель не знает нужное промежуточное знание или вопрос требует актуальных данных, нужен retrieval или search.

Ещё один anti-pattern — превращать любую задачу в длинную цепочку под-вопросов. Иногда задача простая и self-ask только добавляет шум и latency.

Как понимать Self-Ask в 2026

Сегодня Self-Ask полезен не только как prompt format, но и как design pattern для lightweight agents. Во многих системах он работает как дешёвая версия planner:

• разбей задачу на subqueries;
• resolve them;
• synthesize answer.

Это особенно удобно там, где полноценный агент избыточен, а one-shot reasoning уже ненадёжен.

Техническая реализация

const prompt = `
Реши задачу через Self-Ask.

Формат:
1. Вспомогательный вопрос
2. Ответ на него
3. Следующий вспомогательный вопрос
4. Итоговый ответ

Вопрос:
${task}
`

Практический совет: если потом парсите результат, используйте жёсткие метки вроде Subquestion: и Subanswer:. Так проще диагностировать, на каком промежуточном шаге модель ошиблась.