← [ BACK_TO_NOTES ]

Prompt Chaining

把复杂任务拆成固定顺序的多个 LLM 步骤，前一步输出作为后一步输入，以延迟换准确率和稳定性。

#ai #prompt-chaining #concept #growing

[!info] related notes

所属 MOC: AI MOC

前置概念: Agentic Systems, Augmented LLM

并列概念: LLM Task Routing, LLM Parallelization

易混淆概念: Orchestration

关系笔记: Agentic Workflow Patterns

Prompt Chaining

一句话定义

Prompt chaining 是把一个任务拆成固定顺序的多个 LLM 步骤，让每一步只做更小、更明确的子任务。

核心机制 / 工作原理

它的结构通常是：

第一个 prompt 生成中间结果
程序做必要检查
第二个 prompt 接着处理
按需要继续串下去

这样做的收益是把一个“大而难”的任务改成多个“小而清楚”的任务。

最小例子 / 最小场景

先生成文档大纲
检查大纲是否覆盖关键点
再根据大纲生成正文

边界与易混淆点

它适合固定子步骤明显的任务，不适合路径完全不可预测的问题。
prompt chaining 的关键不是“多调几次模型”，而是每一步都真的减少了难度。
如果中间结果没有被验证，链式结构也会把错误一路传下去。

AI MOC