[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-skeleton-of-thought::ru":3,"gloss-cluster-skeleton-of-thought::ru":23,"gloss-next-skeleton-of-thought::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"skeleton-of-thought","prompt-eng","Skeleton-of-Thought","Skeleton-of-Thought (SoT, «скелет мысли») — приём, при котором модель сначала выдаёт короткий «скелет» ответа: голый список пунктов, которые нужно раскрыть, — а затем разворачивает каждый пункт отдельно. Поскольку раскрытия не зависят друг от друга, их можно генерировать параллельно, а не токен за токеном. В этом и суть: SoT (Ning et al., 2023) предложили прежде всего для снижения задержки длинных ответов — иногда почти вдвое — при сохранении, а порой и улучшении качества на задачах со списочной структурой. Для SaaS-разработчиков практическая ценность — скорость отклика в функциях с многочастным выводом: «сгенерируй 5 черновиков онбординг-писем» или разбор сравнения, где пользователь чувствует каждую секунду задержки стрима. Плата за это — усложнение оркестрации: один вызов на скелет, затем параллельные вызовы на каждый раздел и сборка результата. Подходит для перечислимых ответов, но не для плотных рассуждений, где каждый шаг опирается на предыдущий.","Skeleton-of-Thought сначала заставляет модель набросать ответ голым списком, а затем раскрывать пункты параллельно — это снижает задержку длинных ответов.",null,[11,14,17,20],{"slug":12,"name":13},"chain-of-thought-prompting","Chain-of-thought-промптинг (промптинг с цепочкой рассуждений)",{"slug":15,"name":16},"latency","Задержка (Latency)",{"slug":18,"name":19},"plan-and-solve-prompting","Plan-and-Solve Prompting",{"slug":21,"name":22},"tree-of-thought","Tree-of-thought (дерево размышлений)",[24,28,31,34,36,39,42,45,48,51,54,57],{"slug":25,"category":5,"name":26,"updated_at":27},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"automatic-prompt-optimization","Автоматическая оптимизация промптов",{"slug":32,"category":5,"name":33,"updated_at":27},"chain-of-density","Цепочка плотности (CoD)",{"slug":12,"category":5,"name":13,"updated_at":35},"2026-08-24T02:46:36+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"chain-of-verification","Chain-of-Verification",{"slug":40,"category":5,"name":41,"updated_at":35},"chunking","Чанкинг (Chunking)",{"slug":43,"category":5,"name":44,"updated_at":35},"constrained-decoding","Ограниченное декодирование (Constrained Decoding)",{"slug":46,"category":5,"name":47,"updated_at":35},"context-stuffing","Переполнение контекста (Context Stuffing)",{"slug":49,"category":5,"name":50,"updated_at":35},"delimiter","Разделитель (Delimiter)",{"slug":52,"category":5,"name":53,"updated_at":27},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":55,"category":5,"name":56,"updated_at":27},"emotion-prompting","Emotion Prompting",{"slug":58,"category":5,"name":59,"updated_at":35},"few-shot-prompting","Few-shot-промптинг (промптинг с примерами)"]